29 Temmuz 2026 ve öncesi.
Hillel Wayne, The Pragmatic Engineer'da biçimsel yöntemleri anlattı. Fikir şu: Sistemin tasarımını kesin bir dille yazıyorsun, TLA+'nın model denetleyicisi de olası bütün adım sıralamalarını gezip kuralı bozan senaryoyu buluyor. AWS bu yolla testlerin kaçırdığı hataları yakaladı. Yapay zekâ bu yöntemleri ana akım yapacak mı? Wayne'e göre hayır, ama kullanımı artıracak.
Anthropic'in yeni modeli Opus 5, Fable 5'e yakın bir zekâyı yarı fiyatına vaat ediyor. Bağımsız bir ölçüm ise ilginç bir takas gösteriyor: Model daha çok doğru biliyor, ama emin olmadığında da cevap vermeye daha istekli.
Bluesky'ın altında çalışan AT Protocol aslında bir sosyal medya protokolü değil. Herkese bir kimlik ve bir 'klasör' veren, uygulamaların bu klasörlerden beslendiği açık bir web katmanı.
Kimi K3 ve Inkling gibi yeni modellerin ağırlıkları herkese açık. Yani onları indirip kendi sunucunda çalıştırabilirsin. Ama 'açık ağırlık' ile 'açık kaynak' aynı şey değil.
Colibrì adlı açık kaynak motor, 744 milyar parametrelik bir modeli sıradan bir bilgisayarda diskten parça parça okuyarak çalıştırıyor. Bir başka geliştirici ise 512 KB belleği olan ucuz bir çipte dil modeli koşturdu. İkisinin de sırrı aynı: Modelin tamamını belleğe almamak.
Kuantum makine öğrenmesi çoğu zaman tamamen kuantum değil. Veriyi kübitlere taşıyan bir devre, eğitilen birkaç açı, geri kalan her şeyi yapan klasik bir bilgisayar. Computerphile'da Prof. Mohammad Reza Mousavi bu karma yapıyı ve kernel hilesinin kuantum hâlini anlatıyor.
Z.ai, açık ağırlıklı GLM-5.2 modelinin pekiştirmeli öğrenme aşamasında DeepSeek'in popülerleştirdiği GRPO yerine eski usul PPO'ya döndüğünü yazdı. Sebep, saatler süren ajan görevlerinin bir grup içinde birbiriyle kıyaslanamaması.
Yapay zekâ ajanları saatlerce çalışabiliyor. Bu yüzden geliştiriciler projelerini evdeki başka bir bilgisayarda çalıştırıp her cihazdan bağlanıyor. Syntax'ta Mosh, Tailscale ve Caddy ile kurulan bu düzen anlatıldı.
turbopuffer'ın kurucusu Simon Eskildsen, The Pragmatic Engineer'da "napkin math" alışkanlığını anlattı: Bellek, disk, ağ ve depolamanın hızını ve fiyatını ezbere bilip bir tasarımı kâğıt üstünde hesaplamak. Aynı hesap, vektör ve tam metin aramasını belleğe değil S3'e koyan turbopuffer'ı doğurdu.
DeepSeek'in DSpark makalesi, küçük bir taslak modelin birkaç token önceden tahmin ettiği spekülatif kod çözmeyi iki yerden iyileştiriyor: Taslak tokenlar birbirini görüyor ve her istekte kaç tokenın kontrol edileceğine güven skorlarına göre karar veriliyor. DeepSeek-V4'ün canlı hizmetinde, aynı toplam verimde kullanıcı başına hız %60–85 arttı.
JavaScript çalıştırma ortamı Bun, Zig dilinden Rust'a geçirildi. İşin büyük kısmını aynı anda çalışan onlarca Claude yaptı. Amaç hız değil, bellek hatalarından kurtulmaktı.
Google, telefonlarda yıllardır kullandığı yapay zekâ çalıştırma motorunu tarayıcıya taşıdı. LiteRT.js ile görüntü, ses ve hareket tanıma modelleri hiçbir sunucuya veri göndermeden, senin cihazında çalışıyor.