Ajan ve Model Sürümleri
Nanbeige4.3-33B yayında. Nanbeige LLM Lab, Apache 2.0 lisansıyla Nanbeige4.3-33B'yi yayımladı. 33B dense bir ajan tabanlı kodlama modeli olan Nanbeige4.3-33B, 512K bağlam penceresine sahip. Laboratuvarın tablosunda 30B civarındaki modellere karşı 20 benchmark'ın 17'sinde önde; Terminal-Bench 2.1 performansı güçlü, ancak bazı SWE/görev benchmark'larında puanları daha düşük. Topluluk GGUF quant'ları mevcut; 32 GB GPU'lar için 20,3 GB'lık AD-IQ4_XS öneriliyor.
Microsoft'tan Agensh. Microsoft Research, merkezi düzenleyiciyi ortadan kaldıran merkeziyetsiz kodlama ajanı altyapısı Agensh'i açık kaynak olarak yayımladı. İşçi ajanlar alt görevleri seçiyor, bulguları paylaşıyor ve kodu birleştiriyor. Testlerde 1'den 1.024 ajana kadar ölçeklendi; ajan sayısı arttıkça ProgramBench'in en zor görevlerindeki puanlar yükseldi.
Küçük ses modeli Lure-TTS. Tek başına çalışan bir geliştirici, Qwen3-TTS'ten ince ayarlanmış 600M parametreli ses modelleri Lure-TTS ve Lure-Turbo'yu yayımladı. Modeller, satır içi etiketler, yönergeler ve ses klonlama ile gerçek zamandan hızlı sentez sunuyor. Eğitimin RLVR, OPD ve çok öğretmenli damıtmayla 200 doların altında maliyetle yapıldığı söyleniyor.
OpenMobile-2 telefon ajanları. Araştırmacılar, Qwen3.5 ve Qwen3.6 (9B/27B) üzerine kurulu açık kaynak akıllı telefon ajanı modelleri OpenMobile-2'yi yayımladı. Eğitim ortamında 110'dan fazla simüle uygulama var; uygulama çeşitliliği, görülmeyen uygulamalardaki başarıyı 60,7'den 67,5'e çıkardı. Büyük model SPA-Bench'te 59,6 alarak açık modeller arasında en yüksek puanı elde etti.
Carbon-X DNA modeli. Hugging Face, ham DNA dizilerini okuyup İngilizce yanıt veren 14,8B açık DNA dil modeli Carbon-X'i yayımladı. Model mutasyon patojenitesini, düzenleyici bölgeleri ve sonraki bazları tahmin ediyor. Beş DNA benchmark'ında ortalama %66,7 alan Carbon-X, test edilen açık modeller arasında en iyisi ve tek bir 80 GB GPU'da çalışıyor.
Araçlar, Framework'ler ve Altyapı
PyTorch için TorchTPU. Google ve Meta, PyTorch Conference 2026'da PyTorch/XLA'nın yerini alacak, TPU'lar için yerel PyTorch backend'i olan TorchTPU'yu açık kaynak olarak yayımladı. Taşıma işi model.to('cuda') ifadesini model.to('tpu') olarak değiştirmeye indirgendi; Meta, TPU'larda daha büyük LLM iş yükleri planlıyor.
Google'dan ML Drift. Google, cihaz üzerinde yapay zeka çıkarımı için Apache 2.0 lisanslı, platformlar arası GPU hesaplama motoru ML Drift'i yayımladı. Motor OpenGL ES, OpenCL, Metal ve WebGPU'yu destekliyor. LiteRT'in arkasındaki çekirdek motor olan ML Drift, uç cihazlarda üretken yapay zeka için taşınabilirliği ve performansı artırmayı hedefliyor.
Nvidia Flora etiketleme. Nvidia, robot videolarını eylem açıklamaları, ilerleme derecelendirmeleri ve görev başarısı için etiketleyen veri motoru Flora'yı açık kaynak olarak yayımladı. Flora, etiketleme maliyetinin saat başına 72 sent olduğunu, GPT-6 Astra'da bunun 88 dolar olduğunu iddia ediyor. Flora hâlihazırda GR00T eğitiminde günde 200.000 saate kadar kullanılıyor.
Anthropic'ten OSS Scanner. Anthropic, en güçlü modellerini kullanan kritik açık kaynak projeler için ücretsiz ve isteğe bağlı güvenlik açığı tarayıcısı OSS Scanner'ı başlattı. Tarayıcı 114 projeyi kabul etti; 77 kritik ve 803 yüksek önem dereceli bulgu bildirdi. Denetlenen bulguların %88'i açıklama eşiğini karşılıyor, ancak bazı önem dereceleri şişirilmiş ve tekrarlar var.
TokenGate ile token budama. Stanford ve UC Berkeley, LLM'ler için doğrudan takılabilen, öğrenilmiş token budama modülü TokenGate'i yayımladı. Modül ilgisiz girdi token'larını atlıyor; test edilen görevlerde 128k bağlama kadar doğruluk kaybı olmadan ilk token süresini 1,4–11,3 kat kısaltıyor ve prefill belleğini 1,5–3,4 kat azaltıyor.
Araştırmalardan Öne Çıkanlar
FilmFlow kamera ajanları. FilmFlow, doğal dil yönergelerini veya referans videoları 3D sahneler için açık kamera yörüngelerine dönüştüren ajan tabanlı bir framework. Bir Director ajanı; Interpreter, Scout ve Critic ajanlarıyla planlama yapıyor. CinemaBench'te 750 metin yönlendirmeli görev ve referans video değerlendirmesi yer alıyor.
RouteWeaver birleşik yönlendirme. RouteWeaver, tek turlu, çok turlu ve ajan tabanlı yönlendirmeyi tek bir LLM politikasında birleştiriyor; yürütme modunu ve modelleri birlikte seçiyor. COMET-GRPO eğitimi mod seçimi ile yürütme kredi atamasını ayırıyor ve matematik, kodlama ve bilgi görevlerinde doğruluğu artırıyor.
Anthropic RSI 2027 tahmini. Anthropic kurucu ortaklarından Jack Clark, yapay zekanın araştırma zevki yeteneğinin yaklaşık her üç ayda bir ikiye katlandığı TasteVal benchmark'ına dayanarak özyinelemeli kendini geliştirme tahminini 2027'ye çekti. En iyi model, maliyetin çok küçük bir bölümüyle 24 insan uzmanı geride bıraktı; ancak benchmark bilimsel çalışmanın dar bir dilimini kapsıyor.
Sektör ve İş Dünyası
OpenAI'dan Anthropic'e fiyat baskısı. OpenAI, Anthropic'in en büyük müşterilerini kazanmak için %90'a varan indirimler sunuyor; Rippling, Replit ve DataCamp harcamalarını kaydırdı. Rippling'in OpenAI üzerindeki kodlama iş yükü %16'dan %52'ye çıkarken Anthropic %57'den %18'e geriledi; Replit ise 100 milyon doları aşan bir sözleşmede %30 indirim aldı.
Apollo ekonomisti: getiri yok. Apollo'nun baş ekonomisti Torsten Slok, yapay zekanın S&P 493'teki teknoloji dışı şirketlere finansal olarak hiçbir getiri sağlamadığını söylüyor; kâr marjları ve çalışan başına gelir yatay seyrediyor. Slok'a göre iş zekâsı büyük ölçüde muhakeme gerektiriyor ve yapay zeka hesap verebilirlik, güven, kültür ya da adaleti anlamıyor.
Google yapay zeka aramasının etkisi. Google'ın yapay zeka arama özellikleri çevrim içi yayıncılığı altüst etti; yayıncıların içerik karşılığında trafik aldığı uzun süreli karşılıklı ilişkiyi bozdu. Yıllarca arama için optimizasyon yapan yayın organları, tıklamalarını ve görünürlüklerini yapay zeka tarafından üretilen yanıtlara kaptırıyor.
ABD-Çin yapay zeka imparatorlukları. Foreign Affairs'ta Eric Schmidt, Niall Ferguson ve Lisa Klaassen, ABD ile Çin'in diğer ülkeleri bağımlı hale getiren yapay zeka imparatorlukları kurduğunu savunuyor. Washington kapalı sistemleri siyasi sadakat karşılığında sunarken Pekin, standartlarını yaymak için açık ağırlıklı modelleri bedava dağıtıyor. Yazarlar, Tayvan ve TSMC üzerinden yaşanabilecek olası bir çatışmayı yapay zeka tedarik zincirinin en büyük riski olarak görüyor.
Anthropic tek ajana geçiş. Anthropic, şirketlerin alt ajanları, gerektiğinde bağlam yükleyen tek bir ana ajanda birleştirmeyi değerlendirmesini öneriyor; çünkü yeni modeller karmaşık planlarla doğrudan başa çıkabiliyor. Bir karşılaştırmada tek ajan, çok ajanlı yapıya göre yaklaşık iki kat daha hızlı çalıştı; GitHub'da bir geçiş kiti mevcut.
Nvidia yazılım geliri. Bir Reddit başlığı, Jensen Huang'ın NVIDIA'nın GPU başına yıllık 2.000 dolarlık yazılım gelirini hedeflediği yönündeki yorumuna dikkat çekiyor. Bu, donanımın üzerine yinelenen yapay zeka yazılımı geliri ekleme hamlesine işaret ediyor.
Güvenlik ve Emniyet
Açık ağırlıkta siber risk. Bir Reddit başlığı, ABD ve ÇHC siber yetenekli açık ağırlıklı modelleri kısıtladıkça savunma ve saldırı amaçlı yapay zekaya erişimin hükümetler ve büyük şirketlerde toplanacağını, bireylerin ve küçük işletmelerin sistemlerini güvence altına alma kapasitesinin azalacağını savunuyor. Başlık, topluluk tarafından eğitilen modellerin frontier modellere yetişip yetişemeyeceğini sorguluyor.
llama.cpp'de CVE. llama.cpp'nin Pocket-TTS bileşenindeki bir CVE, kötü niyetli bir mmproj dosyası üzerinden sınır aşımı yazmaya izin veriyor; istismar için yerel erişim gerekiyor. b11796 sürümüne veya güncel master'a yükseltmek istismarı algılayıp durduruyor, ancak tasarım gereği düzeltme PR'ı hâlâ açık.
Ajanların yıkıcı kazaları. Bir kullanıcı, VS Code Copilot ajanının test sırasında veritabanını sildiğini bildirerek bu tür ajan kaynaklı toplu silmelerin gelişmelere rağmen hâlâ yaşanıp yaşanmadığını soruyor. Olay, daha önce viral olan raporları hatırlatıyor ve yedekleme ile sandbox kullanımının gerekliliğini vurguluyor.
Yerel Yapay Zeka ve Donanım
Qwen3.8-Flash yerelde. Kullanıcılar Qwen3.8-Flash-Next'i Swift-1.5 ile karşılaştırıyor; performansı daha iyi buluyor ancak aşırı derin çalışma ve token verimsizliği tespit ediyor. Başka bir kurulum, ExLlamaV3 ile doğrudan NVMe offload kullanarak 125B modeli 16 GB VRAM ve 8 GB RAM'de yaklaşık 20 token/sn hızında çalıştırıyor.
RTX 3080'de P2P açıldı. Bir topluluk kilidi açma çalışması, RTX 3080 20 GB'de P2P ve reBAR'ı etkinleştirerek tensör paralel istem işleme hızında %70'e varan artış sağlıyor. İki GPU, vLLM'de Swift-1.5-Qwen3.8-27B AWQ INT4 ile test edildi.
ISTA quant iddiaları. Bir başlık, ISTA-DASLab'ın Qwen3.8-27B-GSQ-RCO-GGUF IQ3_S quant'ının iddia edildiği gibi BF16 performansını gerçekten karşılayıp karşılamadığını soruyor; Unsloth UD Q4_K_XL ile karşılaştırılıyor. Model kartı daha düşük kuantizasyonda yüksek kalite vaat ediyor, ancak topluluk doğrulaması hâlâ açık.
Gemma 4 yazım şikayetleri. Kullanıcılar Gemma 4 26B ince ayarlarının homojen olduğunu, aşırı süslü metin ürettiğini ve verilen diyalog örneklerini yok saydığını; karakterlerin farklı modellerde aynı tonda konuştuğunu bildiriyor. Stil ayarı bu mimaride hâlâ sorunlu bir alan.
Bu günlük bu kadar – yaklaşık 5 dakikalık okuma.