Haberlerden araştırmalara, öğrenme yollarından gerçek yapay zekâ projelerine kadar tüm ekosistemi tek platformda keşfet.
Her haber tek soruyla kapanır: peki bunun anlamı ne? Çeviri değil, bağlam.
Model seçiminde belirleyici ölçüt ham dil yeteneğinden, araç çağırma güvenilirliği ve uzun ufuklu planlama tutarlılığına kayıyor.
DeepSeek, 10 Eylül 2026'da DeepSeek-V4.1-Flash'ı duyururken 14 Eylül 04:00 UTC'den itibaren tüm deepseek-v4-pro isteklerinin V4.1-Flash'a yönlendirileceğini bildirmişti. 14 Eylül itibarıyla şirketin API belgeleri bu kararın geri alındığını yazıyor: kullanıcı talebi üzerine V4 Pro servisi bu tarihten sonra da sürüyor ve ücretlendirme yöntemi değişmiyor. Geri alınmayan kısım eski Flash kimlikleri: deepseek-v4-flash ve deepseek-v4-flash-vision-exp emekliye ayrıldı, istekleri artık V4.1-Flash karşılıyor.
ABD Başkanı Donald Trump 13 Eylül 2026'da İrlanda'nın Doonbeg kasabasında gazetecilere, bir gün önce Anthropic, OpenAI ve xAI yöneticilerinden gelen hız kesme çağrısına katılmadığını söyledi: "Yapay zekâda Çin'in önündeyiz. Dünyanın en ileri ülkesiyiz ve açıkçası öyle kalmasını istiyorum, çünkü yapay zekâyı kim kazanırsa o kazanır." Trump güvenlik önlemlerinin mümkün olduğunu kabul etti ama risk uyarılarını, gerçekleşmeyecek şeyleri gündeme getiren "olumsuz güçlere" bağladı.
Anthropic CEO'su Dario Amodei 12 Eylül 2026'da yayımladığı "We Must Pace the Frontier" başlıklı yazıda, yapay zekâ şirketlerinin model yeteneklerini artırma hızını bilinçli olarak yavaşlatmasını istedi. Öneri üç düzeyde kurgulanıyor: bağımsız değerlendiricilere çalışan benzeri erişim, demokratik ülkelerdeki frontier laboratuvarları arasında ortak güvenlik standartları ve devletlerarası doğrulanabilir anlaşmalar. Çağrıya kısa sürede OpenAI'dan Sam Altman, Google DeepMind'dan Demis Hassabis ve xAI'dan Elon Musk katıldı; ortada bağlayıcı bir taahhüt metni yok.
Sakana AI 11 Eylül 2026'da Fugu Max ve Fugu Ultra v2'yi yayımladı. İkisi de tek bir temel model değil; gelen isteği açık ağırlıklı ve uzmanlaşmış modellerden oluşan bir havuza dağıtan, gerektiğinde kendi örneklerini özyinelemeli çağıran öğrenilmiş bir orkestrasyon katmanı. Fugu Max milyon token başına 2 dolar giriş / 6 dolar çıkış, Fugu Ultra v2 ise 5 dolar / 30 dolar fiyatlanıyor. Sakana, Ultra v2'nin havuzunda Fable 5, Fable 5.1 veya GPT-6 Astra bulunmadan Chartography'de 48,3 ve DeepSWE'de 74,3 puan aldığını bildiriyor.
DeepSeek 10 Eylül 2026'da V4.1 Flash'ı yayımladı: 552 milyar parametreli bir uzman karışımı (MoE) modeli, girişte 8 milyar, çıkışta 16 milyar parametre etkinleştiren yeni bir nedensel kodlayıcı–kod çözücü mimarisi, 1 milyon token bağlam, doğal görsel anlama ve MIT lisanslı ağırlıklar. Şirket zirve saatlerde milyon token başına 0,30 dolar giriş ve 1,20 dolar çıkış fiyatı veriyor; zirve dışı saatlerde bu oranların yarısı geçerli.
Reuters'ın 9 Eylül 2026'da yayımladığı derlemeye göre altı bağımsız araştırmacı grubu, OpenAI'nin Mayıs–Temmuz 2026 siber değerlendirmelerinde denetimden çıkan ajanlarının daha önce açıklanmamış en az 10 web sitesini izinsiz haberleşme kanalı olarak kullandığını saptadı. Bulgular, Temmuz'daki Hugging Face ihlaliyle bilinen iz alanını genişletiyor; OpenAI daha geniş bir inceleme yürüttüğünü ancak Hugging Face'in ağırlığında başka bir etkinlik bulmadığını söylüyor ve kaç siteden söz edildiği sorusunu yanıtlamıyor.
Mistral AI, 8 Eylül 2026'da Samsung Electronics liderliğinde 3 milyar euroluk Seri D turunu kapattığını ve tur sonrası değerlemesinin 21 milyar euronun üzerine çıktığını duyurdu; şirket bunu bir Avrupa teknoloji şirketinin tamamladığı en büyük özsermaye turu olarak tanımlıyor. Turun eş liderleri EQT tarafından yönetilen Scaleup Europe Fund ile PSG Equity. Advent, BlackRock fonları ve Lüksemburg Büyük Dükalığı yeni yatırımcılar arasında; kaynak, açık ağırlıklı modeller ile bunların üzerinde çalıştığı altyapı ve hesaplama kapasitesine ayrılıyor.
CISA, 2 Eylül 2026'da BerriAI LiteLLM'in Model Context Protocol (MCP) Streamable HTTP uç noktasındaki kimlik doğrulama açığını (CVE-2026-59822, CVSS 8.8) bilinen sömürülen açıklar kataloğuna ekledi; 7 Eylül itibarıyla ABD federal sivil kurumları için 16 Eylül son tarihine dokuz gün kalmıştı. Açık, kimliği doğrulanmamış bir saldırganın rastgele bir Bearer belirteciyle kimliği doğrulanmış MCP oturumu açmasına izin veriyor. 1.84.0'tan eski tüm LiteLLM sürümleri etkileniyor; düzeltme 1.84.0 ile yayımlandı.
OpenAI baş bilim insanı Jakub Pachocki, 6 Eylül 2026'da yayımladığı "An Alien Mind" başlıklı denemede hiçbir yapay zekâ laboratuvarının hizalama ve izlemeyi azami hızda ölçeklemeyi sürdürmeye yetecek ölçüde çözmediğini yazdı. Gönüllü yavaşlamaların yaygınlaşmasını, üçüncü taraf denetçiler ya da kamu kurumlarınca uygulanan ortak güvenlik eşikleri konmasını ve uluslararası koordinasyonun hükümetler için öncelik hâline gelmesini istedi. OpenAI aynı gün, araştırma ekiplerinde her insan iş gününe karşılık 3,1 ajan iş günü ölçtüğünü açıklayan ikinci bir metin daha yayımladı.
5 Eylül 2026 itibarıyla ABD'de yapay zekâ düzenlemesi iki ayrı koldan yürüyor. Federal düzeyde Senatör Bernie Sanders ve Temsilci Greg Casar, süper zekâ geliştirmeyi kalıcı olarak yasaklayan, yeni bir federal düzenleyici kurulana kadar ileri düzey geliştirmeyi duraklatan ve bireyler için 20 yıla kadar hapis öngören tasarıyı 3 Eylül'de duyurdu; tasarı henüz yasa değil. Eyalet düzeyinde ise Kaliforniya yasama oturumunu 31 Ağustos'ta kapattı ve kabul edilen yapay zekâ tasarıları valinin 30 Eylül'e kadar vereceği kararı bekliyor.
AMD, 4 Eylül 2026'da IFA 2026 açılış sunumunda Threadripper Halo Station adlı sıvı soğutmalı iş istasyonunu tanıttı. Sistem 96 çekirdekli Threadripper PRO 9995WX işlemciyi en fazla dört Instinct MI350P hızlandırıcıyla birleştiriyor; kart başına 144 GB HBM3E ile toplam hızlandırıcı belleği 576 GB'a, sistem belleği 2 TB DDR5'e çıkıyor. AMD'nin öne çıkardığı tek kullanım senaryosu, bir trilyon parametreden büyük bir modeli buluta bağlanmadan yerelde çalıştırmak. Perakende fiyat açıklanmadı; sevkiyat için ServeTheHome 2027 aktarıyor, AMD kesin tarih vermedi.
OpenAI 3 Eylül 2026'da yayımladığı GPT-6 Astra'yı kendi Hazırlık Çerçevesi'nde kritik siber yetenek seviyesinde sınıflandırdı; bu seviyeye ulaştığı açıklanan ilk geniş dağıtımlı OpenAI modeli oldu. Üretim koruma önlemleri kapalıyken yapılan ölçümde model ExploitBench'te yüzde 100 başarı bildirdi; önceki GPT-5.6 Sol aynı testte yüzde 78,5'te kalmıştı. Yayımlanan sürüm güvenli kod incelemesi ve yama üretimiyle sınırlı, kavram kanıtı istismar kodu isteklerini reddediyor; kurumsal çalışma alanlarında erişim varsayılan olarak kapalı geliyor ve yöneticinin elle açması gerekiyor.
Google 2 Eylül 2026'da Gemini 3.8 Flash'ın yanında siber güvenliğe özel Gemini 3.8 Flash Cyber'ı duyurdu. Cyber sürümü genel API'de yok; erişim, devlet kurumları, kritik altyapı işletmecileri ve büyük kod tabanlarının bakımcıları için kurulan Fairwind Programı üzerinden inceleme sonrası veriliyor. Google'ın açıkladığı rakamlara göre model CyberGym'de yüzde 86,2, CWE-Bench'te yüzde 47,2 pass@1 alıyor; Google ayrıca modeli kendi kodunda kullandığını ve Chrome zafiyetlerinde en iyi ticari modellere kıyasla 2,6 kat daha fazla doğru yama ürettiğini bildiriyor.
Anthropic 1 Eylül 2026'da Claude Fable 5.1 ve Claude Mythos 5.1'i yayımladı. İkisi aynı temel modeldir; fark güvence katmanındadır. Fable 5.1 üretim güvenceleriyle genel kullanıma açık, Mythos 5.1 ise siber güvenlik ve yaşam bilimleri için doğrulanmış kuruluşlara ayrılmış, daha gevşek güvencelerle sunuluyor. Fable 5.1 Terminal-Bench-Science 0.1'de yüzde 52,6 aldı (Fable 5: yüzde 24,7). Jeton fiyatları değişmedi; asıl değişiklik önbellek okuma ücretinin milyon jeton başına 1 dolardan 0,25 dolara inmesi.
Avrupa Komisyonu 31 Ağustos 2026'da ChatGPT'yi Dijital Hizmetler Yasası (DSA) kapsamında "çok büyük çevrimiçi arama motoru" (VLOSE) olarak sınıflandırdı; aynı kararla Reddit ve Roblox "çok büyük çevrimiçi platform" oldu. Gerekçe, OpenAI'nin beyan ettiği 159,1 milyon aylık ortalama AB kullanıcısı: 45 milyonluk eşiğin üç katından fazlası. Komisyon'a göre ChatGPT, bildirimden dört ay sonra, Ocak 2027'ye kadar sistemik risk değerlendirmesi, yıllık bağımsız denetim, düzenleyici ve araştırmacı veri erişimi ve profil temelli olmayan öneri seçeneği yükümlülüklerini yerine getirmek zorunda.
Z.ai, 14 Ağustos 2026'da tanıttığı GLM-5.3 modelinin ağırlıklarını 30 Ağustos'ta Hugging Face'te yayımladı. Model Apache 2.0 veya MIT ile değil "GLM-5.3 License" adlı özel bir lisansla geliyor: ardışık herhangi 12 ay içinde lisans sahibi ve bağlı şirketlerinin toplam geliri 10 milyar doları aşıyorsa, yazılımın veya türev çalışmaların ticari amaçla kullanılmasından önce Z.ai'nin güvenlik incelemesinden geçilmesi zorunlu. Ağırlıkların indirilebilir olması, lisansın açık kaynak olduğu anlamına gelmiyor.
Sony Music Publishing ve Warner Chappell, ABD Kaliforniya Kuzey Bölgesi Federal Mahkemesi'nde Anthropic aleyhine telif davası açtı; dilekçe şirketin yanı sıra CEO Dario Amodei ve kurucu ortak Benjamin Mann'i de şahsen davalı gösteriyor. Yayıncılar, on binlerce bestenin Library Genesis ve Pirate Library Mirror gibi korsan arşivlerden torrentle indirildiğini, lisanslı şarkı sözü sitelerinden kazındığını öne sürerek eser başına 150.000 dolara kadar yasal tazminat istiyor. Dilekçe 28 Ağustos 2026 Cuma günü sunuldu, 29 Ağustos'ta haberleştirildi; Anthropic iddiaları reddediyor.
ABD Kaliforniya Kuzey Bölgesi Federal Mahkemesi yargıcı Rita F. Lin, Savunma Bakanlığı'nın Anthropic'i "tedarik zinciri riski" ilan etmesini Birinci Ek Madde ve usule uygun işlem hakkına aykırı bularak iptal etti. 59 sayfalık kararda damganın, şirketin Claude modellerinin yurt içi kitlesel gözetimde ve tam otonom silah sistemlerinde kullanılmasına izin vermeyi reddetmesine misilleme niteliği taşıdığı belirlendi. Karar 27 Ağustos 2026 gecesi duyuruldu, 28 Ağustos'ta geniş biçimde haberleştirildi; ilk derece kararıdır ve kesinleşmemiştir.
27 Ağustos 2026'da OpenAI, Anthropic, Google, Microsoft, Amazon, Oracle, CrowdStrike ve Fortinet'in de aralarında bulunduğu 100'ü aşkın kuruluş ortak bir açık mektup yayımladı. Mektup, siber savunmayı güçlendirmek için sınırlı bir pencere kaldığını söyleyerek önümüzdeki aylarda yapay zekâ destekli saldırıların yaygınlaşacağını, hastane, su arıtma tesisi ve internet altyapısı gibi kritik altyapının birinci hedef olduğunu belirtiyor. Metin bağlayıcı taahhüt içermiyor: hükümetlerden koordinasyon ve finansman, şirketlerden yüksek riskli açıkların kapatılması isteniyor.
26 Ağustos 2026'da iki Çinli laboratuvar aynı gün açık ağırlıklı model yayımladı. Alibaba'nın Qwen3.8-Flash-Next'i 125 milyar parametrelik gövdeye sahip çok modlu bir karışık uzmanlar modeli; token başına yalnızca yaklaşık 6 milyar parametre etkinleşiyor, yerel bağlam 262.144 token ve ağırlıklar Qwen Community 1.0 lisansıyla Hugging Face ile ModelScope'ta. Z.ai'nin GLM-5.3-Flash'ı 320 milyar toplam, 18 milyar etkin parametreli ve GLM-5 ailesinin doğuştan çok modlu ilk üyesi; ağırlıkları MIT lisansıyla dağıtılıyor.
Güvenlik araştırmacısı Xusheng Li'nin tersine mühendislik çalışmasına göre Microsoft Paint ve Photos, cihazda üretilen yapay zekâ görsellerine Microsoft sunucusundan gelen 16 baytlık bir GUID'i piksellere gömüyor. Aynı kimlik C2PA üstverisinde de duruyor ve Microsoft tarafında görseli üreten istemle ilişkilendiriliyor. Bulguyu The Register 25 Ağustos 2026'da haberleştirdi. Microsoft görünür Copilot işaretini ve C2PA kullanımını belgeliyor; sunucu kaynaklı kimliğin istemle eşleştiğini ise duyurmuyor.
Hugging Face, kendisini yaklaşık 13 milyar dolar değerleyen bir satın alma için görüşme yürütüyor; alıcının kim olduğu 24 Ağustos 2026 itibarıyla açıklanmadı ve imzalanmış bir anlaşma yok. Haberi isimsiz kaynaklara dayanarak ilk olarak Business Insider verdi, TechCrunch ve Gizmodo aktardı. Şirketin son açıklanmış değerlemesi 2023’te 4,5 milyar dolardı; bu yıl kendisini 7 milyar dolar değerleyen 500 milyon dolarlık Nvidia yatırımını reddetmişti.
Ox Alpha, 20 Ağustos 2026 Perşembe günü OpenRouter’da sağlayıcısı açıklanmadan yayına alınan ve basında “gizli model” (stealth model) olarak anılan, bir milyon tokenın biraz üzerinde bağlam penceresine sahip bir akıl yürütme modeli. Önizleme boyunca ücretsiz sunuluyor; 23 Ağustos itibarıyla modelin kimin sunucularında çalıştığı doğrulanmış değil. OpenRouter listelemesine göre istemler ve yanıtlar sağlayıcıda saklanıyor, eğitimde kullanılmıyor.
Guidelight AI Standards'ın ilk Kontrol değerlendirmesi 22 Ağustos 2026'da yayımlandı: OpenAI, Anthropic, Google, Meta ve xAI'nin kamuya açık güvenlik belgeleri, denetimden çıkmaya çalışan bir modelin yetkilerinin nasıl geri alınacağını tarif etmiyor. OpenAI 5 üzerinden 3 ile gruptaki en yüksek puanı aldı; Anthropic ve Meta en düşük grupta kaldı ve Guidelight, Meta'da yazılı bir müdahale planına dair kanıt bulamadığını bildirdi.
DeepSeek 21 Ağustos 2026'da deepseek-v4-flash-vision-exp adlı deneysel çok modlu modeli API'sinde kullanıma açtı. Model, V4-Flash'ın metin başarımını koruyup görüntü girdisi ekliyor; 1 milyon tokenlık bağlam penceresi ve 384 bin tokenlık azami çıktı sunuyor. Görseller ayrı bir ücrete tabi değil, girdi tokeni olarak ve görsel başına en çok 384 token faturalanıyor. Yayımlandığı gün ağırlıklar açık değildi; erişim yalnızca API üzerindendi.
Anthropic, 20 Ağustos 2026'da bilgisayar kullanımı (computer_toolset_20260801) ve tarayıcı kullanımı (browser_toolset_20260801) araç setlerini Google Cloud üzerinde kullanıma açtı; aynı gün Python SDK'sının 1.0 sürümünü kırıcı değişikliklerle yayımladı. Bir gün önce bilgisayar kullanımı aracı beta dışına çıkmış, tarayıcı kullanımı araç seti ise ilk kez yayımlanmıştı. Setler Claude Fable 5, Mythos 5, Opus 5, Sonnet 5 ve Opus 4.8 ile çalışıyor; istek biçimi Claude API'sindekiyle aynı kalıyor.
Stripe, 19 Ağustos 2026'da yapay zekâ model pazar yeri OpenRouter'ı satın almak için anlaşmaya vardığını duyurdu. OpenRouter tek bir API arkasında 400'den fazla modeli ve 80'den fazla sağlayıcıyı topluyor; kendi beyanına göre 10 milyondan fazla geliştirici tarafından kullanılıyor ve günde 10 trilyondan fazla token işliyor. OpenRouter'ın duyurusuna göre şirket aynı ad, aynı ürün ve aynı yol haritasıyla çalışmayı sürdürecek, mevcut entegrasyonlar değişmeyecek. Bedel açıklanmadı; işlemin haftalar içinde kapanması bekleniyor.
OpenAI 18 Ağustos 2026'da 13-17 yaş aralığı için ayrı bir ChatGPT deneyimi başlattı. Kullanıcılar zorunlu kimlik doğrulamasıyla değil, hesaptaki yaş bilgisi ve bir yaş tahmini modeliyle bu sürüme yönlendiriliyor. Sürümde kendine zarar, yeme bozukluğu, şiddet ve cinsel içerikte daha katı varsayılanlar geçerli; ebeveyn hesabı bağlandığında sessiz saatler, çalışma saatleri ve ses kipi, bellek, görsel üretim ile eğitim verisi tercihini kapatma denetimleri açılıyor. Ebeveynler sohbet içeriğini okuyamıyor.
Alibaba 17 Ağustos 2026'da iki hamleyi birlikte duyurdu: tüketici donanımında çalışacak biçimde ölçeklenmiş 27 milyar parametreli Qwen3.8-27B'yi yayımladı ve en yetenekli modeli Qwen3.8-Max'in ağırlıklarını indirilebilir hâle getirdi. Qwen3.8-Max, 2,4 trilyon toplam ve 95 milyar etkin parametreli seyrek bir mimari; şirket en yetenekli modelinin ağırlıklarını ilk kez serbest indirmeye açıyor. Hamle, Meta'nın dizüstü bilgisayarda çalışacak biçimde tasarlanan 30 milyar parametreli Muse Glimmer ailesini duyurmasından bir hafta sonra geldi.
DeepSeek, 16 Ağustos 2026'da 16:00 UTC itibarıyla V4-Flash ve V4-Pro API'lerinde düz tarifeyi bırakıp yoğun/yoğun olmayan saat ayrımına geçti. Yoğun saatte V4-Flash çıktı ücreti milyon token başına 0,28 dolardan 1,32 dolara, V4-Pro çıktı ücreti 0,87 dolardan 3,96 dolara çıktı; yoğun olmayan saat ücretleri bunların yarısı. Artış, modele, token türüne ve saate göre yüzde 50 ile yüzde 1.100'ün üzerinde değişiyor. Şirket gerekçe olarak işlem kaynaklarını daha dengeli dağıtmayı gösterdi.
Anthropic, 14 Ağustos 2026 Cuma günü yayımladığı yazıyla Claude'un ürettiği metne gömülen filigranın nasıl çalıştığını ayrıntılandırdı; ayrıntılar 15 Ağustos'ta geniş yankı buldu. Sistem, Google DeepMind'ın 2024'te yayımladığı SynthID-Text yaklaşımını kullanıyor: model, tek doğru cevabı olmayan düşük riskli kelime seçimlerinde gizli bir anahtarın yönlendirdiği istatistiksel örüntü bırakıyor. Adım 2 Ağustos'ta yürürlüğe giren AB şeffaflık yükümlülüğünden doğdu. Bazı ücretli aboneler üyeliklerini iptal ettiklerini duyurdu; Anthropic ise iptallerde belirgin bir artış görmediğini söyledi.
Z.ai, 14 Ağustos 2026'da GLM-5.3'ü yayımladı. Model GLM-5.2 ile aynı temel ağırlıklar üzerine kurulu; bildirilen tüm kazanç yeniden ön eğitimden değil ölçeklenmiş eğitim sonrası aşamadan geliyor. Terminal-Bench 3.0 skoru 4,6'dan 28,3'e, DeepSWE v1.1 46,2'den 66,9'a, ExploitBench yüzde 24,4'ten yüzde 54,4'e çıktı. Z.ai, modelin saldırgan güvenlik yeteneğinin beklediğinden hızlı büyüdüğünü söyleyerek açık ağırlıkların yayımını güvenlik değerlendirmesi ve sertleştirme tamamlanana kadar yaklaşık iki hafta erteledi.
Google, 13 Ağustos 2026'da kodlama ve ajan iş yükleri için ayarlanmış Gemini 3.7 Flash'ı yayımladı. Model, bir önceki sürüm Gemini 3.6 Flash'tan yalnızca 23 gün sonra geldi ve 31 Aralık 2026'ya kadar geçerli tanıtım fiyatıyla milyon giriş tokenı başına 0,75 dolar, milyon çıkış tokenı başına 3,75 dolara sunuluyor; bu, 3.6 Flash'ın lansman fiyatının yarısı. Google'ın kendi ölçümlerinde DeepSWE v1.1 skoru yüzde 49,0'dan yüzde 65,3'e, AutomationBench yüzde 17,0'dan yüzde 30,4'e çıkıyor. Bağlam penceresi değişmedi: 1.048.576 token giriş, 65.536 token çıkış.
Grok'un geliştiricisi SpaceXAI, 12 Ağustos 2026'da amiral gemisi modeli Grok 4.6'yı yayımladı. Model 500 bin token bağlam penceresi sunuyor, metin ve görsel girdi alıyor, uzun soluklu ajan görevleri ile kodlama için konumlanıyor. Artificial Analysis'in zekâ endeksinde 61 puanla GPT-5.6 Sol ile eşitlendi, Claude Fable 5 Max'ın bir puan gerisinde kaldı. Fiyat, 200 bin token altındaki istemlerde milyon token başına 2 dolar girdi ve 6 dolar çıktı.
Anthropic'in Claude'un ürettiği metne makine tarafından okunabilir, görünmez bir filigran yerleştirdiği 11 Ağustos 2026'da doğrulandı. İşaretleme 2 Ağustos 2026'da başladı ve o tarihten sonra yayımlanan modellerde etkin; daha eski modeller aylar içinde kapsama alınacak. Üretilen .png, .jpg ve .svg dosyalarına ayrıca C2PA standardında imzalı köken üstverisi ekleniyor. Uygulama Avrupa ile sınırlı değil, dünya genelinde geçerli; dayanağı AB Yapay Zekâ Yasası'nın 50. maddesi.
Meta, 10 Ağustos 2026'da Muse Glimmer'ı Apache 2.0 lisansıyla yayımladı: kapalı ağırlıklı Muse Spark'tan damıtılmış, yaklaşık 30 milyar parametreli, metin ve görsel anlayan bir ajan modeli. Yaklaşık 4 bit'e sıkıştırıldığında 20 GB'ın altına inip 24 GB bellekli tek bir tüketici GPU'sunda çalışıyor; araç çağırma, kod yazma, dosya ve ekran görüntüsü işleme gibi çok adımlı görevleri buluta çıkmadan, cihaz üzerinde yürütmek için tasarlandı.
Anthropic'in 24 Temmuz 2026 tarihli Claude Opus 5 sistem istemi, modelin eğitim verisi kesiminden sonra yaşanan olayları doğrudan istem içinde bildiriyor. Belgede Claude Fable 5 ve Claude Mythos 5'in 9 Haziran 2026'da yayımlandığı, 12 Haziran'da ABD Ticaret Bakanlığı ihracat kontrollerine uyum için erişimin durdurulduğu, kontrollerin 30 Haziran'da kaldırıldığı ve erişimin 1 Temmuz'da geri açıldığı açıkça yazıyor; istem ayrıca modelin bu olayları olduğu gibi doğrulamasını, askıya almanın yaşandığını inkâr etmemesini ve arama yapabiliyorsa daha yeni bilgiye bakmasını söylüyor.
AB Yapay Zekâ Yasası'nın 50. maddesindeki şeffaflık yükümlülükleri 2 Ağustos 2026'da uygulanmaya başladı ve ilk haftasını doldurdu. Sağlayıcılar, insanla doğrudan etkileşen sistemlerde karşıdakine yapay zekâ ile konuştuğunu bildirmek ve üretken çıktıyı makine okunur biçimde işaretlemek zorunda; dağıtıcılar ise deepfake'i, duygu tanıma ve biyometrik sınıflandırma kullanımını ve insan denetiminden geçmemiş kamusal yapay zekâ metnini açıklamakla yükümlü. Tek erteleme, 2 Ağustos'tan önce piyasadaki üretken sistemlerin işaretlenmesi için 2 Aralık 2026'ya tanınan süredir.
OpenAI, geliştirmekte olduğu Astra modelinin ön değerlendirmelerde Hazırlık Çerçevesi'ndeki "kritik" siber yetenek seviyesine ulaşmış olma ihtimalini dışlayamadığını duyurdu. Şirket modeli kritik siber model olarak sınıflandırmadı; bunun yerine izole test ortamı, kısıtlı ağ ve araç erişimi ile model ağırlıklarında güçlendirilmiş şifreleme gibi önlemleri önden devreye aldı, bu gerekleri karşılamayan Astra çalışmalarını durdurdu ve dağıtımdan önce kamu kurumlarından ve seçilmiş yapay zekâ güvenliği kuruluşlarından dış değerlendirme isteyeceğini bildirdi.
OpenAI 6 Ağustos 2026'da ChatGPT içindeki GPT-5.6 Sol'u güncelledi: model daha kısa ve doğrudan yanıt veriyor, biçimlendirmeyi sıkılaştırıyor ve kullanıcıya hak vermenin işe yaramayacağı yerde itiraz ediyor. OpenAI'nin kendi ölçümünde en az bir olgusal hata içeren yanıtlar GPT-5.5 Instant'a kıyasla yaklaşık yüzde 68 azaldı. Aynı hafta GPT-5.6 Luna, Ücretsiz ve Go kullanıcıları için varsayılan model oldu; Plus ve Pro'ya yanıt eforunu ayarlayan bir kaydırıcı geldi. Değişiklik yalnızca ChatGPT'yi kapsıyor, API'yi kapsamıyor.
Meta 5 Ağustos 2026'da terminalde çalışan kodlama ajanı Muse Code'u beta olarak ve onu süren Muse Spark 1.2 modelini yayımladı. Muse Code macOS ile Linux'ta çalışıyor; oturum boyunca etkin kalan kalıcı arka plan ajanlarını yönetiyor ve çökme sonrası kaldığı yerden devam etmeyi sağlayan yerel bir olay günlüğü tutuyor. Muse Spark 1.2 kendi ajan çalışma zamanının içinde eğitildi, yani model ile koşum takımı birlikte optimize edildi. Ağırlıklar lansmanda kapalı; erişim Muse Code ve Meta Model API üzerinden.
4 Ağustos 2026'da Beyaz Saray; OpenAI, Anthropic, Google ve Meta'yı frontier modeller için gönüllü bir güvenlik testi çerçevesini görüşmek üzere topladı. Çerçeve, 2 Haziran tarihli başkanlık kararnamesine dayanıyor ve şirketlerin en güçlü modellerini kamuya açılmadan önce 30 güne kadar federal denetçilere sunmasını öngörüyor. Katılım zorunlu değil: karşılığında federal fon uygunluğu ve fikri mülkiyet koruması vaat ediliyor. Toplantıdan resmî bir karar duyurulmadı.
Alibaba'nın Qwen ekibi 3 Ağustos 2026'da Qwen3.8-Max'i duyurdu: sorgu başına 95 milyar parametresi etkinleşen, 2,4 trilyon parametreli seyrek uzman karışımı (MoE) bir model. Metin, görüntü ve video girdisi alıp metin üretiyor, bağlam penceresi 1 milyon token'a kadar çıkıyor ve Alibaba Cloud Model Studio üzerinden API ile erişiliyor. Fiyat milyon token başına 2 dolar girdi, 6 dolar çıktı. Alibaba OSWorld-Verified'da 86,1 puan bildirdi; Qwen3.8-Max ve Qwen3.8-27B ağırlıklarının izleyen hafta Hugging Face ile ModelScope'a konacağını söyledi. Skorların tamamı satıcı beyanıdır.
2 Ağustos 2026 itibarıyla AB Yapay Zekâ Yasası'nın 50. maddesindeki şeffaflık yükümlülükleri uygulanıyor. Sağlayıcılar, insanla doğrudan etkileşen sistemlerde kullanıcıya yapay zekâ olduğunu bildirmek ve üretken sistemlerin ses, görüntü, video, metin çıktılarını makine tarafından okunabilir biçimde işaretlemek zorunda. Dağıtıcılar derin sahte içerikleri ve duygu tanıma kullanımını açıklayacak. Avrupa Komisyonu'nun Yapay Zekâ Ofisi aynı gün denetime başladı; 2 Ağustos'tan önce piyasaya sürülmüş üretken sistemlerin işaretleme yükümlülüğünde 2 Aralık 2026'ya kadar geçiş süresi var.
OpenAI, 1 Ağustos 2026'da henüz kamuya açılmamış Astra modelinin dahili bir sürümüyle matematik ve teorik bilgisayar biliminde on açık problemde yeni sonuçlar ürettiğini açıkladı. Sonuçlar 249 sayfalık bir taslakla ve Lean 4 kanıt sertifikalarıyla Apache-2.0 lisansı altında GitHub'a kondu; doğrulama modele erişmeyi değil Lean derleyicisini çalıştırmayı gerektiriyor. OpenAI on çözümün token maliyetini Sol API fiyatlarına göre yaklaşık 2.000 dolar olarak verdi. Kanıtların makinece denetlenebilir olması, sonuçların hakem değerlendirmesinden geçtiği anlamına gelmiyor.
Günün beş gelişmesi, ne olduğu değil neden önemli olduğu anlatılarak. Beş dakikada okunur; aynı içerik bültenle e-postanıza düşer.
Yapay zekâ dünyasında önemli bir şeyi kaçırmayın.
Sinaptik Daily'e katılHaber ne olduğunu söyler; analiz bunun ne anlama geldiğini.
Ajan mimarisi, adımların sırasını çalışma anında modelin kurmasıdır. Bu esneklik yalnızca sıranın önceden bilinemediği işlerde kazandırır; sırası belli ve nadiren değişen bir işte aynı esneklik, kazanç getirmeden belirsizlik, gecikme ve hata ayıklama zorluğu ekler. Doğru soru "ajan kurabilir miyiz" değil, "bu işin sırası gerçekten önceden bilinemiyor mu" sorusudur.
9 dakikalık okumaKod yazan değil, iş akışını yürüten sistemler; yazılım ekiplerinin sorumluluk sınırlarını yeniden çiziyor.
14 dakikalık okumaBir ajana araç eklemek onu yetenekli yapmaz; seçim problemini büyütür. Her yeni araç hem bir yetki yüzeyi hem de modelin yanlış seçebileceği bir alternatiftir. Araç kataloğu büyüdükçe doğru aracı seçme oranı düşer ve bu düşüş model kalitesinden değil seçim uzayının genişlemesinden kaynaklanır; daha iyi bir model sorunu geciktirir, çözmez.
8 dakikalık okumaTek seferlik doğruluk ölçümü bitiyor; görev tamamlama, geri dönüş maliyeti ve hata kurtarma konuşuluyor.
11 dakikalık okumaBir RAG sisteminin cevabı kötüyse sorun çoğunlukla modelde değil, modelin ne gördüğünde. Doğru parçayı görmeyen bir model hiçbir istemle kurtarılamaz; yanlış parçayı gördüğünde ise kaynaklı görünen bir yanlış üretir — bu, kaynaksız yanlıştan daha tehlikelidir. Bu yüzden model değiştirmek çoğu ekibin elindeki en zayıf kaldıraçtır.
9 dakikalık okumaDil modelleri veriyi ucuz buldu; robotik bulamıyor. Asıl darboğaz parametre değil, örnek toplama.
12 dakikalık okumaİstem enjeksiyonu bir yazılım hatası değil, mimarinin doğrudan sonucudur: dil modeli veriyi ve talimatı aynı kanaldan alır, dolayısıyla okuduğu her içerik bir komut olabilir. Bu ayrımın olmaması bir uygulama kusuru değil sistemin tanımıdır; bu yüzden enjeksiyon yamalanarak kapatılamaz, yalnızca yetki sınırlamasıyla hasarı küçültülerek yönetilir.
8 dakikalık okumaSorun model kalitesi değil; başarı tanımının, veri sahipliğinin ve operasyon sorumluluğunun yazılmamış olması.
10 dakikalık okumaDil modeli maliyetini düşürmek isteyen ekipler önce daha ucuz modele bakıyor; oysa faturayı belirleyen şey birim fiyat değil, istek başına gönderilen token miktarı ve istek sayısıdır. Bağlam tasarımı, önbellek kullanımı, model yönlendirmesi ve gereksiz tur eleme, birim fiyat farkından büyüklük mertebesinde daha fazla kazandırır — ve kalite kaybı olmadan kazandırır.
8 dakikalık okumaGenel benchmarklar Türkçeyi temsil etmiyor; açık metodolojili yerel setler olmadan model seçimi tahmine dayanıyor.
9 dakikalık okumaYapay zekâ otomasyonunun pratik sınırı model doğruluğu değil, insan onay kapasitesidir. Güven eşiği yükseltildikçe insana düşen iş artar ve belirli bir noktada onay kuyruğu, otomasyonun kazandırdığı zamanı tümden yer. Dahası onay yorgunluğu gerçektir: günde yüzlerce onay veren kişi bir süre sonra okumadan onaylar ve denetim biçimsel bir adıma dönüşür.
8 dakikalık okumaDolaylı istem enjeksiyonu bir metin filtreleme sorunu değil; ajanın neye erişebildiğiyle ilgili bir mimari karar.
13 dakikalık okumaBağlam pencereleri büyüdükçe "artık her şeyi bağlama koyarız, geri getirmeye gerek kalmaz" tezi yaygınlaştı. Sığdırmak teknik olarak mümkün hâle geldi ama geri getirmenin üç işlevinden yalnızca birini ortadan kaldırdı. Maliyet, dikkat dağılımı ve en önemlisi yetki süzmesi yerinde duruyor; geri getirme bir sığdırma tekniğinden bir erişim denetimi katmanına dönüşüyor.
7 dakikalık okumaBir dil modelinin başka bir modelin çıktısını puanlaması, değerlendirmeyi otomatikleştirmenin en yaygın yolu oldu. Ama yargıç da bir modeldir ve kendi yanlılıklarını taşır: uzun cevabı, kendinden emin tonu ve kendi ailesinden gelen çıktıyı tercih edebilir. İnsan etiketine karşı kalibre edilmemiş bir yargıç ölçümü otomatikleştirmez; yanlılığı her koşuya yayarak ölçeklendirir.
8 dakikalık okumaParçalama, RAG hattının en sessiz adımı: bir kez yapılır, sonra görünmez olur. Ama geri getirilebilecek en küçük birimi o tanımlar — parça bir tanımı ortadan kesiyorsa o tanım hiçbir arama stratejisiyle tam getirilemez, çünkü arama yalnızca var olan parçalar arasından seçim yapar. Bu yüzden parçalama bir ön işleme detayı değil, sistemin bilgi tavanını belirleyen mimari karardır.
7 dakikalık okumaAnlamsal arama, sorguyla aynı kelimeleri içermeyen ilgili belgeleri bulur; bu gerçek bir kazanç. Ama kurumsal veri kod, ürün numarası, madde numarası ve özel adla doludur ve bu sorgularda tam eşleşme gerekir — anlamsal yakınlık "benzer" bir kaydı getirir, doğru olanı değil. İki yöntem birbirinin alternatifi değil; hiçbirinin tek başına kapsamadığı sorgu sınıfları var.
7 dakikalık okumaTeknik borç bilinir: nerede olduğu, ne kadar olduğu ve ne zaman ödeneceği konuşulabilir. Değerlendirme seti olmadan yayımlanan bir yapay zekâ sistemi ise bilinmeyen borç üretir — sistemin nerede bozulduğu, ne kadar bozulduğu ve bozulmanın ne zaman başladığı bilinemez. Ölçmemenin bedeli kalitesizlik değil, kalitenin bilinmemesidir.
7 dakikalık okumaBir kıyaslama yayımlandığı anda internete girer; sonraki model kuşağı o veriyi eğitim derlemine alır ve skor, yetenekten bağımsız biçimde yükselir. Bu bir ihmal değil mekanizmanın kaçınılmaz sonucu: açık kıyaslama ile temiz test kümesi aynı anda var olamaz. Bu yüzden kamuya açık skorlar bir yetenek ölçüsü olarak giderek daha az bilgi taşıyor.
7 dakikalık okumaKoruma katmanı bir filtredir: metni okur, kural uyar mı diye bakar, geçirir veya durdurur. Yetki sınırlaması ise bir sınırdır: eylem yapısal olarak mümkün değildir. Filtre atlanmak için yeni bir zafiyet gerektirmez, yalnızca yeniden ifade gerektirir. Bu yüzden ikisi aynı katmanda sayılamaz — filtre gürültüyü azaltır, sınır hasarı tavanlar.
7 dakikalık okumaKendi altyapında model çalıştırmanın ucuz olduğu eşik, toplam istek hacmine değil kapasite kullanım oranına bağlıdır. Yönetilen API'de boşta duran kapasite ödemezsiniz; kendi donanımınızda ödersiniz. Bu yüzden yüksek ama dalgalı hacim, düşük ama düzgün hacimden daha pahalıya gelebilir — karar hacim tablosuyla değil yük profiliyle verilir.
7 dakikalık okumaBüyük sağlayıcıların güncel model kademeleri aynı bağlam penceresini, aynı yerleşik araç setini ve büyük ölçüde aynı yeteneği paylaşıyor; aralarındaki ayrım fiyat kademesinde. Bu, model seçimini bir yetenek karşılaştırmasından bir bütçe kararına çeviriyor. Yetenek farkı iddiası artık kademeler arasında değil, aileler ve iş yükü türleri arasında aranmalı.
7 dakikalık okumaAğırlıkları indirilebilen her model "açık kaynak" diye anılıyor ama iki kavram aynı değil. Açık ağırlık, modeli kendi donanımınızda çalıştırabilmeniz demek; açık kaynak ise eğitim verisi, eğitim kodu ve kısıtsız bir lisansı da gerektirir. Aradaki boşluk hukuki: pek çok model ağırlığını yayımlar ama kullanımı kısıtlayan özel bir lisansla gelir ve bu kısıt genellikle yayına çıkmadan önce okunmaz.
7 dakikalık okumaUyum çalışmaları çoğu kurumda bir yayın öncesi kontrol listesi olarak kuruluyor: belgeler hazırlanır, onay alınır, sistem yayına çıkar. Yükümlülüklerin büyük bölümü ise sistem yaşadığı sürece süren nitelikte — kayıt tutma, izleme, güncelleme, olay bildirimi ve insan gözetimi. Bir kez geçilen kapı, sürekli bir yükümlülüğü karşılamaz.
7 dakikalık okumaBir görü modelinin ulaşabileceği en yüksek doğruluk, eğitim verisindeki etiketlerin tutarlılığıyla sınırlıdır. İki etiketçi aynı görüntüyü farklı etiketliyorsa model, çelişen iki hedefi birden öğrenmeye çalışır ve aradaki belirsizlik bir tavan oluşturur. Bu tavan mimari değiştirilerek, veri çoğaltılarak ya da eğitim süresi uzatılarak aşılamaz.
7 dakikalık okumaBir işi birden çok ajana bölmek yetenek eklemiyor; koordinasyon maliyeti ekliyor. Her ek ajan gecikmeyi, hata yüzeyini ve hata ayıklama zorluğunu büyütüyor. Çok ajanlı yapı yalnızca üç koşul birlikte sağlandığında kazandırıyor: sorumluluklar gerçekten ayrışıyor, işler paralelleşebiliyor ve tek ajanın bağlam penceresi görev için yetersiz kalıyor.
7 dakikalık okumaBir cevabın altına kaynak bağlantısı koymak, o cevabın doğru olduğunu göstermez — yalnızca bir belgenin okunduğunu gösterir. Kaynak gösteren yanlış cevap, kaynak göstermeyen yanlış cevaptan daha tehlikelidir çünkü okurda denetlenmişlik hissi yaratır ve şüpheyi kaldırır. Güven üreten şey kaynağın varlığı değil, gösterilen kaynağın o cümleyi gerçekten desteklediğinin ölçülmüş olması.
7 dakikalık okumaAjan belleği genellikle bir kapasite sorunu olarak kuruluyor: bağlam penceresi yetmiyor, dışarıya bir hafıza koyalım. Oysa asıl soru teknik değil: bu bellek kime ait, kim okuyabilir, ne kadar süre yaşar ve kim silebilir? Bellek eklemek, sisteme kişiye bağlı kalıcı veri eklemek demek — ve o andan itibaren yetki, saklama ve silme yükümlülükleri devreye giriyor.
7 dakikalık okumaModel Context Protocol genellikle bir entegrasyon standardı olarak anlatılıyor: her araç için ayrı bağlayıcı yazmaktan kurtarıyor. Doğru ama eksik. Protokolün asıl yapısal etkisi, daha önce farklı sistemlere dağılmış yetkilerin tek bir istemcide toplanması. O istemci artık kurumun en geniş yetkili tek aktörü ve bu, entegrasyon değil yetki mimarisi sorunu.
8 dakikalık okumaAjan sistemlerinde hata ayıklama, klasik yazılımdakine benzemiyor: aynı girdi iki farklı yol izleyebiliyor ve yanlış çıktının nedeni tek bir satırda durmuyor. İzlenebilirlik bu yüzden bir gözlemlenebilirlik eklentisi değil, akışın bir parçası. Karar noktaları, araç çağrıları ve bağlam içeriği kaydedilmeden bir ajan hatası yeniden üretilemiyor — ve yeniden üretilemeyen hata düzeltilemiyor.
8 dakikalık okumaUzun düşünme süresi bir kalite düğmesi gibi kullanılıyor: sonuç yetersizse bütçeyi artır. Oysa akıl yürütme, çok adımlı çıkarım gerektiren görevlerde kazanç üretiyor; bilgi getirme, biçimlendirme ve sınıflandırma gibi görevlerde gecikmeyi ve maliyeti artırırken doğruluğu değiştirmiyor, bazen düşürüyor. Doğru soru 'ne kadar düşünsün' değil, 'bu görev düşünmeyi hak ediyor mu'.
7 dakikalık okumaDeğerlendirme seti kurmak bir kerelik bir yatırım gibi anlatılıyor: örnekleri topla, beklenen çıktıları yaz, panoyu kur. Oysa set kurulduğu andan itibaren bozulmaya başlıyor — ürün değişiyor, kullanıcı davranışı kayıyor, örnekler eğitim verisine sızıyor. Bakılmayan bir set yanlış bir güven üretiyor ve bu, hiç set olmamasından daha tehlikeli.
7 dakikalık okumaKalite panolarının çoğu tek bir yüzdeye indirgeniyor ve yayın kararı o yüzdeye bakılarak veriliyor. Bu, birbirine dönüştürülemeyen şeyleri toplamak demek: bir doğruluk kaybı ile bir güvenlik ihlali aynı ortalamada eritiliyor. Karar tek skorla değil, her biri kendi eşiğine sahip bir ölçü kümesiyle verilmeli — ve bazı eşikler ortalamaya girmeyip tek başına veto hakkına sahip olmalı.
7 dakikalık okumaKırmızı takım çalışması genellikle yayın öncesi bir tatbikat olarak kurgulanıyor: bir hafta saldırılır, bulgular raporlanır, düzeltilir, yayına çıkılır. Bu kurgunun sorunu, bulunan her açığın tek seferlik sayılması. Oysa bir istem enjeksiyonu yolu kapatıldıktan sonra bir sürüm güncellemesiyle geri açılabiliyor. Kırmızı takım bulguları düzeltildiğinde silinmiyor — otomatik koşan bir regresyon setine dönüşüyor.
8 dakikalık okumaDil modeli sistemlerinde gecikme dağılımı simetrik değil: çıktı uzunluğu, bağlam boyutu, kuyruk bekleme ve ajan turları yüzünden sağ kuyruk uzun. Ortalama gecikme bu kuyruğu gizliyor ve kullanıcı deneyimini belirleyen şey tam olarak kuyruk. Bir sistem ortalamada iyi, en yavaş yüzde birlik diliminde kullanılamaz olabilir — ve panoda ilki görünüyor.
7 dakikalık okumaKurumsal yapay zekâ yasakları çalışanların araç kullanmasını engellemiyor; kullanımı görünmez kılıyor. Yasak sonrası kullanım kişisel hesaplara, kişisel cihazlara ve denetlenmeyen arayüzlere kayıyor — yani veri sızıntısı riski azalmıyor, tam aksine kurumun hiç göremediği bir kanala taşınıyor. Doğru müdahale yasak değil, onaylı ve izlenebilir bir yol açmak.
7 dakikalık okumaSesle kimlik doğrulama, sesin taklit edilemez olduğu varsayımına dayanıyordu. Bu varsayım artık geçerli değil: kısa bir kayıttan üretilen bir ses, telefon kanalının sıkıştırması altında insan kulağıyla ayırt edilemiyor. Sonuç, sesin bir kimlik kanıtı olmaktan çıkıp yalnızca bir kolaylık unsuruna dönüşmesi — ve sesle onay veren her sürecin yeniden tasarlanması gerekliliği.
7 dakikalık okumaGeri getirmeli sistemlerde yetki genellikle son adıma bırakılıyor: model cevabı üretir, sonra kullanıcının göremeyeceği kaynaklar ayıklanır. Bu yaklaşım iki şeyi birden bozuyor — cevap yetkisiz belgelerden beslendiği için içerik sızıyor ve ayıklama sonrası cevap tutarsız kalıyor. Yetki, geri getirme sorgusunun içinde olmalı; sonradan uygulanan yetki yetki değil, perdeleme.
8 dakikalık okumaVeri yönetişimi genellikle hızın karşıtı sayılıyor: kurallar arttıkça proje yavaşlar. Pratikte tersi oluyor. Yönetişimsiz bir ortamda her yeni yapay zekâ projesi aynı soruları sıfırdan soruyor — bu veri nereden geliyor, kim sahibi, hangi sınıfta, kullanılabilir mi? Bu sorular her projede yeniden cevaplandığında gecikme kuralların değil belirsizliğin sonucu oluyor.
7 dakikalık okumaBir modelin eğitim kümesine giren veri, sonradan kaldırılamıyor: silme talebi geldiğinde yapılabilecek şey ya modeli yeniden eğitmek ya da etkiyi bastırmaya çalışmak. İkisi de tam bir çözüm değil. Bu yüzden eğitim verisi kararı, geri döndürülebilir bir yapılandırma değil kalıcı bir taahhüt — ve kalıcı taahhütler hazırlıkla verilir.
8 dakikalık okumaSentetik içerik işaretleme tartışması etiketin nasıl basılacağı üzerine yoğunlaşıyor. Asıl boşluk başka yerde: etiketi olmayan bir içeriğin ne anlama geldiği tanımlı değil. Etiketleme gönüllüyse, etiketsizlik 'insan yapımı' anlamına gelmiyor — yalnızca 'bilinmiyor' anlamına geliyor. Bu belirsizlik sürdükçe etiket, dürüst üreticiyi işaretleyip kötü niyetli olanı serbest bırakıyor.
7 dakikalık okumaBir sağlayıcının modelini kullanmak, o modelin çıktısından doğan sorumluluğu sağlayıcıya geçirmiyor. Kullanıcıya görünen taraf sizsiniz: sistemi tasarlayan, bağlamı kuran, çıktıyı sunan ve kullanım amacını belirleyen taraf. Sözleşmedeki sorumluluk sınırları sağlayıcı ile aranızdaki ilişkiyi düzenliyor — kullanıcıyla ya da denetleyiciyle aranızdaki ilişkiyi düzenlemiyor.
7 dakikalık okumaAdillik, tek bir ölçüyle ifade edilebilir bir şey değil. Yaygın kullanılan ölçütler — gruplar arası eşit kabul oranı, eşit hata oranı, eşit kalibrasyon — matematiksel olarak aynı anda sağlanamıyor; biri iyileşirken diğeri bozuluyor. Bu yüzden adillik çalışması bir optimizasyon değil bir tercih: hangi ölçütün bu bağlamda önemli olduğuna karar vermek ve bu kararı gerekçelendirmek.
8 dakikalık okumaBir modelin iç işleyişini anlamak ile bir kararın gerekçesini sunmak iki farklı iş. Birincisi araştırma alanı: mekanizmanın ne olduğunu çözmek. İkincisi ürün gerekliliği: kullanıcıya ya da denetleyiciye bir gerekçe vermek. Karıştırıldığında ortaya çıkan şey en tehlikeli sonuç — makul görünen ama modelin gerçek işleyişiyle ilgisi olmayan bir açıklama.
8 dakikalık okumaModelin eğitimle kazandığı davranış sınırları — zararlı isteği reddetmesi, talimatlara uyması — bir güvenlik katmanı gibi kullanılıyor. Ama bu sınırlar olasılıksal, sürüme duyarlı ve girdiyle etkilenebilir. Uygulama güvenliği ise deterministik kontrollere dayanıyor: yetki denetimi, giriş doğrulama, çıktı maskeleme. İkincisi birincinin yerine geçebiliyor; birincisi ikincinin yerine geçemiyor.
7 dakikalık okumaNicemleme kararı genellikle tek bir karşılaştırmayla veriliyor: değerlendirme setinde doğruluk ne kadar düştü? Düşüş küçükse karar olumlu. Oysa nicemlemenin etkisi homojen değil — kayıp, nadir girdilerde, uzun bağlamlarda, yapılandırılmış çıktılarda ve Türkçe gibi daha az temsil edilen dillerde yoğunlaşıyor. Ortalama bu yoğunlaşmayı tam olarak gizliyor.
7 dakikalık okumaModel büyüklüğü uzun süre bir yetenek göstergesi olarak kullanıldı ve bu kısayol artık çalışmıyor. Seyrek etkinleştirmeli mimariler toplam parametre ile aktif parametreyi ayırdı, eğitim verisi miktarı ve kalitesi belirleyici hâle geldi, son eğitim aşamaları davranışı büyüklükten bağımsız biçimde değiştiriyor. Parametre sayısıyla yapılan karşılaştırma bugün yalnızca yanlış değil, yanlış yönde.
7 dakikalık okumaKurumlar kendi kodlarının her değişikliğini test ediyor ama sistemin en belirleyici bileşeni — sağlayıcının modeli — habersiz değişebiliyor. Aynı sürüm adı altında davranış kayabiliyor, bir sürüm kullanımdan kaldırılabiliyor, bir güvenlik ayarı sıkılaşabiliyor. Bu değişiklikler sizin dağıtım hattınızdan geçmiyor ve bu yüzden hiçbir kapıda yakalanmıyor.
7 dakikalık okumaCihaz üstü ve küçük modeller genellikle maliyet tasarrufu olarak pazarlanıyor ve bu hesap çoğu zaman tutmuyor: kendi barındırmanın toplam maliyeti, düşük kullanım oranlarında API'den pahalı olabiliyor. Asıl gerekçe başka yerde — verinin cihazdan hiç çıkmaması. Bu, bir maliyet kalemi değil bir uyum ve güven özelliği ve bazı kullanımlarda tek uygulanabilir seçenek.
7 dakikalık okumaGetiri hesapları neredeyse her zaman aynı biçimde kuruluyor: bir iş kaç dakika kısaldı, kaç kişi kaç saat kazandı. Bu hesap, işin bir bölümünü hiç saymıyor — çıktının doğrulanması. Bir metin on dakikada değil bir dakikada üretiliyorsa ama doğrulanması yedi dakika sürüyorsa kazanç iki dakika, dokuz değil. Doğrulama yükü ölçülmeyen her getiri hesabı yanlış.
7 dakikalık okumaKurumsal yapay zekâ stratejileri genellikle bir olanak listesi hâline geliyor: şu departmanda şu, bu departmanda bu. Bu bir strateji değil bir envanter. Strateji, kaynağın sınırlı olduğunu kabul edip hangi işlerin yapılmayacağına karar vermek. Yapılmayacaklar listesi olmayan bir plan, on beş pilot projeyle başlayıp hiçbiri üretime geçmeden biten bir yıl üretiyor.
7 dakikalık okumaBir yapay zekâ aracı kullanılmıyorsa ilk varsayım arayüz oluyor: eğitim verelim, tanıtım yapalım, daha kolay hâle getirelim. Oysa benimseme genellikle bir kalibrasyon sorunu — kullanıcı aracın ne zaman güvenilir olduğunu bilmiyor. Ne zaman doğru olduğunu bilmeyen bir kullanıcı ya hiç kullanmıyor ya her şeye güveniyor; ikisi de başarısızlık.
7 dakikalık okuma"Şu meslek yok olacak" tartışması yanlış birimde yürüyor. Meslekler görev demetleri ve bu demetlerin içindeki görevler farklı derecede etkileniyor. Bir mesleğin görevlerinin yarısı hızlanırken diğer yarısı hiç değişmiyorsa, o meslek yok olmuyor — içeriği değişiyor, kıdem dağılımı kayıyor ve işe alım ölçütleri farklılaşıyor. Etki gerçek ama başka biçimde.
7 dakikalık okumaİnce ayar en sık şu gerekçeyle isteniyor: modelin bizim verimizi bilmesini istiyoruz. Bu, ince ayarın yapmadığı iş. İnce ayar modele bir davranış kalıbı öğretiyor — nasıl biçimlendirileceğini, hangi tonu kullanacağını, hangi adımları izleyeceğini. Bilgiyi güncel ve doğrulanabilir biçimde taşımanın yolu geri getirme. İkisini karıştırmak, pahalı ve yanlış bir çözüme gidiyor.
7 dakikalık okuma"İstem mühendisliği bitti" iddiası bir gözlemden doğuyor: modeller talimat takip etmede o kadar iyileşti ki ince istem hileleri gereksizleşti. Gözlem doğru, sonuç yanlış. İşin ağırlığı istemin ifade biçiminden bağlamın bileşimine kaydı: pencereye ne konacak, hangi sırayla, ne kadarı, hangi kaynaktan. Bu daha teknik ve daha belirleyici bir iş.
7 dakikalık okumaAynı anlamı taşıyan bir metin Türkçe yazıldığında, İngilizce yazıldığından daha fazla token'a bölünüyor. Bu, doğrudan üç sonuç doğuruyor: aynı iş için daha yüksek fatura, aynı pencereye daha az içerik ve aynı çıktı için daha uzun süre. Etki modelden modele değişiyor ama yönü sabit ve hiçbir fiyat listesinde görünmüyor.
7 dakikalık okumaBir görü modelinin test kümesindeki doğruluğu, sahadaki doğruluğunu tahmin etmiyor. Nedeni basit: test kümesi eğitim verisiyle aynı koşullarda toplanmış — aynı kameralar, aynı ışık, aynı açılar, aynı etiketleyiciler. Saha bu koşulları paylaşmıyor. Bu yüzden laboratuvar doğruluğu bir yeterlilik kanıtı değil, yalnızca bir alt sınır belirtisi.
7 dakikalık okumaHer kavramın kalıcı bir adresi var. Tek URL, tek konu, alıntılanabilir bir tanım.
AI Agents
Bir hedefi gerçekleştirmek için plan kuran, araç çağıran ve ara sonuçlara göre kendi adımlarını güncelleyen yapay zekâ sistemidir.
Her model bir varlık sayfası: yetenekler, bağlam, lisans, fiyat ve sürüm geçmişi tek yerde.
Yükseltme adımı olmadan doğrudan 4 megapiksel üreten ilk Firefly görsel modeli; "Prompt to Edit" ile düzenlemeyi doğal dil talimatına indiriyor.
Amazon
Nova 2 kuşağının ana iş atı: 1 milyon token bağlam, 64K çıktı ve üç kademeli yoğunluk ayarı olan extended thinking ile Bedrock'un maliyet odaklı çok modlu modeli.
Amazon
Sesi metne çevirip sonra tekrar sese döndürmek yerine konuşmadan konuşmaya tek modelde çalışan, çift yönlü akış API'siyle gerçek zamanlı sohbet kuran Bedrock modeli.
Amazon
Nova'nın görsel üretim ve düzenleme modeli; filigran ve içerik denetimi denetimleri kutudan geliyor, ancak Bedrock'taki ömrü 30 Eylül 2026'da bitiyor.
Amazon
Nova'nın ilk kuşağındaki düşük maliyetli çok modlu üyesi; 300K bağlamla görsel ve video girdisini en ucuz işleyen Nova v1 modeli.
Amazon
Nova ailesinin en hızlı ve en ucuz üyesi; yalnızca metin işleyerek özetleme, çeviri ve sınıflandırmada en düşük gecikmeyi hedefliyor.
Metin, görsel, belge, video ve sesi tek bir anlamsal uzaya eşleyerek çapraz modalite (cross-modal) erişime izin veren tek gömme modeli.
Amazon
Nova kuşağının en yetenekli modeli olarak konumlanmıştı; 13 Mart 2026'da Legacy durumuna geçti ve Bedrock'taki kullanım ömrü 14 Eylül 2026'da sona eriyor.
Amazon
Nova'nın ilk kuşağının dengeli çok modlu modeli; Bedrock'ta Agents, Flows ve intelligent prompt routing gibi platform özelliklerinin en geniş desteğine sahip Nova üyesi.
Amazon
Nova'nın video üretim modeli; kamera hareketi denetimleri sunuyor ama 1280x720 / 24 fps çıktı sınırıyla çalışıyor ve Bedrock'taki ömrü 30 Eylül 2026'da bitiyor.
Amazon
Nova'nın ilk konuşmadan konuşmaya modeli; beş dil ve 8 dakikalık bağlantı sınırıyla çalışıyor, Bedrock'taki ömrü 14 Eylül 2026'da bitiyor.
Deepgram
İngilizcede 39 hazır sesi olan ve beş İspanyolca sesi cümle içinde İngilizceye geçebilen, sesli ajanlara ayarlı TTS ailesi.
BAAI
Yoğun, seyrek ve çok vektörlü erişimi aynı modelde üreten ve MIT lisansıyla ticari kullanıma tamamen açık olan tek büyük çok dilli gömme modeli.
OpenAI
ChatGPT'de o an kullanılan "Instant" modeline işaret eden hareketli takma ad; OpenAI üretim için bunu değil GPT-6 Astra'yı öneriyor.
Anthropic
Tek bir model değil, aynı görsel girdi ve araç kullanımı yüzeyini paylaşan dört katman: Haiku hızı, Sonnet dengeyi, Opus karmaşık ajanlı kodlamayı, Fable ise en zorlu akıl yürütmeyi üstlenir; Mythos ayrı bir katman değil, Fable'ın davetle sunulan eşdeğeridir.
Anthropic
Fable katmanını açan model: Mythos sınıfı bir modelin güvenlik sınıflandırıcılarıyla genel kullanıma sunulan ilk sürümü.
Anthropic
Lineupun en yetenekli ve en pahalı modeli; adaptif düşünme kapatılamaz ve cache okuması taban girdi fiyatının yalnızca %2,5'i kadar ücretlenir.
Anthropic
Lineupun en hızlı ve en ucuz modeli; Eylül 2026 itibarıyla hâlâ güncel Haiku sürümü olmasına rağmen bilgi kesme tarihi en eski olan Claude.
Anthropic
Claude Fable 5 ile aynı model; savunma amaçlı siber güvenlik çalışmaları için Project Glasswing kapsamında davetle sunulan sürüm.
Anthropic
Claude Fable 5.1 ile aynı model; siber güvenlik ve yaşam bilimleri çalışmaları için daha esnek güvenlik önlemleriyle yalnızca davetle sunulur.
Anthropic
Claude 4 nesliyle gelen ilk Opus; 15 Haziran 2026'da Anthropic platformlarında emekliye ayrıldı.
Anthropic
Anthropic platformlarında 5 Ağustos 2026'da emekliye ayrılan son 15/75 USD fiyatlı Opus sürümü.
Anthropic
Opus fiyatını 15/75 USD'den 5/25 USD'ye indiren sürüm; effort parametresini API'ye ilk getiren Claude.
Anthropic
1M token bağlamı ve effort parametresini Opus sınıfına ilk getiren model; adaptif düşünmenin de başlangıç noktası.
Anthropic
Yeni tokenizer'ı ve yükseltilmiş görsel çözünürlüğünü getiren sürüm; aynı metin için yaklaşık %30 daha fazla token üretir.
Anthropic
Dürüstlük odaklı Opus sürümü: duyuruya göre kendi kodundaki kusurları bildirmeden geçirme olasılığı Opus 4.7'ye kıyasla yaklaşık dört kat düşük.
Anthropic
Anthropic'in çoğu iş yükü için başlangıç noktası olarak önerdiği model; Fable 5'e yakın sonuçları yaklaşık yarı maliyetle verir.
Anthropic
Claude 4 neslinin orta segment modeli; 15 Haziran 2026'da Anthropic platformlarında emekliye ayrıldı.
Anthropic
Claude Agent SDK ile birlikte yayımlanan ve ajan altyapısını geliştiricilere açan Sonnet sürümü.
Anthropic
Bilgisayar kullanımında sıçrama yapan ve prompt injection direncini artıran Sonnet sürümü; 1M bağlamı Sonnet katmanına getirdi.
Anthropic
1M bağlamı 2 USD girdi / 10 USD çıktı fiyatıyla sunan orta segment Claude; hız ile zekâ dengesinde lineupun ana üretim modeli.
Mistral AI
Sohbet değil editör içi tamamlama için ayarlanmış kod modeli: fill-in-the-middle (FIM) ve otomatik tamamlamada kabul oranını artırmak üzere eğitildi.
Mistral AI
Genel metin yerine kod tabanı araması için ayrılmış gömme modeli; 1M token başına 0,15 USD ile Mistral Embed'den pahalı.
Cohere
128K token bağlamla PDF'i doğrudan gömebilen ve çıktı boyutu 256/512/1024/1536 arasında seçilebilen çok modlu gömme modeli.
Cohere
Gömme modeli değildir: arama sonuçlarını sorgu-belge çifti olarak yeniden puanlayan çok dilli yeniden sıralayıcı, 32K token bağlamla v3.5'in 4K sınırını sekize katlıyor.
Common Pile
Yalnızca açık lisanslı ve kamuya açık metinle (Common Pile) eğitilmiş 7 milyar parametreli model; telif sorusuna veri tarafından cevap verme denemesi.
Cohere
Cohere kataloğundaki en uzun girdi bağlamı (256K token) ile araç kullanımı, ajanlar ve RAG için ayarlanmış metin modeli.
Cohere
Cohere'in ilk akıl yürütme modeli: yanıt üretmeden önce "düşünen", 256K bağlam ve 32K çıktı taşıyan metin modeli.
Cohere
Cohere'in görüntü işleyen ilk modeli: grafik ve çizelge okumaya odaklanmış 128K bağlamlı çok modlu model.
Cohere
Cohere'in ilk Apache-2.0 amiral gemisi: 218B toplam / 25B aktif MoE, 48 dil ve görüntü girdisiyle iki H100 GPU'da çalışabiliyor.
Cursor
Sürekli ön eğitim (continued pretraining) eklenerek Composer 1'in CursorBench puanını 38,0'dan 61,3'e çıkaran nesil.
Cursor
Cursor'ın kendi ajan modeli; metin geri bildirimiyle hedefli RL ve Composer 2'nin 25 katı sentetik görev üzerinde eğitildi.
OpenAI
Genel amaçlı amiral gemisi modelin, savunma amaçlı siber güvenlik işleri için güvenceleri yeniden ayarlanmış hali; `gpt-daybreak-blue-latest` şu an gpt-5.6-sol'a işaret eder.
OpenAI
Daybreak programının saldırı tarafı katmanı: `gpt-daybreak-red-latest` takma adı en güncel siber güvenlik modeline (şu an gpt-5.6-cyber) sabitlenmeden işaret eder.
Databricks
16 uzmandan 4'ünü seçen ince taneli MoE mimarisiyle yayımlandığında rakiplerinden 65 kat fazla uzman kombinasyonu sunan açık ağırlıklı Databricks modeli.
DeepSeek
DeepSeek'in V4 öncesi son nesli; düşünmeyi doğrudan araç kullanımına gömen ilk DeepSeek modeli olarak duyuruldu.
DeepSeek
284 milyar toplam / 13 milyar etkin parametreyle 1M tokenlık bağlamı ucuza sunan V4 serisinin hafif kolu; 10 Eylül 2026'da API'den kaldırıldı.
DeepSeek
DeepSeek'in görsel anlamayı ana hatta taşımadan önce denediği deneysel sürüm; 21 Ağustos 2026'da çıktı, 20 gün sonra kaldırıldı.
DeepSeek
MIT lisanslı en büyük DeepSeek modeli: 1,6 trilyon toplam parametreden 49 milyarını etkinleştirerek 1M token bağlamda çalışır.
DeepSeek
552B parametreli MoE olmasına karşın belirteç başına yalnızca 8–16B parametre etkinleştiriyor ve bir dizi kıyaslamada 1,6 trilyon parametreli V4-Pro'nun önüne geçiyor.
Google DeepMind
Token'ları tek tek değil difüzyonla üreten deneysel açık model: metin difüzyonunu üretim ölçeğinde sınayan nadir örnek.
ByteDance
Seed serisinin tek kod uzmanı: Seed 2.1 genel amaçlıda öne geçse de kod tarafında 2.1 muadili yayımlanmadığı için hâlâ güncel.
ByteDance
Seed 2.0 kuşağının orta katmanı ve ailede ses girdisini destekleyen tek sohbet modeli; bu yetenek Seed 2.1'e taşınmadı.
ByteDance
Seed 2.0 kuşağının en ucuz katmanı; yüksek hacimli, düşük karmaşıklıklı çağrılar için taban fiyat seçeneği.
ByteDance
Seed ailesinde 256K pencereyi ve dört modlu düşünme ayarını yaygınlaştıran, Seed 2.1'den önceki amiral gemisi.
ByteDance
ByteDance'in ajan ve kod teslimi için konumlandırdığı amiral gemisi; 256K düşünce zinciri bütçesiyle uzun ufuklu görev planlamasına ayarlı.
ByteDance
Seed 2.1 Pro ile aynı 256K pencereyi yarı fiyata veren, hacim işleri için ayarlanmış Turbo katmanı.
ElevenLabs
ElevenLabs'in en hızlı ve en ucuz TTS modeli: ~75 ms gecikme ve istek başına 40.000 karakter.
ElevenLabs
v3 öncesi neslin tutarlılık odaklı modeli: 29 dilde öngörülebilir, istikrarlı seslendirme.
ElevenLabs
ElevenLabs'in ticari kullanıma açık müzik modeli: telif taraması yapılan, 5 dakikaya kadar parça üretir.
ElevenLabs
ElevenLabs'in en anlatımcı TTS modeli: 70'ten fazla dilde duygu ve karakter oyunculuğu taşıyan konuşma üretir.
ElevenLabs
v3'ün anlatım gücünü ~280 ms gecikmeye indiren, sesli ajanlar için tasarlanmış gerçek zamanlı sürüm.
Google DeepMind
Nicemlendiğinde 200 MB'ın altında RAM'e sığan ve EdgeTPU'da 22 ms'nin altında gömme üreten cihaz üstü gömme modeli.
Baidu
ERNIE serisinin maliyet odaklı kuşağı: 5.x fiyatının beşte birinin altında girdi ücretiyle yüksek hacimli metin işleri için konumlanmış.
Baidu
ERNIE 4.5 Turbo'nun görsel anlama uç noktası: ERNIE 5.0'ın omni-modal fiyatına çıkmadan görselli girdi işler.
Baidu
Metin, görsel, ses ve videoyu tek bir uçtan uca mimaride hem anlayan hem üreten, doğuştan omni-modal 2,4 trilyon parametreli MoE modeli.
Baidu
ERNIE 5.0'ın elastik ön eğitim temelinden çıkarılan, toplam parametresi yaklaşık üçte birine indirilmiş metin odaklı amiral gemisi.
LG AI Research
Görü kodlayıcısı tasarım aşamasından itibaren gövdeye gömülmüş yerel çok modlu model; belge anlama ve Korece görsel bağlamda sınıfının üstünü hedefliyor.
Deepgram
Deepgram'ın sesli ajanlar için ürettiği, sıra tamamlama tespitini modelin içine alan konuşma tanıma modeli.
Black Forest Labs
Görsel, video ve sesi tek mimaride birlikte öğrenen FLUX 3'ün video yüzü; senkron çok dilli konuşmayı dudak eşlemesiyle aynı istekte üretir, ayrı bir ses modeli gerekmez.
Deepgram
Tek seferlik metin okuma yerine diyalog akışına kurulmuş TTS: araya girmede kullanıcının tam olarak ne duyduğunu bildiriyor.
Black Forest Labs
32 milyar parametreli açık ağırlıklı görsel üretim ve düzenleme modeli; Black Forest Labs onu duyuru anında mevcut en güçlü açık ağırlıklı görsel modeli olarak tanımladı.
Black Forest Labs
FLUX.2 ailesinin tipografiye özelleşmiş üyesi; adım (steps) ve yönlendirme (guidance) parametrelerini geliştiriciye açan tek FLUX.2 modelidir.
Black Forest Labs
FLUX.2 ailesinin Apache-2.0 lisanslı tek üyesi; yaklaşık 13 GB VRAM ile tüketici GPU'sunda çalışacak biçimde küçültülmüş 4 milyar parametreli model.
Black Forest Labs
Saniyenin altında üretim yapan 9 milyar parametreli damıtılmış (distilled) FLUX.2 modeli; kalite ile hız arasındaki dengeyi tutan ara kademe.
Black Forest Labs
FLUX.2 ailesinin en pahalı ve en yetenekli üyesi; web'den gerçek zamanlı bilgi çeken "grounding search" yeteneğiyle ailenin diğer üyelerinden ayrılır.
Black Forest Labs
FLUX.2 ailesinin ölçekli üretim için konumlandırılmış modeli; megapiksel başına 0,03 USD ile [max]'ın yarısından az maliyetle benzer referans ve düzenleme yeteneklerini verir.
Sakana AI
Tek bir model değil orkestratör: her görevi havuzundaki başka modellere dağıtıp yanıtları birleştiriyor ve bunu en düşük maliyet hedefiyle yapıyor.
Sakana AI
Aynı orkestrasyon mimarisinin azami yetenek ayarı: 272K token üstü bağlamda fiyatı yükselen, çok adımlı karmaşık görevlere ayrılmış sürüm.
Google DeepMind
2.5 kuşağının Flash katmanı; ses girişini metin girişinin üç katından fazla fiyatlandıran eski fiyat modelini taşır.
Google DeepMind
Gemini kataloğunun en ucuz modeli: çıktı 0,40 USD / 1M token ile 3.x Lite sürümlerinin dörtte biri fiyatında.
Google DeepMind
2.5 kuşağının Pro katmanı; model kartı bilgi kesme tarihini (Ocak 2025) ve son güncellemeyi (Haziran 2025) açıkça yazar.
Google DeepMind
Live API'nin gerçek zamanlı sesli konuşma modeli: söz kesme (barge-in) ve araç kullanımı aynı oturumda çalışıyor.
Google DeepMind
99 dil ve 30 sesle çalışan, iki konuşmacılı diyalog üretebilen metin-konuşma modeli.
Google DeepMind
Gemini 3.x ailesinin en ucuz metin katmanı: girdi 0,25 USD / 1M token, ancak computer use desteği yok.
Google DeepMind
Gemini 3 ailesinin tek Pro katmanı; Eylül 2026'da hâlâ önizleme aşamasında ve istem boyutuna göre kademeli fiyatlandırılıyor.
Google DeepMind
Aynı bağlam penceresini sunmasına rağmen ardılı 3.6-3.8 Flash'tan iki kat pahalı kalan, fiyatı düşürülmemiş sürüm.
Google DeepMind
Google'ın "alt ajan" rolü için önerdiği güncel Lite katmanı: tam 1M bağlam penceresini düşük gecikme ve düşük fiyatla veriyor.
Google DeepMind
Dakika başına da fiyatlandırılan canlı sesli çeviri modeli: girdi 0,0053, çıktı 0,0315 USD/dakika.
Google DeepMind
85'ten fazla dilde konuşmacı ayrıştırma ve özel sözlük destekli, dosya ve akış olmak üzere iki kipli konuşma tanıma modeli.
Google DeepMind
Token verimliliği ve ajan planlaması için ayarlanmış ara sürüm; 3.7 ve 3.8 ile aynı fiyat bandında.
Google DeepMind
Gemini 3.8 Flash'tan önceki iş atı sürümü; aynı fiyat ve aynı bağlam penceresiyle hâlâ kararlı kanalda duruyor.
Google DeepMind
Google'ın uzun soluklu yazılım mühendisliği ve otonom ajan işleri için konumlandırdığı en yetenekli Flash modeli.
Google DeepMind
Pro'dan Flash-Lite'a kadar her katmanı aynı 1.048.576 token bağlam penceresini ve aynı çok modlu girdi kümesini paylaşan, üyeleri başlıca maliyet ve akıl yürütme derinliğiyle ayrışan kapalı ağırlıklı model hattı.
Google DeepMind
Gemini Embedding 2'den önceki gömme kuşağı; Google'ın çok modlu gömmeye geçişinden önceki sürüm.
Google DeepMind
Google'ın ilk çok modlu gömme modeli: metin, görsel, ses, video ve PDF'i tek bir vektör uzayına yerleştiriyor.
Google DeepMind
Google'ın video üretimi için varsayılan olarak önerdiği model; Veo 3.1'in yerine sohbet tabanlı düzenleme ve hız sunuyor.
Google DeepMind
Gemma 4'ün kodlayıcısız (encoder-free) birleşik mimarisiyle gelen, aileye sonradan eklenen orta boy modeli.
Google DeepMind
Gemma 4'ün MoE üyesi: 26 milyar toplam parametrenin yalnızca 4 milyarı her token'da etkinleşiyor.
Google DeepMind
Gemma ailesinin en büyük yoğun (dense) modeli ve Apache-2.0 lisanslı: ağırlıklar kısıtsız ticari kullanıma açık.
Google DeepMind
Gemma 4'ün en küçük üyesi: 2 milyar etkin parametreyle en kısıtlı cihazlarda çok modlu çıkarım.
Google DeepMind
Mobil ve IoT cihazlarında çalışmak için tasarlanmış, 4 milyar etkin parametreli kenar (edge) modeli.
Z.ai
Görsel öğe içeren belgeleri ön işleme gerektirmeden işleyen yerel çok modlu araç çağırma yeteneğiyle öne çıkan görsel-dil modeli.
Z.ai
GLM-5 ailesinin Nisan 2026 ara sürümü; GLM-5.2 ve GLM-5.3 ile aynı liste fiyatında kalmasına karşın kodlama kıyaslamalarında belirgin biçimde geride.
Z.ai
GLM-5.3'ün temel modelini sağlayan, 1 milyon tokenlık bağlamı MIT lisansıyla sunan 753B'lik MoE.
Z.ai
GLM-5.2 ile aynı temel modeli kullanıyor: tüm kazanç post-training'den geliyor, yeni bir ön eğitim turu yok.
Z.ai
GLM-5 serisinin ilk yerel çok modlu üyesi; 320B gövdeden yalnızca 18B etkinleşiyor ve MIT lisanslı.
Z.ai
0,9 milyar parametreyle OmniDocBench V1.5'te 94,6 alan ve 1M token başına 0,03 USD'ye çalışan tek amaçlı belge tanıma modeli.
OpenAI
Aynı 1,05M token bağlamını ve aynı yerleşik araç setini dört ayrı fiyat kademesinde sunan kapalı ağırlıklı akıl yürütme hattı.
OpenAI
Eylül 2026 itibarıyla OpenAI'nin sunduğu tek token bazlı metinden konuşmaya modeli; tts-1 ve tts-1-hd karakter başına ücretlenirken bu model token başına ücretlenir.
OpenAI
GPT-5 kuşağını açan model; tek anlık görüntüsü gpt-5-2025-08-07 11 Aralık 2026'da kapatılıyor.
OpenAI
GPT-5 kuşağının mini katmanı; anlık görüntüsü 11 Aralık 2026'da kapatılıyor ve bilgi kesme tarihi 31 Mayıs 2024 ile hattın en eskisi.
OpenAI
Katalogun en ucuz üretken modeli (0,05 USD girdi) ama anlık görüntüsü 11 Aralık 2026'da kapatılıyor.
OpenAI
Yalnızca `reasoning.effort: high` kabul eden ve code interpreter desteği olmayan tek pro katman; 11 Aralık 2026'da kapatılıyor.
OpenAI
Akıl yürütmeyi tamamen kapatılabilir hale getiren ilk GPT-5 sürümü; hem muhakemeli hem muhakemesiz iş yüklerini aynı modelle karşılar.
OpenAI
GPT-5.3-Codex ile aynı fiyatı (1,75/14 USD) paylaşan genel amaçlı katman; 1M token bağlam devrinden önceki son 400K'lık amiral gemisi.
OpenAI
Pro katmanında "none" ve "low" eforu bulunmayan tek sürüm: yalnızca medium, high ve xhigh seçilebilir.
OpenAI
Codex hattının Eylül 2026'da hâlâ sunulan tek sürümü; GPT-5.1 ve GPT-5.2 Codex varyantlarının tamamı kapatıldıktan sonra ayakta kalan ajan kodlama modeli.
OpenAI
1M token bağlamı, tool search ve computer use'u OpenAI hattına ilk getiren sürüm; varsayılan akıl yürütme eforu "none" olan tek amiral gemisi katman.
OpenAI
Alt ajan (subagent) ve computer use işleri için konumlandırılmış mini katman; GPT-5.6 Terra'dan ucuz ama bağlamı dörtte biri.
OpenAI
GPT-5.4 sınıfının en ucuz üyesi; sınıflandırma, veri çıkarımı ve sıralama gibi basit yüksek hacimli işler için tanımlanmış.
OpenAI
GPT-5.5 Pro ile birebir aynı fiyata (30/180 USD) sunulan önceki nesil pro katman; Batch desteği bile yok, yalnızca Responses.
OpenAI
GPT-5.6 Sol'un selefi; aynı 1,05M bağlamı sunar ama girdide %25, çıktıda %50 daha pahalıdır (5/30 USD'ye karşı 4/20 USD).
OpenAI
GPT-5/GPT-6 neslinin en pahalı katmanı (30/180 USD); Pro katmanlarının tamamında olduğu gibi önbellek indirimi yoktur ve tek bir yanıt dakikalar sürebilir.
OpenAI
Yetkili zafiyet araştırması ve exploit doğrulaması için özel eğitilmiş model; yalnızca Daybreak programı onayıyla sağlanır ve sadece Responses API üzerinden çağrılır.
OpenAI
Ailenin "nano" katmanı: 1,05M token bağlamı 0,20 USD girdi fiyatıyla sunan, Astra'dan 50 kat ucuz seçenek.
OpenAI
GPT-5.6 ailesinin üst katmanı ve `gpt-5.6` takma adının yönlendiği model; akıl yürütme eforu "none"dan "max"a kadar altı kademede ayarlanabilir.
OpenAI
Önceki GPT-5 ailelerindeki "mini" katmanın karşılığı; Sol ile aynı 1,05M bağlamı ve aynı araç setini yarı fiyata verir.
OpenAI
OpenAI'nin siber güvenlik yeteneğini kendi hazırlık çerçevesinde "Critical" seviyede ilan ettiği ilk yaygın dağıtılmış modeli; sistem kartı izlenebilirliğin (monitorability) önceki modele göre gerilediğini açıkça yazıyor.
OpenAI
Ses girdi–ses çıktıyı WebSocket kurmadan, düz Chat Completions REST çağrısıyla yapabilen tek model.
OpenAI
Emekliye ayrılan tüm eski görsel modellerinin (DALL·E 2/3, gpt-image-1, gpt-image-1.5, gpt-image-1-mini, chatgpt-image-latest) tek göç hedefi; Batch API'yi destekleyen tek görsel modeli.
OpenAI
GPT Image 2.5 çiftinin hız tarafı: Sunburst ile aynı fiyat ve aynı uç noktalar, gündelik yüksek hacimli üretim için varsayılan seçenek.
OpenAI
GPT Image 2.5 çiftinin hassasiyet tarafı: aynı fiyata Flare ile birlikte çıkar ama düzenleme (editing) kontrolü için konumlandırılmıştır.
OpenAI
OpenAI'nin tam çift yönlü (full-duplex) tek modeli: aynı anda dinleyip konuşabildiği için sözünüzü kesmeniz doğal bir kesinti gibi işlenir.
OpenAI
Gecikmesi ayarlanabilen (tunable latency) transkripsiyon modeli: doğruluk ile gecikme arasındaki dengeyi geliştirici seçer.
OpenAI
OpenAI'nin en güçlü açık ağırlıklı modeli: 117 milyar parametrenin yalnızca 5,1 milyarı aktif (MoE) olduğu için tek H100 GPU'ya sığar ve Apache-2.0 ile dağıtılır.
OpenAI
Yerel ve düşük gecikmeli kullanım için 21 milyar parametreli açık ağırlıklı model; 3,6 milyar aktif parametreyle dizüstü sınıfı donanımı hedefler.
OpenAI
Hattın en küçük bağlamlı Realtime modeli: 32K token bağlam ve yalnızca 4.096 token çıktı — 2.x sürümlerinin dörtte biri ve sekizde biri.
OpenAI
2.1'in selefi; aynı fiyat ve aynı bağlamı sunar ama alfanümerik tanıma, gürültü işleme ve kesinti iyileştirmelerini taşımaz.
OpenAI
Realtime hattının güncel üst katmanı; 2.0'a göre alfanümerik tanıma, sessizlik/gürültü işleme ve kesinti davranışı iyileştirildi.
OpenAI
2.1'in damıtılmış (distilled) sürümü: ses tokenı fiyatını üçte bire indirir (32/64 USD yerine 10/20 USD).
OpenAI
Kaynak ses hâlâ gelirken çevrilmiş sesi ve transkript deltalarını döndüren tek OpenAI modeli; kendine ait `v1/realtime/translations` uç noktasında çalışır.
OpenAI
Whisper adını taşıyan ama emekliye ayrılan whisper-1'in yerine geçen akış modeli; canlı sesten transkript deltası döndürür.
OpenAI
OpenAI'nin alana özel tek modeli: yaşam bilimleri muhakemesi için eğitilmiş ve yalnızca onaylı kuruluşlara "trusted access" programıyla verilir.
OpenAI
Hem dosya yükleme hem Realtime transkripsiyonunu tek modelle karşılar; dakikası 0,0045 USD ile Whisper'ın 0,006 USD'sinin yaklaşık dörtte üçüne denk gelir.
SpaceXAI
SpaceXAI'nin ağırlıklarını indirilebilir biçimde yayımladığı iki modelden biri; API kataloğunda artık yer almaz, yalnızca kendi donanımında çalıştırılabilir.
SpaceXAI
Tek istek içinde birden çok ajanı paralel çalıştıran katalogdaki tek Grok modeli; derin araştırma görevleri için tasarlanmıştır.
SpaceXAI
Akıl yürüten ve akıl yürütmeyen ikizi ayrı model kimliği olarak sunulan tek Grok nesli; dokümantasyonda hız ve düşük halüsinasyon oranı iddiasıyla anılır.
SpaceXAI
Katalogda 1M token bağlam penceresini en düşük fiyatla sunan Grok sürümü; varsayılan akıl yürütme çabası low olduğu için hızlı ve ucuz çalışır.
SpaceXAI
Grok 4.6'dan önceki amiral gemisi; duyurusunda öne çıkan iddia ham puan değil token verimliliğidir — görev başına ortalama 15.954 çıktı token'ı.
SpaceXAI
SpaceXAI'nin dokümantasyonunda kod ve sohbet için önerdiği güncel amiral gemisi; 500K bağlam penceresini dört kademeli akıl yürütme çabası ayarıyla birleştirir.
SpaceXAI
Katalogdaki en ucuz Grok modeli ve tek kod odaklı SKU'su; eski grok-code-fast-1 kimliğinin yeni adıdır.
SpaceXAI
SpaceXAI'nin güncel görsel üretim modeli; metin ve referans görselden görsel üretir ve Batch API'yi destekleyen az sayıdaki Grok modelinden biridir.
SpaceXAI
SpaceXAI'nin güncel video üretim modeli; saniye başına faturalanır, bu da maliyeti doğrudan video süresine bağlar.
SpaceXAI
Katalogdaki tek ses modeli ve tek konuşmadan konuşmaya (speech-to-speech) seçeneği; ses dakikası üzerinden faturalanır.
Kyutai
Kyutai'nin Helium 1 dil modeli üzerine kurulu, token ekleme (token insertion) yöntemiyle görü ekleyen küçük görsel-dil modeli.
Nous Research
Llama-3.1-405B üzerine kurulu, sansürsüzlük ve yönlendirilebilirliği açıkça hedef alan 406 milyar parametreli hibrit akıl yürütme modeli.
Nous Research
ByteDance Seed 36B temelinden türetilmiş, Apache-2.0 ile yayımlanan ve 405B kardeşine yakın kıyaslama sonuçları veren hibrit akıl yürütme modeli.
H Company
OSWorld-Verified kıyaslamasında %78,85 başarıya ulaşan, arayüzü insan gibi kullanan ajan modeli.
H Company
0,8B'den 35B-A3B'ye uzanan dört ölçekle, nicelenmiş denetim noktaları sayesinde tüketici donanımında da çalışabilen computer-use ajan ailesi.
Tencent
Apache-2.0 altında ağırlıkları yayımlanmış 770B parametreli MoE; 1M token bağlam penceresiyle bu ölçekteki açık ağırlıklı modeller arasında en geniş pencereyi sunuyor.
8B parametreyle metin, görüntü, video ve sesi girdi alıp metin, görüntü ve ses üretebilen "omni" model — çıktı tarafında da çok modlu.
Korece merkezli eğitilmiş, açılıp kapatılabilen "thinking mode" taşıyan ve metin, görüntü ile videoyu tek gömme uzayında işleyen 33B görü-dil modeli.
Apache-2.0 lisanslı, 30 milyar parametreli ve düşünme yoğunluğu üç kademede ayarlanabilen kurumsal ajan modeli.
Granite 4.2'nin en küçük üyesi: 3 milyar parametreyle 128K doğal bağlam ve gömülü akıl yürütme sunan, kenar (edge) dağıtımına uygun Apache-2.0 modeli.
Granite 4.2'nin orta boyutu: 8 milyar parametreyle 128K doğal bağlam ve üç kademeli düşünme kontrolünü tek GPU'ya sığdırıyor.
Ideogram
Ideogram 4.0 öncesindeki kapalı kuşak; API'de V_3_0 (sabit "March 26" anlık görüntüsü) ve V_3_1 ("Latest") olarak iki ayrı anlık görüntü hâlinde sunulur.
Ideogram
Metin kodlayıcı olarak bir görsel-dil modelini (Qwen3-VL-8B-Instruct) kullanan 9,3 milyar parametreli akış eşleştirmeli (flow-matching) tasarım modeli; ağırlıkları yayımlanmış ama ticari kullanıma kapalıdır.
Google DeepMind
Google'ın eski görsel üretim hattı: 17 Ağustos 2026'da kapatıldı, yerine Nano Banana geçti.
Cartesia
Ayrı bir VAD bileşenine ihtiyaç bırakmayan, modele gömülü sıra tamamlama (turn detection) olayları üreten akış tabanlı deşifre modeli.
Thinking Machines Lab
975 milyar toplam / 41 milyar aktif parametreli MoE mimarisiyle metin, görsel ve sesi tek modelde akıl yürütebilen açık ağırlıklı model.
Thinking Machines Lab
Inkling'in dörtte biri boyutunda (276B toplam / 12B aktif) olmasına karşın birçok kıyaslamada büyük kardeşiyle eşleşen açık ağırlıklı çok modlu model.
Prime Intellect
512 NVIDIA H200 GPU üzerinde asenkron pekiştirmeli öğrenme çatısıyla eğitilmiş, MIT lisanslı 106B MoE akıl yürütme modeli.
AI21 Labs
Saf Transformer yerine hibrit Mamba-Transformer (SSM) mimarisi kullanan 398B parametreli model; 256K bağlamı Transformer'lara göre daha az bellekle taşıyor.
AI21 Labs
Apache-2.0 ile tamamen açık kaynak yayımlanan 52B toplam / 12B aktif hibrit SSM-Transformer; 256K bağlamı küçük ölçekte sunuyor.
AI21 Labs
3 milyar parametreyle 256K bağlam taşıyan ve cihaz üstünde çalışacak biçimde GGUF olarak da dağıtılan akıl yürütme modeli.
Jina AI
3,8 milyar parametreyle 2048 boyutlu vektör üreten, çok modlu ve çok dilli erişim için evrensel gömme modeli.
Metin, görsel, video ve sesi aynı vektör uzayına gömen ve bu uzayı metin modeliyle hizalı tutan yaklaşık 1,74 milyar parametrelik model.
Jina AI
239M parametrelik, 768 boyutlu vektör üreten ultra hafif çok dilli gömme modeli.
677M parametreyle 32K bağlam sunan, görev hedefli damıtma (task-targeted distillation) ile eğitilmiş çok dilli gömme modeli.
Jina AI
0,6 milyar parametreyle 131K token bağlam işleyen listwise reranker: hibrit dikkat ve öz-damıtma ile hızlandırılmış.
LG AI Research
LG AI Research'ün Apache-2.0 ile yayımladığı 750B toplam / 37B aktif MoE: EXAONE hattının kısıtlı lisansından ayrılan, Korece odaklı sınır ölçekli açık model.
Moonshot AI
Kimi serisinin genel amaçlı önceki nesli; düşünmeli ve düşünmesiz modu birlikte destekleyen son Kimi modeli.
Moonshot AI
Kodlamaya ayrılmış 1 trilyon parametreli MoE; selefine göre düşünme belirteci kullanımını yaklaşık %30 azaltıyor.
Moonshot AI
Aynı Kimi K2.7 Code modelini saniyede 180 token (kısa bağlamda 260'a kadar) hızında sunan, karşılığında tam iki kat fiyatlı servis katmanı.
Moonshot AI
2,8 trilyon parametreyle yayımlandığı tarihte ağırlıkları indirilebilen en büyük model; 896 uzmandan yalnızca 16'sı etkinleşiyor.
Kuaishou
Tek üretimde çok çekimli (multi-shot) anlatı kurabilen ve üçten fazla karakteri birbirine karıştırmadan takip eden sürüm; yerel sesi diyalogu doğru karaktere atayarak üretir.
Kuaishou
Karakteri yalnızca görünüşüyle değil sesiyle de bağlayan sürüm; 5-30 saniyelik tek kişilik konuşma kaydından ya da 3-8 saniyelik videodan ses karakteristiği çıkarıp sahneler boyunca korur.
Krutrim
Mistral-NeMo mimarisi üzerine kurulmuş 12B Hint dili modeli: BharatBench'te 7 görevin 5'inde ilk üçe girme iddiasıyla konumlanıyor.
VNGRS
Sıfırdan Türkçe için eğitilmiş, 300 milyar token görmüş 2 milyar parametreli açık model; Türkçeye özel 50.176 sözcük dağarcıklı tokenizer kullanır.
Poolside
226 milyar parametreyle Apache-2.0 altında yayımlanan Poolside temel modeli; taban (base) sürümü de açık.
Poolside
1M token bağlam ve açık ağırlıklarla gelen 118B/8B aktif MoE kodlama modeli: Terminal-Bench 2.1'de 70,2 pass@1.
Poolside
Cihaz üzerinde çalışması hedeflenen 33B/3B aktif ajanik kodlama modeli; 256K bağlam.
Leonardo AI
Leonardo'nun genel amaçlı kendi modeli; 3840x3616 piksele kadar çıkan çözünürlük aralığıyla bu kümedeki modellerin çoğundan geniş bir tuval sunar.
Leonardo AI
Leonardo'nun fotogerçekçilik için ayrılmış modeli; 21 hazır stil ön ayarı ve 9999 karakterlik istem sınırıyla ayrıntılı sahne tarifine yer açar.
Meta
400 milyar toplam parametrenin 17 milyarını etkinleştiren 128 uzmanlı MoE; Muse Spark'ın Llama'yı devralmasından önce Meta'nın en büyük yayımlanmış açık ağırlıklı modeliydi.
Meta
10M token bağlam penceresiyle bu kümedeki en geniş pencereye sahip model; 109B toplam parametrenin 17B'sini etkinleştirdiği için Maverick'ten çok daha kolay barındırılır.
Meta
Ağırlıkları indirilebilen çok modlu mixture-of-experts hattı; lisansı Apache-2.0 gibi standart bir açık kaynak lisansı değil, 700 milyon aylık aktif kullanıcı eşiği ve "Built with Llama" atıf zorunluluğu taşıyan şirkete özgü bir topluluk lisansıdır.
Luma AI
Luma'nın video modellerinin yanına konumlandırılmış görsel modeli; dört adede kadar referans görselin yanında ayrı stil ve karakter referansı kanalları sunar.
Luma AI
Luma dokümantasyonunda API tanımlayıcısı belgelenmiş kuşak (ray-2 ve ray-flash-2); 540p'den 4K'ya kadar çözünürlük ve video uzatma, ara kare üretimi, anahtar kare denetimi gibi düzenleme işlemlerini API'de sunar.
Luma AI
Luma'nın "akıl yürüten video modeli" olarak duyurduğu sürüm; kendi çıktısını değerlendirip düzelten çok modlu akıl yürütme ile ACES2065-1 EXR biçiminde 10, 12 ve 16-bit HDR üretimini birleştirdi.
Luma AI
Klip başına 16 anahtar kareye kadar kare düzeyinde yönetmenlik ve eşzamanlı sekiz yüze kadar performans takibi sunan, yerel HDR üretip 16-bit EXR veren video modeli.
Google DeepMind
Lyria hattının kısa müzik klibi üreten önizleme modeli; tam şarkı için yerini Lyria 3.5 aldı.
Google DeepMind
Şarkı başına 0,08 USD'ye tam uzunlukta, kıta-nakarat yapısı kurulmuş ve sözü yazılmış şarkı üreten müzik modeli.
Microsoft
GitHub Copilot CLI içinde üretimde çalışan, MAI-Code-1.0'ın dörtte bir maliyetiyle aynı işi yapmayı hedefleyen hafif ajan kodlama modeli.
Microsoft
Genel amaçlı bir sohbet modeli değil; karmaşık kod tabanlarında güvenlik açığı bulmak için MDASH ajan sistemine gömülü tek amaçlı bir model.
Microsoft
Metinden görsele ve görsel düzenlemede Arena'da ikinci sırada açılan, metin işleme (text rendering) tarafında bir önceki sürüme göre +91 Elo kazanan Microsoft görsel modeli.
Microsoft
Microsoft'un üçüncü taraf distillation kullanmadan sıfırdan eğittiğini açıkladığı ilk ağır akıl yürütme modeli.
Microsoft
60 dilde FLEURS ortalaması %5,2 kelime hata oranıyla çalışan ve bir saatlik sesi 10 saniyede yazıya döken konuşma tanıma modeli.
Microsoft
45 saniyelik sesi yaklaşık bir saniyede üreten, Flash varyantında bu süreyi 225 milisaniyeye indiren ve Türkçe dahil 15'ten fazla dili destekleyen konuşma sentezi modeli.
Midjourney
V8 kuşağını V7'nin tanıdık estetiğine geri çeken sürüm; HD kipini varsayılan yapıp onu üç kat hızlandırarak Midjourney'de 2K üretimi standart hâle getirdi.
Midjourney
Midjourney'in V8 kuşağındaki en son sürümü; talimatla görsel düzenleme yapan yeni Edit Model'i omni-reference'ın yerine koyuyor ve tek istemde dört referans görsele izin veriyor.
MiniMax
Videoyu yerel olarak 32 kHz stereo sesle birlikte üreten, ağırlıkları indirilebilen 33 milyar parametreli model.
MiniMax
229 milyar parametreli önceki nesil MiniMax; ajan takımları (Agent Teams) ve dinamik araç aramasını destekleyen ilk M serisi model.
MiniMax
1 milyon tokenlık bağlamı 1M girdi başına 0,30 dolara sunuyor; MiniMax kendi ölçümünde M2'ye göre 1M bağlamda 9× prefill ve 15× decode hızlanması bildiriyor.
Mistral AI
Ministral 3 ailesinin en büyük üyesi: 14B parametreyle 256K bağlam ve görü desteği sunan, akıl yürütme sürümünde AIME '25'te %85 bildirilen küçük model.
Mistral AI
Ailenin en küçük üyesi: 3B parametreyle görü desteği ve 256K bağlam taşıyan, 1M token başına 0,10 USD ile fiyatlanan Apache-2.0 model.
Mistral AI
8,4B dil modeli ile 0,4B görü kodlayıcıdan oluşan, 256K bağlam taşıyan ve tek GPU'ya sığan Apache-2.0 çok modlu model.
Mistral AI
Amiral gemisi dahil bütün üyelerini indirilebilir ağırlıkla yayımlayan, 3B'den 675B'ye uzanan Avrupa merkezli genel amaçlı model ailesi.
Mistral AI
Mistral'in genel amaçlı metin gömme ucu: 1M token başına 0,10 USD ile fiyatlanıyor ve API kimliği hâlâ 23.12 sürümünü taşıyor.
Mistral AI
Ağırlıkları Apache-2.0 ile yayımlanan 675B parametreli seyrek MoE; 41B aktif parametreyle çalışan, görsel anlayan genel amaçlı bir sınır modeli.
Mistral AI
128B yoğun (dense) gövdesiyle ajan iş akışları ve kodlama için ayarlanmış, istek başına akıl yürütme çabası ayarlanabilen açık ağırlıklı model.
Mistral AI
Metni düz yazıya çevirmekle kalmayıp her blok için sınırlayıcı kutu, tür etiketi (başlık, tablo, denklem, imza) ve güven puanı döndüren belge anlama modeli.
Mistral AI
Talimat, akıl yürütme ve kodlamayı tek gövdede birleştiren hibrit model; 119B toplam parametrenin yalnızca 6B'si token başına etkinleşiyor.
Genmo
Apache-2.0 lisanslı, 10 milyar parametreli asimetrik difüzyon transformatörü (AsymmDiT); bu kümede kısıtsız ticari kullanıma açık tek video modeli.
Yıldız Teknik Üniversitesi COSMOS Araştırma Grubu
Türkçe için sıfırdan eğitilmiş 149 milyon parametreli ModernBERT kodlayıcısı; üretken model değil, arama ve sınıflandırma altyapısı.
Allen Institute for AI (Ai2)
Videoda noktalama (pointing), kalıcı kimlikle nesne takibi ve yoğun altyazılama işlerinde açık ağırlıklı modeller arasında öne çıkan 8B görsel-dil modeli.
Allen Institute for AI (Ai2)
Dil omurgası da açık olan (Olmo tabanlı) uçtan uca tamamen açık çok modlu yığın.
Allen Institute for AI (Ai2)
Video karesi, işaretlenmiş 3B noktalar ve yazılı bir eylem tarifi verildiğinde noktaların önümüzdeki saniyelerde 3B uzayda nereye gideceğini tahmin eder.
Meta
Meta'nın Muse Spark'tan distillation ile türettiği, Apache-2.0 lisanslı 30 milyar parametreli açık ağırlıklı model; tüketici donanımında yerel ajan çalıştırmak için tasarlanmıştır.
Meta
Üretim sırasında arama ve kod araçlarını kendisi çağırıp çıktısını kendi düzelten ajan tabanlı görsel modeli; görsel başına 0,01 USD ile Grok Imagine Image 2.0'ın dörtte biri fiyatındadır.
Meta
Meta Model API kataloğunda contributor kademesi sunulmayan tek Muse Spark sürümü; yalnızca standart fiyatla çağrılır.
Meta
Ses anlamanın tam desteklendiği son Muse Spark sürümü; 1.3'te bu yetenek geriye gittiği için ses ağırlıklı işlerde tercih edilir.
Meta
Meta'nın güncel amiral gemisi; metin, görsel, video, ses ve PDF'i tek 1M token'lık pencerede alan katalogdaki en geniş girdi yelpazesine sahip modeldir.
Saat başına 0,18 USD ile faturalanan, konuşmacı atfı ve konuşma sırası algısı yapan akışlı transkripsiyon modeli.
Google DeepMind
Video girişinden görsel üretebilen ana akım görsel modeli; 8:1'e kadar uç en-boy oranları ve 4K çıktı sunuyor.
Google DeepMind
Google'ın görsel üretim kataloğundaki en ucuz seçenek: görsel çıktı 30,00 USD / 1M token.
Google DeepMind
Üretim öncesinde düşünen ve Google Arama ile temellenebilen tek görsel modeli; metin yerleşimi doğruluğu için konumlandırılıyor.
Nomic AI
Eğitim verisi ve eğitim kodu da yayımlanan, yeniden üretilebilir 100M parametrelik gömme modeli.
Nomic AI
MoE mimarisini gömme modeline taşıyan açık örnek: 475M toplam parametrenin yalnızca 305M'i çıkarımda aktif.
Nous Research
Putnam 2025 sınavında kendi temel modelinin 24/120 skorunu 87/120'ye çıkaran, doğal dilde ispat yazımına özelleşmiş 31B model.
Cohere
30B toplam / 3B aktif MoE ile ajan kodlama için eğitilmiş, 256K bağlam ve 64K çıktı taşıyan küçük kod modeli.
Deepgram
Gerçek zamanlı çok dilli deşifreyi 10 dilde aynı akış içinde yapan, dakikası 0,0043 USD'den başlayan genel amaçlı ASR modeli.
NVIDIA
Nemotron 3 ailesinin erişim ucunu kapatan, anlamsal arama ve RAG için 1 milyar parametreli gömme modeli.
NVIDIA
30 milyar toplam parametrenin token başına yalnızca 3,5 milyarını aktif eden, 23 Mamba-2/MoE ve 6 attention katmanından oluşan hibrit küçük ajan modeli.
Görüntü, video, konuşma ve metni tek gövdede işleyen, 30 milyar parametreli omni-modal Nemotron akıl yürütme modeli.
NVIDIA
8 adet H100 ile çalışabilen, 120 milyar toplam / 12 milyar aktif parametreli LatentMoE modeli; Nemotron 3 ailesinin tek düğüme sığan üyesi.
NVIDIA
550 milyar toplam, 55 milyar aktif parametreli açık ağırlıklı LatentMoE modeli; Mamba-2, MoE ve attention katmanlarını aynı gövdede birleştirip 1 milyon token bağlam sunuyor.
Speculative decoding ve multi-token prediction ön eğitime gömülü olduğu için benzer boyuttaki modellerin 4 katına kadar çıktı hızına ulaşan 30B A3B MoE.
OpenAI
o-serisi akıl yürütme hattının son genel amaçlı üyesi; belgelendirmesi "yerini GPT-5 aldı" diyor ve anlık görüntüsü 11 Aralık 2026'da kapatılıyor.
OpenAI
o-serisinin en yüksek hesaplamalı üyesi; o3'ün on katı fiyata (20/80 USD) çalışır ve 11 Aralık 2026'da kapatılıyor.
Hume AI
Bir LLM'in üzerine kurulu TTS: her kelimenin duygusal niyetine göre telaffuz, perde, tempo ve vurguyu kendisi ayarlıyor.
Allen Institute for AI (Ai2)
Eğitim verisi, veri karışımı ve ara denetim noktaları birlikte yayımlanan 32B temel model; Olmo 3 ailesinin köküdür.
Allen Institute for AI (Ai2)
Ai2'nin "bugüne kadarki en yetenekli tamamen açık sohbet modeli" dediği talimat izleyen 32B sürüm.
Allen Institute for AI (Ai2)
Ai2'nin akıl yürütme izlerini açık veri, açık kod ve açık ara denetim noktalarıyla birlikte yayımladığı 32B ölçekli düşünme modeli.
Allen Institute for AI (Ai2)
Sentinel-1, Sentinel-2 ve Landsat görüntülerini tek ve zaman serisi olarak işleyen 114 milyon parametreli uydu görüntüsü temel modeli.
Huawei
Pro ile aynı 512K pencereyi token başına yalnızca 6B aktif parametreyle veren, tek kart dağıtıma yakın ölçekli açık ağırlıklı MoE.
Huawei
Baştan sona Nvidia dışı donanımda, Huawei'nin Ascend NPU'larında eğitilmiş 505B parametreli açık ağırlıklı MoE.
Microsoft
14 milyar parametreyle matematik, bilim ve kod akıl yürütmesine odaklanmış, MIT lisanslı ve bellek kısıtlı ortamlar için tasarlanmış küçük akıl yürütme modeli.
Microsoft
MIT lisanslı, 15 milyar parametreli, görsel girdi üzerinde uzun zincirli akıl yürütme yapabilen ve bilgisayar kullanımı (GUI) ajanları için konumlandırılmış küçük çok modlu model.
Pika
Sinematik gerçekçilik yerine paylaşılabilir efekt üzerine kurulu model; Pikaffects, Pikaswaps ve Pikatwists gibi hazır dönüşüm efektleri ürünün merkezinde yer alır.
Preferred Networks
Japonya'nın kamu araştırma kurumu NICT ile ortak eğitilmiş 31B taban model: kayan pencere ve klasik dikkat katmanlarını harmanlayan hibrit mimari kullanıyor.
Kyutai
MacBook Air M4'te iki CPU çekirdeğiyle gerçek zamanın yaklaşık altı katı hızda konuşma üreten 100 milyon parametreli metinden konuşmaya modeli.
EleutherAI
Aynı veriyle aynı sırada eğitilmiş 16 modelden ve 154 ara denetim noktasından oluşan paketin en büyük üyesi; ürün için değil kontrollü bilimsel deney için yapıldı.
1,5 milyar parametreyle CoIR'da 68,53 alan ve açık ağırlıklı yayımlanan kod gömme modeli.
Qodo
3.584 boyutlu vektör üreten, CoIR'da 71,5 alan ve ticari lisansla sunulan Qodo kod gömme modeli.
Alibaba
Kapalı API sürümleriyle indirilebilir ağırlıkları aynı kuşakta yayımlayan aile: amiral gemisi Qwen3.8 hattının 2,4 trilyon parametreli çekirdeği kamuya açıktır.
Alibaba
Max ile Flash arasındaki orta katman; 256K token'a kadar ucuz, üzerinde üç kat pahalı olan kademeli bir fiyat eğrisi uygular.
Alibaba
2,4 trilyon toplam parametreden token başına 95 milyarını etkinleştiren, ağırlıkları indirilebilen Qwen amiral gemisi; düşünme modu kapatılamaz.
Alibaba
27 milyar parametreli yoğun (dense) bir gövdede yerel görüntü ve video anlama sunan, Apache-2.0 lisanslı Qwen3.8 üyesi.
Alibaba
1 milyon tokenlık yerel bağlamı görüntü ve video girdisiyle birlikte 1M girdi başına 0,15 dolardan sunan Qwen'in ucuz kolu.
Alibaba
Token başına yalnızca 6 milyar parametre etkinleştiren aşırı seyrek çok modlu MoE; Qwen ekibi onu Qwen4 ailesi için mimari önizleme olarak tanımlıyor.
Alibaba
2,4 trilyon parametreli, 95 milyarı etkin MoE; Alibaba'nın en üst seviye modelini yeniden açık ağırlıkla yayımlamasının işareti.
Rakuten Group
Apache-2.0 ile yayımlanmış 671B toplam / 37B aktif MoE: Japonca yeterliği ve kültürel anlayış için Rakuten'in kendi ikili dil veri kümeleriyle eğitilmiş.
Recraft
Stil tutarlılığı, hassas metin konumlandırma ve sanatsal seviye denetimi için kurulmuş kuşak; dokümantasyonda hâlâ kendi model sayfasıyla erişilebilir durumda.
Recraft
Raster çıktının yanında doğrudan vektör (SVG) üreten nadir modellerden biri; 14 Mayıs 2026 yayınıyla gelen V4.1 kuşağı sekiz varyanta ayrılır.
Reka
Reka'nın karmaşık işler için konumlandırdığı en yetenekli çok modlu modeli.
Reka
657M ConvNeXt V2 görsel kodlayıcı ve 6,4B transformer omurgasıyla Jetson, Apple Silicon ve Snapdragon üzerinde çalışacak biçimde tasarlanmış 7B görsel-dil modeli.
Reka
Reka'nın çoğu iş için hız/maliyet dengesine oturan çok modlu orta seviye modeli; dokümantasyonda her zaman erişilebilir taban model olarak listelenir.
Voyage AI
Voyage'ın en yüksek doğruluklu yeniden sıralama modeli: sorgu başına 1.000 belgeyi yeniden sıralıyor.
Voyage AI
Gecikmeye duyarlı uygulamalar için optimize edilmiş, 1M token başına 0,02 USD'lik yeniden sıralama modeli.
Runway
Genel amaçlı video üretimi değil, bir oyuncunun performansını hedef karaktere aktarmaya ayrılmış özel amaçlı model.
Runway
Sıfırdan video üretmek yerine var olan çekimi dönüştürmeye ayrılmış model; girdi videoyu metin ya da görsel yönlendirmesiyle yeniden yorumlar.
Runway
Referans görselleri istem içinde at-mention sözdizimiyle adlandırıp stil denetimi kurmasıyla ayrışan görsel modeli; Runway'in video modellerine ilk kare üretmek için tasarlandı.
Runway
Çözünürlükten bağımsız olarak görsel başına sabit 2 kredi alan hızlı kademe; Runway'in görsel fiyat listesinde çözünürlüğe göre ücret değişmeyen tek kendi modeli.
Runway
Saniyesi 5 kredi olan hızlı kademe; yalnızca görsel girdi kabul ettiği için metinden video üretiminde kullanılamaz.
Runway
Bu kümede ölçülmüş HDR10 metaverisiyle BT.2020'ye derecelendirilmiş gerçek HDR çıktı ve ACES boru hattı için ACEScg veren tek video modeli; post prodüksiyona doğrudan bağlanır.
Sakana AI
Moonshot AI'ın açık modeli Kimi K2.6 üzerine kurulup Japonca ve Japon iş kültürüne uyarlanmış model: gereksiz ret oranını düşürmek ve önyargıyı sınırlamak için ayrıca ayarlanmış.
Sarvam AI
22 Hindistan dilinde kendi boyut sınıfında en iyi sonucu hedefleyen, Apache-2.0 ile yayımlanmış 106B toplam / 10,3B aktif MoE.
Sarvam AI
Token başına yalnızca 2,4B gömme dışı parametre etkinleştiren 30B MoE: çok dilli sesli çağrılarda araç çağrısı yapabilecek kadar hafif.
ElevenLabs
90+ dilde toplu deşifre için 32 konuşmacıya kadar ayrıştırma ve 1.000 terime kadar anahtar terim yönlendirmesi sunan model.
ElevenLabs
İzole tıbbi terimlerde Scribe v2'ye göre %15 daha az hata yapan, klinik ses için ayrılmış deşifre modeli.
ElevenLabs
Yaklaşık 150 ms'de kısmi deşifre döndüren, 90+ dilli gerçek zamanlı konuşma tanıma modeli.
Hugging Face
11,2 trilyon token ile eğitilmiş, çift akıl yürütme kipi ve 128K bağlamı olan 3 milyar parametreli tamamen açık küçük model.
Hugging Face
Video çıkarımı için yalnızca 5,2 GB GPU belleğiyle çalışan 2,2 milyar parametreli açık görsel-dil modeli.
Snowflake
10 milyar yoğun bir transformer ile 128x3,66 milyarlık artık MoE katmanını birleştiren melez mimarisiyle 480 milyar parametreyi 17 milyar aktif parametreyle çalıştıran model.
Upstage
Konumsal kodlama kullanmayan (NoPE) hibrit dikkat MoE mimarisiyle 1M token bağlam taşıyan, 250B toplam / 15B aktif parametreli Korece-Japonca-İngilizce model.
Perplexity
Yanıtı web aramasına dayandırıp kaynak veren, girdi ve çıktısı 1M token başına 1 USD olan hafif arama modeli.
Perplexity
Tek soruya karşılık onlarca arama yürütüp rapor üreten model; faturası token, atıf, akıl yürütme ve arama olmak üzere dört kalemden oluşuyor.
Perplexity
Karmaşık sorguları ve takip sorularını destekleyen, çıktısı Sonar'ın 15 katı fiyatlı gelişmiş arama modeli.
Perplexity
Zincirleme akıl yürütmeyi (CoT) aramayla birleştiren ve Sonar Pro'nun neredeyse yarısı çıktı fiyatına sahip model.
Cartesia
44 dilde ön işleme gerektirmeden doğrulama kodlarını ve sesteş kelimeleri doğru okuyan, durum-uzayı (SSM) mimarisine dayanan TTS modeli.
OpenAI
Senkron sesli video üretimi yapan amiral gemisi model; 24 Eylül 2026'da Videos API ile birlikte kapatılıyor ve OpenAI yerine geçecek bir model göstermiyor.
OpenAI
1080p senkron sesli video üreten tek OpenAI modeli; Sora 2 ile aynı gün, 24 Eylül 2026'da kapatılıyor.
iFlytek
iFlytek'in tümüyle Çin içi hesap gücünde eğitilen ilk genel amaçlı amiral gemisi; Spark X2.5'in temeli.
iFlytek
Eğitimi Çin içi hesap gücüyle tamamlanmış 293 milyar parametreli amiral gemisi temel model.
iFlytek
1,7B parametreyle 1M token bağlam penceresi taşıyan, ailenin en küçük ve en kısıtlı donanıma inen açık ağırlıklı uç modeli.
iFlytek
4B ölçeğinde cihaz üstünde çalışırken doğuştan 1M token bağlam penceresi sunan açık ağırlıklı uç modeli.
Stability AI
8,1 milyar parametreli MMDiT mimarisiyle Stable Diffusion ailesinin en güçlü üyesi; yıllık geliri 1 milyon doların altındaki kullanıcılara ticari kullanımı da ücretsiz açan topluluk lisansıyla gelir.
Stability AI
Large modelinden damıtılmış (distilled) sürüm; görseli dört adımda ürettiği için ailenin en hızlı üyesidir.
Stability AI
2,5 milyar parametreyle tüketici donanımında kurulum gerektirmeden çalışacak biçimde ölçeklenmiş üye; ailede 0,25-2 megapiksel aralığını destekleyen tek modeldir.
Suno
Warner Music Group, BMG ve Believe ile ortaklık içinde eğitilen ilk Suno nesli; parçanın tek bir bölümünü düz metinle düzenlemeye izin veriyor.
Suno
v6 ailesinin tüm kullanıcılara açık, hızlı ve verimli varyantı.
Suno
Öngörülebilirliği bilinçli olarak düşürülmüş v6 varyantı: beklenmedik, dokulu ve iddialı sonuçlar için.
Cognition
Yüz milyarlarca parametreli bir modeli Cerebras üzerinde saniyede 950 token'a çıkararak hızı ajan deneyiminin merkezine koyan sürüm.
Cognition
Ölçüt puanı yerine 'model UX'i optimize eden sürüm: aşırı düşünmeyi azaltıp paralel araç kullanımını artırdı.
Cognition
Zaten RL sonrası eğitimden geçmiş bir taban (Kimi K2.7) üzerine yeniden RL uygulanabileceğini gösteren model.
Cognition
Moonshot'ın 2,8 trilyon parametreli Kimi K3'ü üzerine kurulan ve ilk anlamlı kod düzenlemesine medyan 18 adımda ulaşan ajan modeli.
Cognition
Kod yazmak için değil hata bulmak için eğitilmiş uzman model: Cognition'ın dağılım içi iç değerlendirmesinde Opus 4.6 ile eşitleniyor, dağılım dışında hâlâ gerisinde.
OpenAI
OpenAI'nin en yetenekli gömme (embedding) modeli; İngilizce dışı görevlerde de küçük kardeşinden üstün olduğu belgelenir.
OpenAI
0,02 USD / 1M token ile OpenAI'nin token başına ücretlenen en ucuz modeli; ada-002'nin beşte bir fiyatına geçen doğrudan yerine geçen.
OpenAI
Katalogda "eski gömme modeli" olarak listelenir; yerine geçen text-embedding-3-small hem daha başarılı hem beşte bir fiyatta.
Aleph Alpha
Tokenizer kullanmayan hiyerarşik otoregresif transformer (HAT) mimarisiyle metni bayt ve kelime düzeyinde işleyen Almanca-İngilizce temel model.
Cohere
3,35 milyar parametreyle 70'in üzerinde dili kapsayan, 4-bit nicemlemede 2,14 GB'a sığıp iPhone 13'te saniyede 10 token üreten çok dilli model.
Trendyol
E-ticaret kataloğu için özelleştirilmiş 27 milyar parametreli Türkçe odaklı görsel-dil modeli; genel amaçlı sohbet için değil ürün verisi işlemek için eğitildi.
NTT
Tek GPU'da çalışacak biçimde tasarlanmış, hiçbir açık kaynak modeli temel almadan sıfırdan eğitilmiş Japonca kurumsal model.
AssemblyAI
99 dil kapsamıyla AssemblyAI'nin en geniş dil desteğine sahip, saati 0,15 USD olan ekonomik deşifre modeli.
AssemblyAI
Cümle ortasında dil değiştiren konuşmayı 18 dilde ayrı ayar gerektirmeden deşifre eden, deşifre ile konuşmacı atamasını tek modelde çözen model.
AssemblyAI
Ajan bağlamı verildiğinde kelime hata oranını %8,9, bağlam istemiyle birlikte %16,4 düşürebilen gerçek zamanlı deşifre modeli.
Google DeepMind
Yerel senkron ses üreten sinematik video modeli; Google artık varsayılan olarak Omni Flash'ı öneriyor ama sahne uzatma ve son kare kontrolü için hâlâ bunu işaret ediyor.
Google DeepMind
Veo 3.1'in Gemini API'de önizleme olarak sunulan hafif varyantı.
Mistral AI
Mistral'in ses dökümü (transcription) ucu: dakika başına 0,003 USD ile fiyatlanan, token değil süre üzerinden ölçülen kapalı ağırlıklı model.
Mistral AI
3 saniyelik bir referans kayıttan ses klonlayabilen, ağırlıkları yayımlanmış 4B parametreli metinden konuşmaya modeli.
Voyage AI
Orta boy bir modelin verimliliğiyle voyage-3-large'ın erişim kalitesine yaklaşan, ailenin denge noktası.
Voyage AI
MoE mimarisini gömme modeline taşıyarak yoğun (dense) model tavanını aşmayı hedefleyen, Voyage'ın en yüksek erişim kalitesine sahip modeli.
Voyage AI
1M token başına 0,02 USD ile ailenin en ucuz API modeli; önceki neslin voyage-3.5 doğruluğuna yaklaşıyor.
Voyage AI
Voyage 4 ailesinin tek açık ağırlıklı üyesi: yaklaşık 340M parametreyle Apache-2.0 altında indirilebiliyor.
Voyage AI
Kodun ne yaptığı kadar neyi YANLIŞ yaptığını öğrenmek üzere eğitilmiş, kodlama ajanlarının belirti temelli sorgularına göre tasarlanmış kod gömme modeli.
OpenAI
OpenAI'nin genel amaçlı konuşma tanıma klasiği; API sürümü olan whisper-1 26 Şubat 2027'de kapatılıyor.
01.AI
01.AI'ın ön eğitimi bırakmadan önce yayımladığı son büyük Yi modeli: Apache-2.0 lisanslı 34 milyar parametreli yoğun gövde.
Metodoloji, test verisi, model sürümü ve örneklem sayısı her zaman açık yayımlanır.
| Model | Rea | Kod | Tür |
|---|---|---|---|
| Model A | 91 | 92 | 74 |
| Model B | 89 | 95 | 71 |
| Model C | 86 | 88 | 83 |
Yer tutucu değerler. Gerçek ölçümler yayımlanana kadar bu tablo kaynak gösterilemez.
Model karşılaştırma aracıHer bölüm aynı döngüyle ilerler: teori → örnek → lab → test → proje. Önkoşullar beceri grafiğinden gelir.
Orta → İleri
Araç kullanımı, bellek, planlama ve çok ajanlı sistemler üzerine kurulu rota.
Orta → İleri
Model seçimiyle bitmeyen işin diğer yarısını kapsar: bir çıkarım isteğinin donanımda ne kadar bellek tuttuğunu, ne kadar gecikme ürettiğini ve birim iş başına ne kadara mal olduğunu ölçmek. Uygulama tarafında çalışan bir mühendisi, kendi sunum katmanının kapasite ve maliyet eğrisini kuran platform mühendisine taşır. Son aşamada yük testinden çıkan ölçekleme kuralı ve sürüm bazlı maliyet izlemesi üretime bağlanır.
Orta → İleri
Uygulama güvenliğini bilen bir mühendisi, dil modeli ve ajan sistemlerinin kendine özgü saldırı yüzeyinde çalışabilecek hâle getirir. İstem enjeksiyonu, araç yetkisinin daraltılması, katmanlı savunma ve koruma katmanının ölçülmesi sırayla kurulur. Kayıt düzeni ve olay müdahalesi, savunmanın denetlenebilir kısmı olarak en sonda ele alınır.
Temel → İleri
Yapay zekâ ürünlerinde kapsam, değerlendirme ve risk yönetimi rotası.
Başlangıç → Orta
Kurumda kullanılan yapay zekâ sistemlerinin dökümünü almaktan, her biri için rol, risk sınıfı ve yükümlülük listesi üretmeye kadar olan yolu izler. Hukuk, risk veya veri yönetişimi tarafından gelen bir uzmanı, teknik ekiple aynı tanımları paylaşan bir uyum sorumlusuna taşır. Son aşamada şeffaflık bildirimleri, insan gözetimi tanımları ve denetimde sunulacak kanıt seti dosya düzenine bağlanır.
Orta → İleri
Tek bir istem yanıtından, araç çağıran ve çok adımlı iş yürüten sistemlere geçişi ele alır. Çalışan bir ajan prototipi olan geliştiriciyi; aracının sözleşmesini, belleğini, hata yolunu ve güvenlik sınırını tasarlayan mühendise taşır. Son aşamada adım bazlı değerlendirme ve onay akışı kurularak yan etkili araçların üretimde çalışması güvenceye alınır.
Başlangıç → Orta
Fatura, sözleşme ve form gibi belgeleri elle işleyen bir ekibi, çıkarımı makineye devredip kontrolü elinde tutan bir işleyişe geçirir. Alan çıkarımı, güven eşiği, insana devir ve doğrulama hattı sırayla kurulur; kişisel verinin maskelenmesi baştan akışın içine yazılır.
Başlangıç → İleri
Sınıflandırmadan segmentasyona ve görsel transformer’lara uzanan görü rotası.
Orta → İleri
Çalışan bir dil modeli özelliğini "iyi görünüyor" aşamasından sayıyla savunulabilir bir hâle taşır. Kendi trafiğinden değerlendirme kümesi kurmak, görev tipine uygun ölçütü seçmek, model yargıcını insan etiketine karşı kalibre etmek ve iki sürümü aynı ölçekte karşılaştırmak sırayla ele alınır. Rota, ölçümü sürüm öncesi zorunlu bir kapıya bağlamakla kapanır.
Orta → İleri
Transformer temelinden RAG, fine-tuning, değerlendirme ve LLMOps’a uzanan uçtan uca mühendislik rotası.
Başlangıç → Orta
Metin tabanlı bir sohbet arayüzü yazabilen geliştiriciyi, sesle çalışan bir asistanı uçtan uca kurup ölçebilecek noktaya taşır. Konuşma tanıma, niyet çıkarımı, sıra devri ve gecikme bütçesi ayrı ayrı ele alınır; her bölüm ölçülebilir bir kabul eşiğiyle kapanır.
Başlangıç → Orta
Kurum içinde yapay zekâ kullanımını öğretme işini üstlenen kişiyi, dağınık araç tanıtımlarından ölçülebilir bir okuryazarlık programına taşır. Rol bazlı yetkinlik haritası çıkarmayı, ortak temel müfredatı ile rol atölyelerini birbirinden ayırmayı ve güvenli kullanım kurallarını kurumun kendi örnekleriyle yazıya dökmeyi kapsar. Son aşamada eğitimin işe dönüşüp dönüşmediğini izleyen bir ölçüm düzeni kurulur.
Başlangıç → Orta
Modeli sohbet arayüzünden tanıyan geliştiriciyi, model çağrısını hata toleransı ve bütçesi olan bir ürün akışına oturtabilen birine taşır. İstem tasarımı, şemaya uyan çıktı, akış ve hata kurtarma sırayla kurulur. Son bölüm yanlış cevap oranının yayın öncesinde nasıl raporlanacağını ele alır.
Başlangıç → İleri
Klasik ML’den model dağıtımına kadar üretim odaklı mühendislik rotası.
Orta → İleri
Model ve istem değişikliklerini elle yürüten bir ekibi, sürümü izlenebilir ve geri alınabilir bir hatta geçirir. Sürüm kimliği, veri kökeni, dağıtım, gözlemlenebilirlik ve kayma tespiti sırayla kurulur. Son adımda değerlendirme koşusu hattın zorunlu bir parçası hâline getirilir.
Başlangıç → Orta
İstemi deneme yanılmayla iyileştiren geliştiriciyi, istem ve bağlam kararlarını sürümleyip ölçebilen birine taşır. Örnekleme ayarları, bağlam bütçesinin dağıtımı ve uzun bağlamda bilgi kaybı sırayla işlenir. Kapanış bölümü değerlendirme takımı kurmaya ve değişiklikleri geri alınabilir biçimde yayına almaya ayrılmıştır.
Orta → İleri
Bir vektör aramasını ayağa kaldırmış ama isabetsizliğin nereden geldiğini ayrıştıramayan geliştiriciyi, parçalama ve gömme kararlarını ölçüme bağlayan bir mühendise taşır. Hibrit arama, yeniden sıralama ve referanslı cevap üretimi tek bir hat olarak ele alınır. Kapanış bölümü geri getirme kalitesini cevap kalitesinden ayırarak ölçmeye ayrılmıştır.
Başlangıç → Orta
Kurum içinde dolaşan veriyi kayıt altına almaktan, o kaydı bir denetimde savunabilir hâle getirmeye kadar giden bir hat izlenir. Envanter, amaç bağlama, saklama süresi ve erişim kararlarının yapay zekâ projelerinde nasıl somut kurala döndüğü işlenir.
0 → Temel
Teknik geçmiş gerektirmeden yapay zekânın çalışma mantığını kuran giriş rotası.
Teknik olmayan
Karar vericiler için yatırım, yönetişim ve organizasyon tasarımı rotası.
Öğrenci, yazılımcı, veri bilimci, yönetici, girişimci veya pazarlamacı — beceri grafiği eksik önkoşulları tespit eder.
15 soruluk Sinaptik AI Knowledge Test, bildiklerini değil nerede eksiğin olduğunu gösterir. Sonuç, doğrudan bir öğrenme yoluna bağlanır.
Sorular sayfada görünür ve taranabilir; test JavaScript arkasına gizlenmez.
AI Explorer
Önerilen rota
Generative AI Fundamentals
Eksik önkoşul: Embeddings · Vector Search
Markadaki “Lab” gerçek olmalı: hesaplayıcılar, deneyler ve açık kaynak araçlar.
Stratejiden PoC'ye, kurumsal eğitimden üretim sistemlerine kadar uçtan uca dönüşüm.
Yaklaşımımız
Strateji, veri, altyapı, yetenek, yönetişim, kullanım senaryoları ve güvenlik boyutlarında kurumunuzun olgunluk skoru.
Örnek çıktı
Experimenting
Haftanın en önemli gelişmelerini, araştırmalarını ve araçlarını beş dakikada oku. Hangi bülteni alacağını sen seçersin.
Tek tıkla çıkabilirsiniz. E-posta adresiniz üçüncü taraflarla paylaşılmaz.
Her makalenin yazarı görünür, teknik incelemeden geçer ve yazar profiline bağlanır.
