Üç gündür duyuruları, model kartlarını ve repoları okuyorum. Bu haftanın ortak noktası şu: öne çıkan her şey yanında bir kontrol mekanizmasıyla geliyor. Kimisi matematiksel ispat, kimisi tekrar koşturulabilen benchmark, kimisi geçen test paketi. Modellerin hiçbirini kendim çalıştırmadım. Aşağıdaki rakamların tamamı şirketlerin ve geliştiricilerin kendi beyanı, linkleri yanlarında.
🛡️ Google’ın en iyi modelini neden henüz kullanamıyoruz?
Google DeepMind 28 Ekim’de Gemini 4 Carbon’u duyurdu. Hatırlarsanız Gemini 4 Argon daha iki hafta önce çıkmıştı. Google’ın duyurusunda Koray Kavukcuoğlu, Carbon’u siber güvenlik ve uzun soluklu görevlerde en ileri seviyedeki “en güçlü modelimiz” diye tanıtıyor. Rakamların hepsi Google’ın kendi ölçümü.
Öne çıkanlar şöyle:
- Artificial Analysis Intelligence Index v5.0’da 59 puanla birinci sırada.
- Açık bulmada SEC-bench Pro %88,2, istismarda ExploitGym %54,8, yamada Collinear’ın CWE-bench testinde %71,0. Google bu testlerin güvenlik filtreleri kapalıyken yapıldığını söylüyor.
- WebDev Arena’da 89 Elo artışla 1768 puan ve dördüncülük.
- Güvenli kod üretiminde Argon’un iki katından fazla başarı. Chrome ekibi, Carbon’un kaliteli yama yazmada “başka bir laboratuvarın büyük frontier modelinden” 10 kat daha iyi olduğunu bildirmiş.
Google güvenlik tarafını da uzun uzun anlatıyor. Terminal-Bench 4.0’da başarılı hile oranı %0,0, hile denemesi %0,4. İç kodlama ortamındaki yüksek önemli hizalama uyarıları yaklaşık %80 azalmış. Gray Swan dolaylı prompt injection testinde saldırı başarısı %0,0, Argon’da bu oran %0,7 idi.
Asıl ilginç kısım burada başlıyor. Carbon herkese açık değil. Bu hafta önce seçili siber savunma ekiplerine, ardından “Fairwind Program” üzerinden güvenilen ortaklara aşamalı olarak açılacak. Google, ABD hükümetinin gönüllü yayın öncesi test sürecine de dahil. Geliştiriciler ve şirketler için verilen tarih “en kısa sürede”. Fiyat ise belli: tanıtım döneminde milyon girdi token başına 2 dolar, çıktıda 10 dolar. Önbellekli girdi %95 indirimli. Tanıtım bitince fiyat 4 ve 20 dolara çıkıyor.
Geliştirici açısından tablo net. Bir frontier modelin kime ne zaman verileceğini artık siber kabiliyet belirliyor. Açık bulmada bu kadar iyi olan model saldırganın da işine yarar, Google da bu yüzden kapıyı aralık tutuyor.
Şerh düşmek lazım: benchmarkların hepsi Google’dan, “en kısa sürede” ifadesinin de takvimi yok. Hesap yapacaksanız 4 ve 20 dolar üzerinden yapın.
✅ Yapay zekâ C kodunuzun doğru olduğunu ispatlayabilir mi?
Harmonic’in 27 Ekim tarihli açıklamasına göre, araştırma matematiği için geliştirilen Aristotle artık C yazılımlarında ve Verilog donanım tasarımlarında formal doğrulama yapıyor. Harmonic’in kurucuları arasında Robinhood CEO’su Vlad Tenev var, şirketin başında Tudor Achim oturuyor. Şirketin sloganı derdi iyi özetliyor: “Ajanlarınız, ekibinizin inceleyebileceğinden fazla kod yazıyor.”
İşleyiş sade. Aristotle’ı koda yönlendiriyorsunuz, doğrulanacak özellikleri düz İngilizceyle yazıyorsunuz ya da önermesini istiyorsunuz. Her özellik üç sonuçtan biriyle dönüyor: ispatlandı, gerekçesi veya karşı örneğiyle çürütüldü, ya da açık kaldı. Varsayımlar da listeleniyor. Bu özellikleri repoya ekleyip her commit’te CI içinde aristotle ci ile koşturabiliyorsunuz. Aynı gün yayınlanan aristotlelib 3.0.0 CLI ve Python SDK’sı ile barındırılan MCP sunucusu da hazır.
C tarafında fonksiyonel doğruluk ve bazı tanımsız davranış sınıflarının yokluğu kontrol ediliyor. Verilog’da ise liveness ve safety gibi kontrol yolu özellikleriyle veri yolu özellikleri. Harmonic’in paylaştığı örnekler:
- Tensordyne, en zor bloğunda 110.000 döngü derinliğine kadar inen hatalar bulmuş.
- Tcl ve Dropbear SSH’ın kullandığı büyük sayı kütüphanesi LibTomMath’te üç hata düzeltilmiş, modüler üs alma %31 ile %38 hızlanmış ve hızlı kod aynı spesifikasyona karşı ispatlanmış.
- DIII-D Ulusal Füzyon Tesisi’nden Mitchell Clark’ın anlattığına göre, tek makale ve 254 kelimelik prompt ile Aristotle dört saatte plazma kontrol algoritmasını yeniden üretmiş, C kodunun güvenliğini doğrulamış ve mantıksal olarak eşdeğer Verilog çıkarmış.
Ürün şu an kullanımda, kullandıkça öde modeliyle. Kurumsal tarafta şirket içi kurulum ve özel bulut seçeneği var. Reuters’ın aktardığına göre Harmonic geçen Kasım’da 1,45 milyar dolar değerlemeyle 120 milyon dolar toplamıştı.
Kodun çoğunu ajanlar yazıyorsa, CI’da makinenin kontrol ettiği bir özellik yorgun bir insan incelemesinden çok daha sağlam bir kapı. Yine de dünkü Lean ispatları yazısında söylediğimiz geçerli: ispat, yazdığınız özelliği kontrol eder. Özellik yanlışsa ispatın değeri yok. “Doğru” neyse onu tarif edecek birine hâlâ ihtiyaç var.
📚 3.600 sayfayı tek seferde okumak için ne gerekir?
Baidu 27 Ekim’de Unlimited OCR 2 modelini MIT lisansıyla açık kaynak olarak yayınladı. Model yaklaşık 3B parametre. Ağırlıklar Hugging Face, ModelScope ve Baidu Cloud’da, GitHub reposu servis için SGLang öneriyor.
Yeniliğin adı Sparse Reference Sliding Window Attention, kısaca SR-SWA. Çok uzun dizilerde metin ile görsel arasındaki dikkati sabit sayıda çalışma referansına, örneğin 512 token’a sıkıştırıyor. Böylece belge ne kadar uzarsa uzasın her adımdaki gecikme ve bellek neredeyse sabit kalıyor. Page Gate adlı katman her sorguyu ilgili sayfalara daraltıyor, en yüksek puanlı görsel token kümeleri de uzak bağlantıları taşıyor. Xinhua bunu kitap kopyalayan birine benzetiyor: gözü önündeki sayfada, gerekince geriye bakıyor.
Baidu’nun açıkladığı skorlar MPDocBench’te 84,6, MarathonDocBench’te 77,1. İkincisi Baidu’nun modelle birlikte yayınladığı yüz sayfalık yeni bir benchmark. Xinhua modelin Qwen 3.8-Max, Gemini-3.8-Flash, GLM-5.3-Flash ve DeepSeek-4.1-Flash’ın önünde olduğunu yazıyor. Yüz sayfalık belgelerde tek adımlık çözümleme tam dikkate göre 7 kat, önceki R-SWA’ya göre 5,6 kat hızlı. Gösteri de iddialı: yedi kitaplık Harry Potter serisinin tamamı, 3.600 sayfanın üzerinde, tek seferde ayrıştırılmış.
Sözleşme, faaliyet raporu ya da taranmış kitap gibi belgeleri kendi donanımınızda metne çevirmek için küçük ve açık bir seçenek demek bu. İlk Unlimited OCR 22 Haziran’da çıkmıştı ve reposu yaklaşık 29 bin yıldız toplamış.
Dikkat edilecek nokta: liderliğini ilan ettiği iki benchmarktan birini Baidu kendisi hazırlamış. Kendi dağınık taramalarınızda denemeden güvenmeyin.
Beşi yan yana
| Ne? | Öne çıkan rakam | Bugün kullanılabilir mi? | |
|---|---|---|---|
| Gemini 4 Carbon | Google frontier modeli | SEC-bench Pro %88,2 | Hayır, önce siber savunma ekipleri |
| Aristotle (C, Verilog) | Formal doğrulama servisi | 110.000 döngü derinliğinde hata | Evet, kullanım bazlı fiyat |
| Unlimited OCR 2 | Açık 3B belge okuyucu | MPDocBench 84,6 | Evet, MIT lisanslı ağırlıklar |
| Fern 0.1 | 10M token context modeli | 10M’de tek iğne %100 | Hayır, erken erişim listesi |
| Qwenputer | Qwen3.5-4B içine derlenmiş işlemci | 18M komut, sıfır hata | Evet, Apache 2.0, 18,8 GB |
🧵 10 milyon token context gerçekten var mı?
Mirendil 26 Ekim’de Fern 0.1’i tanıttı. Şirketin sıfırdan eğittiği ilk model, context penceresi 10M token’a kadar çıkıyor. Bu yaklaşık 23 MB kod, yarım milyon satır civarı demek. Şirketin kurucuları arasında eski Anthropic araştırmacıları var.
Fern 0.1, 0,1 ile 0,5T parametrelik Mirendil-Base modelinin kısa bir post-training turundan geçmiş hali. Daha büyük modeller eğitimde: 0,5 ile 2T arasındaki Base-Large %80’in, 2 ile 10T arasındaki Base-XL %20’nin üzerinde tamamlanmış. Startup Fortune’un aktardığına göre şirket, temel modeli tek araştırmacının yaklaşık 3,5 ayda ve 10 milyon doların altında işlem gücüyle kurduğunu söylüyor.
10M token’da RULER sonuçları (her biri 20 örnek): tek iğnede %100, çoklu anahtarda %90, çok adımlı akıl yürütmede %45. Mirendil’in kendi tablosu ajan tabanlı kodlamada frontier modellerin gerisinde kaldığını gösteriyor. Şirket 27 Ekim’de yazıyı düzenleyip iki grafiği düzeltti.
Tutarsa bütün bir kod tabanı tek prompta sığar. Ama o %45 her şeyi anlatıyor. 10M token içinde iğne bulmak arama işi. 10M token boyunca akıl yürütmek bambaşka bir beceri ve Fern tam orada düşüyor. API, fiyat ya da ağırlık yok, yalnızca erken erişim başvurusu var. Bağımsız testler gelene kadar hepsi iddia.
🖥️ Qwen’in içinde işlemci mi var?
Geliştirici Divyansh Agrawal, 32 bitlik bir RISC-V işlemciyi (RV32IM, Zba ve büyük sayı yardımcı işlemcisi) Qwen3.5-4B’nin 32 katmanının önüne eklenen 11 transformer katmanına derlemiş. Hiçbir ağırlık öğrenilmiyor, her birini derleyici hesaplıyor. Qwen’in kendi ağırlıklarına dokunulmuyor. Kod Apache 2.0 lisanslı.
İşin zekice tarafı bellek. Qwen3.5’teki Gated DeltaNet durumu RAM gibi kullanılıyor, çünkü delta kuralı her seferinde tek bir satırı birebir üzerine yazıyor. Her satır kod, veri, register ya da program sayacı tutan bir bellek hücresine dönüşüyor. Sistem C ve MicroPython’u forward pass içinde çalıştırıyor. Agrawal’ın beyanına göre resmi riscv-tests testlerini geçiyor, programlar QEMU ile aynı sonucu veriyor ve 18 milyon komut hatasız koşmuş.
Qwen bu işlemciyi normal tool-call formatıyla çağırıyor ama çağrıyı modelin dışında hiçbir şey çalıştırmıyor. İşlemci katmanları hesabı yapıyor, model de cevabı rakam rakam yazıyor. NVIDIA L4 üzerinde saniyede yaklaşık 3.200 token hız bildiriliyor. Checkpoint 18,8 GB, yani temel Qwen’in iki katı kadar, büyük kısmı sıfır dolgu.
Eğlenceli bir deney ama boş değil. Sandbox olmadan kesin aritmetik yapılabiliyor ve bazı katmanları derlenen, bazıları öğrenilen hibrit modellere dair ciddi bir ipucu var. Tek kişilik bir deney olduğunu, Linux çalıştıracak seviyede olmadığını ve rakamların geliştiriciye ait olduğunu da unutmayalım.
Önümüzdeki günlerde neye bakacağım?
En çok Carbon’un ne zaman genişleyeceğini ve 4 ile 20 dolarlık fiyatın onu günlük kullanılan bir modele mi yoksa özel günlerin modeline mi çevireceğini merak ediyorum. Fern için bağımsız uzun context testleri ve gerçek erişim lazım, özellikle çok adımlı akıl yürütmede. Aristotle’da ise C ve Verilog’dan sonra hangi dillerin geleceği belirleyici olacak. Formal doğrulama tarafının Anthropic ayağı için 19 ile 25 Ekim haftalık özetine göz atabilirsiniz.
