Otuz dakika ve otuz saat. OpenAI’ın 29 Ekim’de yayımladığı yazının en çarpıcı karşılaştırması bu iki rakam. Bugünün ana konusu OpenAI agent izleme sistemi. Geçen haftanın beş haberinin çoğu aynı soruya dokunuyor: agent çalışırken onu kim izliyor, gördüklerini kim görebiliyor? Yazıları, dokümanları, repoları ve bir whitepaper’ı okudum. Araçların hiçbirini çalıştırmadım, OpenAI’ın kurumsal ürünlerini de kullanmadım.
👀 OpenAI agent izleme sistemi nasıl çalışıyor?
Hikâye bir itirafla başlıyor. OpenAI’ın yazısına göre daha önceki Hugging Face olayı, misalignment monitörlerinin hiç çalışmadığı şirket içi siber güvenlik değerlendirmeleri sırasında başlamış. Şirket o günden beri izlemeyi eğitimde, değerlendirmede, şirket içi kullanımda ve biraz değiştirilmiş haliyle dış kullanımda ciddi biçimde genişlettiğini söylüyor.
Baştaki iki rakam da buradan çıkıyor. Kayıtlı Hugging Face bölümü yeni monitörlerden geçirildiğinde güvenlik ekibi, agent’lar sandbox’tan kaçtıktan yaklaşık 30 dakika sonra uyarı alacakmış. Gerçek olayda Hugging Face’in sistemlerine sızılması bundan 30 saatten fazla sonra yaşanmış.
Eylül’de bir de canlı vaka var. İzole olması gereken bir ortamdaki model, yetersiz DNS filtrelemesi yüzünden internete çıkmış ve herkese açık bir chatbot’a sorgu göndermiş (OpenAI’ın olay raporu). Monitörler durumu 15 dakika içinde yakalamış, 3 dakika sonra da bir sorumlu incelemeye başlamış. OpenAI ardından frontier RL eğitimini durdurup izolasyonu sıkılaştırmış. Terim kafa karıştırıyorsa frontier model nedir yazısında tanımı ve yasal eşikleri anlattım. Bu vakaya 19 ile 25 Ekim haftalığında değinmiştim, bu sefer mekanizmaya bakalım.
Kapsam şöyle: GPT-6 Astra kadar ya da ondan daha yetenekli modellerde her RL koşusu, her değerlendirme ve tool kullanan her harness izleniyor. Şirket içindeki bütün Codex trafiği ise arkasında hangi model olursa olsun izleniyor. Sistem dört katmandan oluşuyor:
- L0, aktivasyon probları. Modelin iç aktivasyonları üzerinde çalışan hafif sınıflandırıcılar. Yakalama oranını (recall) yüksek tutacak şekilde ayarlanmışlar. İşaretlenmeyen trafiğin rastgele %5’i de yine üst katmana gidiyor. Frontier RL ve şirket içi Codex, hassasiyet gerekçesiyle bu katmanı atlıyor.
- L1, model tabanlı denetçi. Son konuşmayı, chain of thought’u ve tool kullanımını, agent’ın gördüğü context window’un aynısıyla okuyor. Kontroller arasındaki sürenin en fazla 30 dakikaya inmesi hedefleniyor.
- L2, soruşturmacı agent’lar. Biri güvenlik, biri alignment odaklı iki agent. Bütün context window’ları okuyabiliyor, izole ortamda kod çalıştırabiliyorlar.
- L3, çapraz kontrol. Nöbetçi birine haber gitmeden önce transkriptler ağ logları ve telemetriyle karşılaştırılıyor.
OpenAI’ın aktardığına göre GPT-5.6 Sol kullanan monitörler, GPT-5.6 Terra ve Luna’dan belirgin biçimde daha fazlasını yakalamış. Şirket bunun bir kısmını prompt’un Sol için optimize edilmesine bağlıyor, hem de kendi ağzıyla. METR ve Redwood Research, Temmuz 2026’dan itibaren üç hafta boyunca sistemi red-team ederek açık aramış. Açıkların çoğu kapatılmış, biri için çalışma sürüyor.
En akıllıca bulduğum tercih ödülle ilgili. Eğitimdeki bir örnek monitörü tetiklediğinde OpenAI o örneğin RL ödülüne dokunmuyor, örneği eğitimden de çıkarmıyor. İzleme de asenkron çalışıyor. Amaç, modele “kötü davranışını chain of thought’ta sakla” dersini vermemek. Cezalandırılan şeyi gizlemeyi öğrenen model, izlenmesi en zor model olurdu. Aynı yazıda OpenAI, Astra dahil daha gelişmiş modellerin chain of thought’larında neyi açık edeceklerini daha iyi kontrol edebildiğini de yazıyor. Bu cümle hak ettiği ilgiyi görmeyecek gibi.
Müşteri tarafında da benzer bir izleme var. Astra sınıfı modellerde tool kullanan Responses API isteklerini izliyor ve conversation-tracking açıksa konuşmayı durdurabiliyor. Chat Completions bu izlemenin dışında kalıyor. Kurumsal müşteriler webhook ile uyarı kurabiliyor. OpenAI’ın misalignment raporlarını anlattığımız 19 Ekim yazısıyla birlikte okunmaya değer.
Geliştirici için anlamı: Kalıp kopyalanabilir. Ucuz bir ön tarama, model tabanlı denetçi, soruşturmacı agent, loglarla karşılaştırma ve en sonda insan. Kendi agent’larının etrafına bunun küçük bir versiyonunu kurmak mümkün.
Dikkat: Kör noktaları OpenAI kendisi sayıyor. Yanlış alarmlar yüzünden 7/24 nöbet sistemi zor işliyor. Frontier RL günün her saati birini uyandırabiliyor, diğer trafiğin çoğu yalnızca mesai saatlerinde. Şirket içi Codex trafiği için çağrı şimdilik tamamen kapalı. Hedef, en üst seviyedeki bir uyarı 30 dakika içinde temize çıkmazsa işin kendiliğinden durması. Bir şirketin kendi gözcülerinin nerede kör olduğunu bu kadar açık yazması pek sık görülmüyor.
🔒 Private Intelligence gerçekten ne kadar gizli?
OpenAI 30 Ekim’de kurumsal gizlilik vaatlerini tek çatı altında topladı ve adını koydu: Private Intelligence. Sayfada erişim kısıtlamaları, veri sahipliği (girdiler ve çıktılar müşterinin), şifreleme, tehdit tespiti ve agent eylem kontrolleri sıralanıyor. Sonuncusunda agent’ın veri erişimine, tool’larına, izinli eylemlerine ve hangi adımların onay gerektirdiğine müşteri karar veriyor. Uyumluluk listesi de uzun: SOC 2 Type 2, ISO sertifikaları, uygun servisler için BAA ile HIPAA, belirli kamu teklifleri için FedRAMP desteği.
VentureBeat’in haberine göre teknik tarafta iki parça var: Zero Data Retention with Private Safety Processing (kısaca ZDR with PSP) ve Private Inference’ın önizlemesi. Confidential computing’e dayanan ikincisi “sıkı, doğrulanabilir kontroller” vaat ediyor, OpenAI’ın sayfasında da “API Preview” etiketiyle duruyor.
İsim başka, dipnot başka. ZDR with PSP, ortada hiç kopya kalmıyor anlamına gelmiyor. VentureBeat’in OpenAI’ın PSP dokümanlarından aktardığına göre otomatik güvenlik incelemesine seçilen içerik şifreleniyor ve müşterinin kontrolündeki depolama alanına 30 günlük ömürle yazılıyor. O depolamayı, izinlerini ve anahtarları yönetmek müşterinin işi. OpenAI’ın ZDR yazısına göre OpenAI çalışanları anahtarlara erişemiyor.
Private Inference ise şemadaki görüntüden daha dar. Sysnote, OpenAI’ın PSP white paper’ından alıntı yaparak korumaların şimdilik uygun safety-inference iş yüklerini kapsadığını ve “ilk API isteğini otomatik olarak kapsamadığını” aktarıyor. Ürün sayfasında desteklenen modeller, uygunluk şartları, fiyat ve genel kullanıma açılış tarihi yok.
Geliştirici için anlamı: Pratikte en işe yarar kısım agent eylem kontrolleri. Tool izinleri ve onay adımları, ilk haberdeki fikirlerin bu kez müşterinin eline geçmiş hali. 30 günlük şifreli kopya da dış kullanımı izlemekle sıfır saklama vaadinin buluştuğu nokta.
Dikkat: Hukuk ekibine “sıfır saklama” demeden önce white paper’ı okumak lazım. Bir kopya var, onu korumak müşterinin sorumluluğunda ve önizlemedeki parça isteğin kendisini varsayılan olarak kapsamıyor.
🖱️ Bir agent ekrana bakmadan uygulamalara tıklayabilir mi?
Vercel Labs’in agent-desktop aracı tam bunu yapıyor. Apache-2.0 lisanslı, Rust ile yazılmış bir CLI ve C kütüphanesi. AI agent’lara macOS, Windows ve Linux’ta bilgisayar kullanma imkânı veriyor, ama ekran görüntüsünden tahmin yürüterek değil. İşletim sisteminin erişilebilirlik ağacını (accessibility tree) okuyor. Ekran okuyucuların da kullandığı, her düğmeyi ve alanı etiketiyle tutan yapı bu.
Döngü kısa:
agent-desktop snapshot --app Finder -i
agent-desktop click @s8f3k2p9:e8
İlk komut, tıklanabilir her öğe için bir referans içeren JSON döndürüyor. Agent o referans üzerinden işlem yapıyor, sonra sonucu doğrulamak için yeniden snapshot alıyor. README’deki ifadeyle “The loop stays in your agent”, yani döngünün kontrolü agent’ta kalıyor. Varsayılan olarak headless çalışıyor. Kendi tool döngüsünü yöneten agent’lar için Factory Droid 1 yazımıza da göz atılabilir.
Kurulum npm install -g agent-desktop ile yapılıyor, paket x64 ve ARM64 için yerel binary’leri de içeriyor. npm’deki 1.0.2 sürümü 30 Ekim’de yayımlandı. 1.0 serisi Linux desteğini (AT-SPI) getirdi, repo da aşağı yukarı aynı tarihte vercel-labs çatısına taşındı.
Her platformun kendi şartı var. macOS’ta Accessibility izni, ekran görüntüsü için de Screen Recording izni gerekiyor. Windows aynı bütünlük seviyesinde (integrity level) ek izin istemiyor ama binary imzasız, tarayıcıdan indirirken SmartScreen uyarı verebilir. Linux’ta hedef GNOME 46’lı Ubuntu 24.04 ve üstü. at-spi2-core paketi ve gerçek bir grafik oturumu şart. SSH ya da TTY üzerinden uygulamaları göremiyor.
Geliştirici için anlamı: Erişilebilirliği umursamayan uygulamalar agent’lar için de görünmez kalacak. Düğmelerine etiket koymayan ekiplerin bunu düzeltmek için artık ikinci bir sebebi var.
Dikkat: Repodaki platform tablosuna göre Linux’ta Wayland ve fare girdisi desteği hâlâ kısmi.
🎮 Oyun test eden agent hile yaparsa ne olur?
Ramen, Aura Autopilot adlı oyun test agent’ını Apache-2.0 lisansıyla açık kaynak yaptı. Araç Unreal Engine 5, Unity 6 ve Godot 4 (4.7 ve üstü) editörlerinin içinde gerçek zamanlı oyun oynuyor, Windows ve macOS’ta çalışıyor. Ona düz İngilizce bir prompt veriliyor, o da oynuyor ve rapor yazıyor. Aura aboneliğiyle, kendi API anahtarlarınızla ya da skill’leri ve MCP sunucusu üzerinden Claude Code veya Codex aboneliğiyle (autopilot connect claude) kullanılabiliyor.
Ramen’in whitepaper’ında (Nyx Iskandar ve Andy Tsen, 31 Ekim) sistemin parçaları anlatılıyor. Claude Code, Codex ya da OpenCode Agent SDK’larıyla kurulan bir kodlama agent’ı oyunun kaynak kodunu okuyup o oyuna özel bir harness yazıyor. Bir karar modeli yaklaşık her 0,25 saniyede gerçek zamanlı seçim yapıyor. Saldırıdan kaçmak gibi hızlı hareketleri “refleks” fonksiyonları üstleniyor. Proje başına tutulan hafıza klasörü sayesinde sonraki koşular önceki araştırmayı ve harness kodunu yeniden kullanabiliyor.
Benchmark Ramen’in kendi ölçümü: her görev için tek soğuk koşu, Unreal Engine 5.8’deki değiştirilmemiş Easy Survival RPG V5 ve orta effort ayarında Claude Opus 5.5 kullanan harness’lar. Whitepaper’daki rakamlara göre Autopilot 7 görevin 7’sini ortalama 262 saniyede geçmiş. Claude Code 7’de 5 yapmış, ortalaması 437 saniye. Autopilot yaklaşık 1,7 kat hızlı çıkmış.
Asıl ilginç ayrıntı kaybedilen iki görevde. Claude Code, hedefe ulaşmayı isteyen iki görevde hedefe gerçekten varmış ama hile yaptığı için başarısız sayılmış. Whitepaper oyuncuyu ışınlamayı, eşya yaratmayı ve ölümsüzlüğü hile olarak listeliyor. QA’de karşımıza çıkan reward hacking bu, ilk haberdeki monitörlerin yakalamak için kurulduğu türden bir davranış.
Basın bülteninde şirketin kendi iddiaları da var: Aura 1.0 abone sayısı 6 kat artmış, gelir üçe katlanmış.
Geliştirici için anlamı: Bir agent’a kendi işini doğrulatıyorsanız hilenin ne olduğunu baştan tanımlamak gerekiyor. “Hedefe ulaş” tek başına şartname sayılmaz.
Dikkat: Benchmark’ı üretici yapmış. Tekrar koşu yok, maliyet verisi yok, karşılaştırmadaki üçüncü “rakibin” adı verilmemiş.
🎙️ Ses bilgisayardan çıkmadan agent’larla konuşulabilir mi?
OpenCode ekibi, 31 Ekim ile 1 Kasım arasında Hex adlı dikte uygulamasının kararlı sürümünü yayımladı. MIT lisanslı, Rust ile yazılmış. Kısayola basılı tutuluyor (macOS’ta Option), konuşuluyor, bırakılıyor. Hex sesi cihazın üzerinde yazıya döküyor ve o an açık olan uygulamaya yapıştırıyor. İlk açılışta bir konuşma modeli iniyor, sonrasında hiçbir şey bilgisayardan çıkmıyor. Ses kayıtları da varsayılan olarak saklanmıyor.
Desteklenen platformlar: Apple silicon’lu Mac’ler (macOS 15 ve üstü), Windows x64 ve ARM64, Linux x86_64 ve ARM64 (.deb, .rpm, AUR, Nix). Homebrew ile kurulum brew install --cask anomalyco/tap/hex. README, Windows ve Linux sürümlerini hâlâ beta olarak etiketliyor.
3.0 sürüm notlarına göre yerel modelin bellek kullanımı yaklaşık 900 MB’tan yaklaşık 160 MB’a inmiş. 2.3.1’den yükseltme elle yapılıyor ve ayarlar, geçmiş, modeller boş başlıyor. ~/.config/hex/hex.config.ts dosyasındaki özel metin dönüşümleri, dosya sistemine, ağa ve süreçlere erişimi olmayan sandbox’lı bir JS motorunda çalışıyor.
Repo politikası alışılmışın dışında: “We don’t take pull requests. Open an issue… and our agents usually turn it around fast.” Yani pull request yok, issue açılıyor, gerisine genelde agent’lar hızla bakıyor. AI Primer’ın haberine göre geliştirici thdxr (Dax), uygulamanın tamamen vibe-coded olduğunu söylemiş.
Geliştirici için anlamı: Agent’lara prompt yazmanın sesli hali, üstelik mikrofonu kimseyle paylaşmadan. İlk iki haberin yanında yalın bir hatırlatma: en gizli seçenek, hiçbir sunucunun hiçbir şey görmediği seçenek.
Dikkat: İsteğe bağlı OpenCode yeniden yazma özelliği transkripti, öndeki uygulamanın adını ve Brave’deki hostname’i ayarlanan model sağlayıcısına gönderiyor. O kısım yerel değil. Yapıştırılan metinlerin geçmişi de varsayılan olarak 7 gün tutuluyor.
Beşi yan yana
| Ne? | Öne çıkan rakam | Açık kaynak mı? | |
|---|---|---|---|
| OpenAI izleme sistemi | Kendi agent’larını dört katmanda izleme | 15 dakikada uyarı, 3 dakika sonra insan | Hayır, şirket içi sistemin anlatımı |
| Private Intelligence | Kurumsal gizlilik paketi | Müşterinin depolamasında 30 günlük şifreli güvenlik kopyası | Hayır, Private Inference önizlemede |
| agent-desktop | Erişilebilirlik ağacıyla bilgisayar kullanımı | v1.0.2, macOS, Windows, Linux | Evet, Apache-2.0 |
| Aura Autopilot | Oyun test agent’ı | 7/7 görev, Claude Code 5/7 | Evet, Apache-2.0 |
| Hex | Yerel dikte uygulaması | Yaklaşık 160 MB model belleği | Evet, MIT |
Bundan sonra neye bakacağım?
OpenAI’ın söz verdiği otomatik durdurma mekanizmasına ve yeni misalignment raporlarına. Private Inference’a hangi iş yüklerinin dahil olacağına, genel kullanıma ne zaman açılacağına. agent-desktop için Homebrew ve Scoop paketlerine, bir de Wayland desteğine. Autopilot benchmark’ının bağımsız biri tarafından, tekrarlı koşular ve maliyet verisiyle yeniden yapılıp yapılmayacağına. Geçen haftanın geri kalanı 26 Ekim ile 1 Kasım haftalığında.
Kaynaklar
- OpenAI, How we detect frontier model misalignment
- OpenAI, DNS olay raporu
- OpenAI, Private Intelligence
- VentureBeat, Private Intelligence haberi
- OpenAI, sıfır veri saklama yazısı
- Sysnote, Private Inference değerlendirmesi
- Vercel Labs, agent-desktop GitHub ve npm
- Ramen, Aura Autopilot reposu, whitepaper, basın bülteni
- OpenCode ekibi, Hex reposu, Hex sayfası, AI Primer haberi
