Executive Summary’nin 28. bölümüyle karşınızdayız! 🎯 Bu hafta Vehbi ve Burak ile yapay zekanın bizi getirdiği son noktayı, sızdırılan iddiaları ve "Yapay genel zekaya (AGI) gerçekten ulaştık mı?" sorusunu konuşuyoruz.

Anthropic ve OpenAI'da çalıştığını iddia eden Jacob adlı bir mühendisin "Güvenlik kaygısı gütmeden AGI'ye koşuyorlar, 10 yıl içinde insanlık yok olacak" tweet'iyle başlayan tartışmayı masaya yatırıyoruz. OpenAI'ın yeni GPT-6 Astra modeliyle gelen bilgisayar ve araç kullanma yetenekleri gerçekten AGI'nin habercisi mi? 20 dolarlık bir abonelik paketi insan çalışanların yerini almaya başladığında iş dünyasını, geleceğimizi ve insan kalmayı nasıl savunacağız?

Bölümün sonuna doğru ise kaostan korunmak için küçük komünitelere mi sığınacağız yoksa bu amansız yarışa adapte mi olacağız sorusuna yanıt arıyoruz. Peki siz yapay zeka devlerinin sadece AGI yarışına odaklanması ve güvenlik risklerini görmezden gelmesi hakkında ne düşünüyorsunuz?

Keyifli seyirler!

Bölüm Zaman Çizelgesi:

00:00 - Gelecek Kaygısı ve 10 Yıl Sonraki Umudumuz
02:50 - 10 Yılda İnsanlığın Sonu mu Geliyor? (Jacob İddiaları)
05:22 - AGI’ye Gerçekten Ulaştık mı?
09:12 - GPT-6 Astra ve Araç Kullanma Becerileri
11:10 - 20 Dolarlık Paketler İnsanların Yerini Alabilir mi?
14:00 - İş Dünyasında İnsan Faktörü ve Sorumluluk
19:00 - Verimlilik Takıntısı vs. İnsani Hataların Güzelliği
25:10 - Hizmet Sektöründe İnsan Teması ve Standartlaşma
31:00 - Şirketlerde Eşitsizlik, Vasatlık ve Çalışan Motivasyonu
35:00 - Yapay Zeka Ekonomisi: Gelir Adaleti ve Kaos Senaryoları
38:15 - Gelecekte Hayatta Kalma Planları ve Komün Hayatı
42:12 - Değişen Dünyada Ayakta Kalacak İnsan Yetkinlikleri
45:20 - Kapanış ve Yorumlar

Düşünsenize, bu durum bir şirket için büyük bir kriz değil mi? Ama Meta krizi stratejiye çevirdi. Temmuz 2023’te Llama 2 çıktığında açık ağırlıklı bir model olmuştu, yani artık herkese açıktı. Zuckerberg açık kaynağın daha iyi ve daha güvenli model ürettiğini savunan yazılar yazdı, birçok röportaj verdi. Llama 2 çıktıktan sonraki iki yıl boyunca Meta, kapalı modellerin karşısındaki taraf oldu. İndirebiliyordunuz, kurcalayabiliyordunuz, isterseniz kendi sunucunuzda çalıştırabiliyordunuz.

Ta ki Nisan 2026’ya kadar.

Hediyenin mantığı

Meta’nın açık ağırlık stratejisinin gerekçesi hiçbir zaman hayırseverlik değildi. Biraz derin düşününce amaç ortaya çıkıyor: rakiplerin en değerli varlığını bir emtiaya çevirmek, kendi modelinin çevresinde bir ekosistem inşa etmek ve yetenekli mühendisleri çekmek. Gerçekçi olursak hepsi işe yaradı.

Ama oyunu bozan önemli bir şey vardı. Herkesin kendi bilgisayarına indirdiği bir model Meta için veri üretmez. Llama herkesin kendi bilgisayarında çalıştığında Meta o kullanımlarla ilgili hiçbir bilgiye sahip olamaz. Ne kullanıcının promptunu görür, ne de modelin cevabını. Modelin nerede takıldığını, kullanıcının bunu nasıl düzelttiğini bilemez. Bunca emeğe karşılık neredeyse sıfır geri bildirim.

2023 yılında bunun bedeli dikkate alınmıyordu. Modeller herkese açık internet kaynaklarını eğitim için kullanıyordu ve o dönemde bu kaynaklarda kullanılabilecek çok fazla veri vardı.

Web’de olmayanlar

Epoch AI bir hesaplama yaptı. Buna göre gözden geçirilmiş, kalite düzeltmesi yapılmış, kamuya açık insan üretimi veri, yani organik veri, yaklaşık 300 trilyon token. Bu hızla gidersek dil modelleri bu verileri 2026 ile 2032 arasında tümüyle kullanmış olacak. Biraz geniş bir aralık gibi gözükebilir ama hala organik veri üretmeye devam ediyoruz.

Ne var ki bu verilerin miktarına değil türüne odaklanmalıyız. Herkese açık web aslında sonuçların bir arşivi niteliğinde. Blog yazıları, ürün kullanım dokümanları, StackOverflow’daki cevaplar. Hepsi bitmiş işler aslında. Hiçbiri o işin nasıl yapıldığını bize anlatmıyor. Saatler harcanan üç deneme, gece ikide düzeltilen hatalar, bunlarla ilgili tartışmalar. Bunlara hiçbir zaman erişilemedi. Ama agentların öğrenmesi gereken tam da bu.

Pi adlı açık kaynak kodlu harness aracının geliştiricisi Mario Zechner’in gözlemi şu: 2025 nisan ile ekim arasında agentların yaptığı büyük sıçramanın nedeni, Claude Code’un varsayılan olarak tüm oturumları saklayıp pekiştirmeli öğrenmede kullanmasıydı. Bu iddia elbette doğrulanmadı, bu konuda çalışan bir geliştiricinin gözlemi. Ama sektörde kimse aksini de savunmadı.

Meta’nın da elinde müthiş bir hazine var ama yanlış türden. Facebook, Instagram ve WhatsApp muazzam veri üretiyor. Ama agentların ihtiyaç duyduğu kodlama verisini neredeyse hiç üretmiyor. Üstelik Meta’nın açık ağırlık stratejisi, tam da bu boşluğu doldurabilecek tek kanalı kapalı tuttu. Kendi eliyle.

Kırılma

Kısa bir zaman çizelgesi vereyim. Nisan 2025’te tanıtılan Llama 4 beklentiyi karşılamadı. Haziran 2025’te Meta, Scale AI’ın yüzde 49’u için 14,3 milyar dolar ödedi ve Alexandr Wang’ı transfer etti. Superintelligence Labs kuruldu. Nisan 2026’da Muse Spark çıktı. Meta’nın ilk kapalı ağırlıklı frontier modeli.

Kapalı ağırlığa geçiş konusunda açıklama yapılmadı bile. Ama Meta’nın, bu yeni modelin ihtiyaç duyduğu veriler için bir şeyler yapması da gerekiyordu. Eksiğini kapatmak için ABD’deki çalışanlarının bilgisayarlarına izleme yazılımı kurdu. Model Capability Initiative adlı program fare hareketlerini, tıklamaları, klavye aktivitelerini ve ara ara ekran görüntülerini topluyordu. Amaç yapay zekâya insanların işi nasıl yaptığını öğretmekti. 22 Haziran 2026’da program durduruldu. Hatalı bir yapılandırma, toplanan hassas çalışan verisini tüm Meta personeline açık hale getirmişti.

Bu yol kapanınca geriye tek seçenek kaldı: ihtiyaç duyulan veriyi satın almak.

İki farklı fiyat

Ağustos ve eylülde Muse Spark’ın iki sürümü yayınlandı. Ama asıl dikkat çekici olan, bu modellerin iki farklı fiyatlandırmasının olması.

Standart sürümde milyon giriş tokeni 1,25 dolar, milyon çıktı tokeni 4,25 dolar olarak fiyatlanıyor. Meta’nın ifadesiyle promptlarınız ve modelin cevapları, bu modeli ve gelecekteki modelleri eğitmek için kullanılmayacak.

Bir diğer sürüm olan Contributor’da ise milyon giriş tokeni 0,10 dolar, milyon çıktı tokeni 0,20 dolar. Karşılığında Meta, gelecekteki modellerini sizin verinizle eğitme hakkını alıyor. Girişte yüzde 92, çıktıda yüzde 95 fark. Oldukça ucuz, hatta Çinli modellerden bile çok çok ucuz.

Şunu da belirtmek lazım: iki modelin teknik özellikleri birebir aynı. Context window aynı, tool calling aynı, eğitim verisi aynı. Tek fark fiyat. O da sizin kullanım verinize biçilen bedel.

Glimmer testi

Aslında Meta açık ağırlıktan tam olarak vazgeçmedi. 10 Ağustos’ta Glimmer isimli bir Muse varyantı tanıtıldı. Muse Glimmer, 30 milyar parametreli, Apache 2.0 lisanslı, tek GPU’da çalışabilen bir model ve Llama’nın lisansından daha cömert şartlarla sunuluyor. Yani Meta açık ağırlığa, daha önce hiç sunmadığı kadar açık bir lisansla döndü.

Ama Glimmer amiral gemisi değil. Muse Spark’tan damıtılmış, bir sınıf aşağıda ama yerel donanımda çalışabilen bir model. Yani Meta’nın hiçbir şey öğrenemediği model. Öğrenilen model kapalı. Öğrenilmeyen model Apache 2.0.

Bu arada Wang, Muse Spark’ın açık ağırlıklı sürümünü de taahhüt etti. Bu sözü 10 Ağustos, 20 Ağustos ve 2 Eylül lansmanında olmak üzere üç kez tekrarladı. Şu ana kadar bir gelişme olmadı.

Bence bu yeni strateji ilkinden daha başarılı olacak. Bu karma yaklaşım bundan sonra diğer firmalara da ilham verebilir.

Yön

Meta hiçbir yerde açık ağırlıktan veri alamadığı için vazgeçtiğini söylemedi. Bu benim kaynaklara bakarak yaptığım bir çıkarım. Ama tüm yaşananlar bunu işaret ediyor. Modelini açık ağırlıkla dağıtan şirket üç yıl sonra bunu kapattı, çalışanlarını izlemeye çalıştı, başarısız oldu ve dışarıdan bedelini ödeyerek veri satın almaya başladı.

Açık ağırlıklı modellerde ağırlıkları indirdiğinizde her şey size ait. Meta ya da başkası onunla ne yaptığınızı bilmiyor, ondan bir şey öğrenmiyor.

Meta’nın yeni fiyatlandırmasında faturanın ödemediğiniz kısmı bir hediye. Ama bu kez hediyeyi veren sizsiniz.

Kaynaklar

• TechCrunch, “Meta is paying to peek at how you use their latest AI model,” 3 Eylül 2026 - techcrunch.com

• Meta Model API, Pricing & Rate Limits - dev.meta.ai

• Meta AI Research, “Introducing Muse Glimmer: An Open Agentic Model That Runs on Your Device,” 10 Ağustos 2026 - research.meta.ai

• Reuters, “Meta to pause internal mouse-tracking tech while examining data security issues,” 22 Haziran 2026 - reuters.com

• The Register, “Zuck rekindles open weights Llama drama with Muse Glimmer,” 10 Ağustos 2026 - theregister.com

• Epoch AI, “Will we run out of data? Limits of LLM scaling based on human-generated data,” Haziran 2024 - epoch.ai

Executive Summary’nin 27. bölümüyle karşınızdayız! 🎯 Bu hafta Vehbi ve Burak ile teknoloji dünyasının en güçlü iki figürü Sam Altman ve Bill Gates’in yapay zeka tarafında attığı şaşırtıcı zikzakları konuşuyoruz.

Daha birkaç ay öncesine kadar yapay zekanın işlerimizi elimizden çok hızlı alacağını söyleyen Sam Altman neden aniden gaza basmaktan vazgeçti? Her zaman iyimser bildiğimiz Bill Gates nasıl oldu da bir anda bu kadar karamsar bir noktaya geldi? Bireyler ile kurumların teknolojiye uyum sağlama hızlarındaki farkı, değişen iş dünyasını ve Bill Gates’in ortaya attığı "robot ve token vergisi" fikrini değerlendiriyoruz.
Bölümün sonuna doğru ise kritik bir soruyla baş başa kalıyoruz: Bütün işlerimizi, hatta medeniyetin işleyişini bu kadar hızlı yapay zekaya devretmek büyük bir risk mi, yoksa kaçınılmaz bir gelecek mi? Peki siz Bill Gates’in "robotlardan vergi alalım" önerisi hakkında ne düşünüyorsunuz?

Keyifli seyirler!

Bölüm Zaman Çizelgesi:

00:00 - Özet ve Giriş
01:10 - Sam Altman ve Bill Gates'in 180 Derecelik Fikir Değişimi
02:46 - İnsanlar Neden Bu Kadar Hızlı Fikir Değiştiriyor?
05:08 - OpenAI ve IPO Süreci: PR Manevraları mı?
09:08 - Bireysel ve Kurumsal Adaptasyon Hızları Arasındaki Fark
13:05 - İsviçre Analojisi: Kurumlar Nasıl Çalışır ve Değişir?
19:05 - Yapay Zeka Karar Verici Pozisyonların Yerini Alabilir mi?
20:46 - Siber Güvenlik Riskleri ve Avrupa Birliği Regülasyonları
23:48 - Hangi Mesleklerde İnsan Unsuru Zorunlu Kalmalı?
26:55 - Medeniyeti Yapay Zekaya Taşımak Bir Tehdit mi?
28:38 - Proaktif mi Reaktif mi? Regülasyonlar Ne Zaman Gelmeli?
31:02 - Küresel Yapay Zeka Örgütü Mümkün mü?
35:56 - İş Gücü Kaybı, Gig Ekonomisi ve Mikro Şirketlerin Geleceği
42:12 - Bill Gates’in Robot ve Token Vergisi Önerisi
47:12 - Token Maliyetleri ve Modellerin Zarar Bilançoları
48:11 - Geçen Haftanın Yorum Değerlendirmesi ve Kapanış

Çünkü ölçmek istiyorsan önce neyle ölçtüğünü netleştirmen ve sabitlemen gerekiyor. Ayrıca ölçen aletin kendisi de düzenli olarak ölçülmeli. Mesela fabrikadaki kumpaslar her sene kalibrasyona tabi tutulur, teraziler bilinen bir ağırlıkla test edilir.

Ama yapay zekâ modellerini ölçen testlerin böyle bir mekanizması yok.

Örnek olarak, geçen hafta gizli model Ox Alpha (GLM 5.3 Flash olarak tanıtıldı) için dört farklı test sonucu sosyal medya da dolaşmaya başladı. Aslında dördü de yanlış ölçülmemişti. Ama nereye çekmek istersen oraya gidebilecek sayılar.

Neden bu kadar oynuyor?

Üç ayrı sebep var:

Örneklem. Yüzde 80, on “bug” dan olulan bir testten çıktı. Normalde setin tamamı 113 “bug”. Onlu görevde tek bir sonucun değişmesi bile puanı çok fazla değiştiriyor.

Harness. Modeli çalıştıran düzenek. Hangi araçlara erişebildiğini, kaç kez tekrar deneyebileceğini, ne kadar süresi olduğunu bu belirliyor. Model aynı kalıyor, harness değişiyor, oromatik olarak sonuç da değişiyor.

Ayarlar. Ne kadar metin okuyabildiği, ne kadar uzun cevap verebileceği, kaç saat çalışabildiği.

DeepSWE testini hazırlayan ekip bir şey daha buldu. Modeller arasında harcanan süre, üretilen metin ve maliyet on kat arttırıldığında bu farkların hiçbiri başarıya yansımıyor. Basitçe anlatacak olursam on kat pahalı olan model on kat fazla iş çözmüyor.

Z.ai, geçen hafta bizim de yazdığımız gizli modeli sahiplendi ve dokuz farklı testten oluşan bir karşılaştırma tablosu yayımladı. Tablonun altına testlerin nasıl yapıldığı da ekledi. Farklı testler 300 bin ile 1 milyon token arasında değişen boyutlarda, farklı çıktı sınırlarıyla ve bazıları on saate varan süre limitleriyle ölçülmüş. Farklı koşullar söz konusu. Üretici bunu saklamıyor bile. Kimse okumuyor, herkesin odaklandığı şey yüzdeler.

Benzer bir durum Terminal-Bench’te yaşandı. Testi hazırlayan ekip şunu gördü: 89 görevin 28’i bozuktu. Bunları düzelttiler. Düzeltmelerden sonra sonuçlar 12 puan civarında yükseldi.

Yani eski sürümle yeni sürüm arasındaki fark modelin iyileşmesi değil, testin düzeltilmesiydi. Ekip bunu duyurdu ve iki sürümün karşılaştırılamayacağını da ekledi. Size ilginç bir bilgi vereyim, lansman grafiklerinde iki sürümün sayıları hala yan yana duruyor.

Tezgahın önü

Kimsenin niyetinin kötü olup olmadığını bilemeyiz. Ama sektörde bu tür davranışlar herkes tarafından kabulllenmiş durumda. Mesela geçen yıl yayımlanan bir akademik çalışma, Meta’nın Llama 4 lansmanı öncesinde aynı modelin 27 özel varyantını test ettiğini ortaya koydu. Çok deneyip en iyisini yayımlamak ölçüm değil, seçim.

Devam edelim.

Anthropic’in Opus 5 karşılaştırma tablosunda bir satır 70,6 gösteriyor. O testi hazırlayan ekibin kendi yayımladığı sonuçlarda en yüksek puan 20,6.

xAI’ın Grok 4.6 karşılaştırma tablosunda Claude Opus 5 hiç yok. Oysa xAI’ın kazandığını öne çıkardığı satırlarda aslında en yüksek puan o modelin.

Z.ai‘nin tablosunda Terminal-Bench satırı var ve orada rakiplerinin arkasında. Ama öne çıkarılan satırlar başka.

Üçü de aynı şeyi yapıyor: kazanılan testler öne, kaybedilen arkaya. Aynı pazar tezgahındaki domatesler gibi.

Test modu

Kirlenme, yani modelin test sorularını eğitim sırasında görmüş olması, sık dile getirilen bir sorun. Ama buna kopya çekiyor demek haksızlık olur. Matematik sınavına matematik testi çözerek çalışan öğrenciye hilekar denmeyeceği gibi.

Hatırlar mısınız bilmem. 2015’te dünyanın en büyük otomobil üreticilerinden Volkswagen’in adı bir emisyon skandalıyla anılmıştı. Bu skandalın benzeri yapay zekâda da var. Modeller test edildiklerini anlayabiliyor.

Bu modeller aslında cevabı doğrudan vermiyor. Önce kendilerine bir düşünme metni yazıyorlar. Hangi dosyaya bakacaklarını, neyi deneyeceklerini, nereyi atlayacaklarını. Bu metin genelde kullanıcıya gösterilmez ama istenirse okunabilir.

Apollo Research adlı kuruluş bu metnin içinden “galiba test ediliyorum” anlamına gelen cümleleri sildi. Modelin kural dışı davranışı neredeyse ikiye katlandı. Kısacası model, izlendiğine inandığında daha uslu davranıyor. Anthropic de bunu tespit etti ve güvenlik testleri sırasında modelin bu farkındalığı dile getirmesini engellemek için müdahale etti.

Volkswagen’in yazılımının yaptığı da buydu. Araç test edildiğini anlıyor, emisyonu düşürüyor, yola çıkınca eski hâline dönüyordu. Biraz farklı olduğunu da eklemem lazım. Volkswagen’inki kasıtlı yazılmış bir koddu, amacı düzenleyiciyi kandırmaktı. Modellerdeki farkındalık kimsenin programlamadığı, kendiliğinden ortaya çıkan bir özellik. Üstelik bunu belgeleyen araştırmayı üreticinin kendisi yayımlıyor.

Sonuç benziyor ama niyet benzemiyor.

Asıl fark

Günün sonunda Volkswagen yakalandı. Çünkü ortada bir düzenleyici kurum, standart bir test protokolü ve arabaları gerçek yolda ölçen bağımsız bir üniversite ekibi vardı. Belki geç bulundu ama bulundu.

Yapay zekâda bunların hiçbiri yok. Testi üretici yazıyor, üretici uyguluyor, hangi satırın yayımlanacağına da aynı üretici karar veriyor. Yani soru “kopya var mı” değil, şu olmalı: kopya olsa fark eder miydik?

Dışarıdan bakıldığında dürüst bir ölçümle manipüle edilmiş bir ölçüm birebir aynı görünüyor. İkisi de birer yüzde. İkisi de tabloda. İkisinin de koşulları çoğu zaman okunmuyor bile.

Sektörün ihtiyacı belli. Aynı koşullarda tekrarlanabilen, koşulları yayımlanan, üreticinin elinde olmayan bir test düzeni. Böyle bir şeyin kurulup kurulamayacağı ise ayrı bir soru. Testi yayımlarsan eğitim verisine karışıyor. Gizli tutarsan sonucuna kimse güvenemiyor. Ve ölçtüğün şey, metrenin aksine, ölçüldüğünü fark edip davranışını değiştirebiliyor.

1875’te on yedi ülke bir metrenin ne kadar olduğunda anlaştı. Tanım o günden sonra iki kez değişti, en sonunda ışığın hızına bağlandı. Yani ölçünün kendisi bile zamanla düzeltildi.

Ama o çubuk hiçbir zaman kendini uzatmaya çalışmadı.

Kafamda bu meseleyi tartarken Burak’ın mesajı geldi: “The Executives’te yazmak ister misin?” Çok uzun süre düşünmediğimi hatırlıyorum. Birkaç dakika sohbet ettikten sonra düşüncelerimle örtüşen bu fikri kabul ettim.

Üstünden tam 2 yıl geçmiş. Kısa gibi ama uzun. Kısa gibi çünkü insan yaşadıkça yaşamın hızlandığını söylerler, ben de bunu deneyimliyorum. Uzun çünkü bu tempoyu koruyabileceğimden tam emin değildim. Ama oldu: 2 yılda toplam 84 yazı yazdım. Sonradan başladığımız video içeriği için de saatlerce kayıt yaptık. Video için henüz bir istatistik çıkartmadım ama onu da yapacağım.

Sizler de okudunuz, sağ olun var olun. Yazdıklarım bir kişinin bile işine yaramışsa benim için en büyük mutluluk sebebi olur. Elbette bunu ölçme şansım yok.

Meraklısı ve tabiki kendim için rakamları da eklemek istiyorum. İki yılda tam 84 yazı, 91.610 kelime yazmışım. Ortalama bir kitap kadar, mesela Bill Gates’in hikayesini anlatan Hard Drive’ın kelime sayısına yakın. En çok kullandığım kelimeler, tahmin edebileceğiniz gibi, “yapay” ve “zekâ” olmuş; onları “yeni”, “büyük” ve “Google” izliyor. En çok adı geçenler ise Google, OpenAI, Apple ve ABD. İlk dönemin haftalık “Executive Summary” bültenleri ortalama 1.868 kelimeydi; sonra geçtiğim tekil konu yazıları ise ortalama 878 kelime.

Bu seferlik normal düzen dışında Cumartesi bu yıldönümü ve teşekkür yazısını paylaşıyorum. Pazartesi yine her zamanki gününde ve saatinde asıl yazımı paylaşmış olacağım…

Executive Summary’nin 26. bölümüyle karşınızdayız! 🎯 Bu hafta Vehbi ve Burak yapay zekanın sadece yazılım ve teknoloji tarafını değil, toplum, demokrasi ve geleceğimiz üzerindeki etkilerini konuştu.

Bu bölümde masamızda teknoloji dünyasını ve ekonomi çevrelerini sarsan kritik bir gündem var: Nobel ödüllü ekonomistimiz Daron Acemoğlu ile The Economist dergisi arasında patlak veren yapay zeka ve liberal demokrasi tartışması!

The Economist’in Acemoğlu’nun yapay zekaya dair tezlerini fazla karamsar bulması ve Acemoğlu’nun bu eleştirilere yanıt vermesiyle büyüyen bu süreçte arka planda nelerin yattığını değerlendiriyoruz. Yapay zekanın devletlerin ve dev şirketlerin elinde bir kontrol mekanizmasına dönüşme riskini, gücü elinde tutan yapılara ve onları denetlemesi gereken kurumlara gerçekten güvenip güvenemeyeceğimizi konuşuyoruz.

Bölümün sonuna doğru ise olay bambaşka bir boyuta evriliyor ve konu doğrudan insan doğasına geliyor. "İnsan insanın kurdudur, kimseye güvenilmez" diyen karamsar yaklaşımla, "Ne olursa olsun insanlara güvenmekten başka çaremiz yok" diyen iyimser bakış açısı karşı karşıya geliyor. Peki siz hangi taraftasınız?

Bölüm Zaman Çizelgesi:

00:00 - Giriş ve 26. Bölüm Açılışı
00:47 - Yapay Zeka Demokrasiyi Kurtarabilir mi, Yoksa Kötüleştirecek mi?
04:15 - Gözetim Devleti, Algoritmik Manipülasyon ve Dezenformasyon Tehlikesi
07:05 - Uber Algoritması ve AB'nin Yapay Zeka Cezası
08:18 - Daron Acemoğlu ve The Economist Arasındaki Yapay Zeka Tartışması
12:40 - Agentik Yapay Zeka ve İş Gücü Üzerindeki Yanılsamalar
16:03 - Yapay Zeka Gelişimi Yavaşlıyor mu? Dikey Modellerin Yükselişi
22:00 - Kodlama Çöplüğü ve Projelerin Tamamlanamama Hırsı
23:10 - Orta Sınıfın Çöküşü, Gelir Adaletsizliği ve Finans Kapitalizmi
34:00 - Yapay Zekayı Kim Denetleyecek? Kurumlara Güvenebilir miyiz?
40:40 - Geleceğe Bakış: İyimserlik, Karamsarlık ve Bireysel Kurtuluş
47:00 - Kapanış ve İzleyici Yorumları

Bunları kafasından uydurmuyor. Gerçek açık kaynak projelerden alınmış, gerçek hatalar. Model kodu okuyacak, sorunu bulacak, düzeltmeyi yazacak, testleri çalıştıracak, tutmazsa tekrar deneyecek. Yani bir yazılımcının yaptığı işi yapacak.

Önce hepimizin bildiği modelleri deniyor. GPT-5.6 Sol on hatanın beşini çözüyor. Claude Fable 5 altısını. Sonra sıra, bir gün önce OpenRouter’da hiçbir duyuru olmadan beliren, sadece kod adı olan modele geliyor.

Sekiz.

Sonucu paylaşıyor ve altına şunu yazıyor: “Çok kafam karıştı.”

Kafasının karışması mantıklı. Az önce test ettiği şeyin üreticisi belli değil, teknik raporu da fiyatı da yok. OpenRouter’ın listesinde gerçek adı olmadan duruyor: stealth/ox-alpha.

Nasıl oldu

20 Ağustos 2026. OpenRouter’ın model listesine bir satır eklendi. Model bir milyon tokenlik context penceresine sahip, yani şu andaki en üst seviyede. Metin, görsel ve video okuyabiliyor. Fiyat alanında sıfır yazıyor. Bu tür gizli modellerin tanıtımları bu şekilde oluyor artık. Ve Ox Alpha ilk de değil. Aynı gün, kodlama aracı olan OpenCode da modeli bir hafta ücretsiz sunacağını duyurdu. Günde 100 trilyon token kapasitesi ile.

Yayılma hızı asıl hikaye. OpenRouter’ın kendi aktivite panelinde modelde ilk gün 12 milyar token işlendiği görülüyor. İki gün sonra 4,4 trilyon. OpenCode tarafındaki tablo da benzer: yaklaşık 12 trilyon işlenmiş token, 180 bin kullanıcı ve platformun en çok kullanılan ikinci modeli. Tek bir basın bülteni ve tanıtım olmadan.

Bu mümkün mü?

Akla gelen ilk soru bu ve cevabı sanıldığı kadar karmaşık değil. Boş bir GPU, kalkan uçaktaki boş koltuk gibidir. Satılmayan saat geri gelmez. Ve doluluk oranları aslında hiç de beklendiği gibi değil. Cast AI’ın 2026 raporuna göre kurumsal sunucularda ortalama GPU kullanımı yüzde 5. Alınan kapasitenin neredeyse tamamı boşta bekliyor. Bu boşluk bedava kullanımla doldurulduğunda şirketin cebinden çıkan para büyük ölçüde elektrik faturasına iniyor.

Karşılığında alınan şey ise tokenden daha değerli. OpenRouter’ın gizli model programı sözleşmesi bunu gizlemiyor bile. Bazı sağlayıcılar modellerini bir süreliğine ücretsiz ve ismini gizleyerek sunuyor. Amaç modeli eğitmek ve geliştirmek için veri toplamak. Bedava olan kullanım. Satın alınan şey veri. Trafiğin şekli de tesadüf değil. OpenRouter’ın verisine göre modele gelen her 31 birim girdiye karşılık yalnızca 1 birim çıktı üretiliyor. Model devasa kod dosyalarını okuyup küçük düzeltmeler yazıyor. Mantık basit: girdi işlemek, çıktı üretmekten kat kat ucuz.

Model avı

Model isimsiz olunca hemen dedektiflik oyunu oynanmaya başlandı. Herkes modelin üreticisini arıyor. Denenen yöntemlerin bir kısmı gerçekten zekice.

Hata mesajı. Çinli Zhipu’nun OpenRouter’daki modellerinin hepsi belirli bir hatayı aynı şekilde veriyor. Ox Alpha da öyle. Kritik detay şu: aynı model başka bir platformda çalıştırıldığında bambaşka bir hata veriyor. Yani bu imza modelin kendisine değil, onu çalıştıran şirketin platformuna ait.

Sızıntı. Bilerek bozulmuş bir istek hata çıktısında bir dosya yolu geri döndürdü. O yol, Zhipu’nun kendi belgelerinde yazan yolla birebir aynıydı.

Video encoder. Dört farklı test videosunda Ox Alpha, Zhipu’nun görsel modeliyle neredeyse aynı miktarda token harcıyor. Test edilen diğer adayların hiçbiri bu örüntüyü tutturmuyor.

Çalışma tarzı. Bir hatayı çözerken Ox Alpha ortalama 117 adım atıyor. Zhipu’nun bilinen modeli 124 adımda çalışıyor. GPT-5.6 Sol 61, Claude 90 civarında.

Davis yüzde 99 emin olduğunu söylüyor. Tahmin piyasalarında Zhipu seçeneği yüzde 84 ile fiyatlanıyor. Ama elbette kesin değil. Zhipu kendi modellerini açık lisansla yayımlıyor, yani herkes indirip üzerinde değişiklik yapabilir. Başka bir şirket bunu almış olabilir. O senaryoda yukarıdaki imzaların çoğu yine tutar. Nitekim Cursor’ın Composer 2.5 modeli, Kimi’ye ait bir modelin üzerine geliştirilmişti.

Bir de coğrafya var. Bir geliştirici dünyanın yedi ayrı noktasından aynı isteği gönderip yanıt sürelerini ölçtü. Atlanta 57 milisaniye, Dallas 76, Avrupa 130 civarı, Asya 200’ün üstü. Ölçümler ABD Doğu Yakası’nı işaret ediyor. Çinli bir şirket için beklenen tablo bu değil.

Kısacası iki senaryo var ve “işte yakaladık” diyeceğimiz bir kanıt yok.

Sayılar değişiyor

Davis’in testi on hatadan oluşuyordu. Gerçek testin tamamı 113 hata, 91 proje, beş programlama dilini içeriyor. Testin tamamı çalıştırıldığında sonuç yaklaşık yüzde 63. Aslında bu çok daha mantıklı. Yüzde 80’lik bir skor, modelin şu andaki tüm frontier modellerin çok üstünde olması anlamına gelir. Modele hiçbir araç verilmeden yapılan başka bir testte sonuç yüzde 28’e düşüyor. Yani her test birbirinden çok farklı uçlarda sonuçlar üretiyor.

Aynı model, farklı sayılar.

Veriler nerede

Burada aslında dikkatli olmamız gereken bir nokta var. OpenRouter’ın sayfası şöyle diyor: gönderdiğin promptlar ve modelin cevapları sağlayıcıda saklanıyor, eğitim için kullanılmıyor. OpenCode’un belgeleri ise sağlayıcının hiçbir şey saklamadığını söylüyor.

Birbiri ile çelişen iki belge. Anlaşılan gönderdiğin kod sağlayıcıda kalıyor. Bu yüzden dikkatli olmak şart.

Perşembe

Bedava kullanım 27 Ağustosta bitecek. Ve modelin sahibini öğreneceğiz. Bu, altı ayda beşinci anonim model. Önceki dördü de Çinli şirketler tarafından sahiplenildi: Zhipu, Xiaomi, Ant Group, Meituan. Muhtemelen bu da Çin’li çıkacak.

Normalde bir model çıktığında kimin yaptığını biliriz, ne kadar iyi olduğunu tartışırız. Bu kez tersi oldu. Üç gündür kimin yaptığı aranıyor. Hata mesajlarına bakıldı, video encoder’ın harcadığı tokenlar sayıldı, modelin kaç adımda düşündüğü ölçüldü. Ortaya bir cevap değil, bir tahmin çıktı.

Ne kadar iyi olduğu da üç gündür tartışılıyor. Elde farklı sayılar var ve hangisinin doğru olduğu konusunda uzlaşma yok.

Modelin sahibini yakın zamanda öğreneceğiz. Ama bu ölçüm ve test metotlarının tartışması bitmeyecek.

Kaynaklar

• OpenRouter, “Ox Alpha model page,” 20 Ağustos 2026 — openrouter.ai

• OpenRouter, “Stealth Program End User License Agreement,” Temmuz 2026 — openrouter.ai

• Bloomberg, “Mystery AI Model Ox Alpha Draws Developers With Free Access,” 23 Ağustos 2026 — bloomberg.com

• Ben Davis (@davis7), DeepSWE testi ve düzeltmesi, 21-22 Ağustos 2026 — x.com

• Datacurve, “DeepSWE: Measuring Frontier Coding Agents on Original, Long-Horizon Engineering Tasks,” 2026 — arxiv.org

• Manifold, “Who is behind Ox Alpha, the mysterious new frontier LLM on OpenRouter?” Ağustos 2026 — manifold.markets

Executive Summary’nin 25. bölümüyle "dalya"nın çeyreğine ulaştık! 🎯 25 bölümdür teknoloji dünyasında yaşananları Vehbi ve Enes’le birlikte detaylarıyla konuşmaya devam ediyoruz. Nice 25’lere, nice yüzlere diyerek bu özel bölümü açıyoruz.

Bu bölümde masamızda tek ama oldukça kapsamlı ve kritik bir ana konu var: Türkiye Cumhuriyeti’nin açıkladığı Ulusal Yapay Zeka Yol Haritası ve Eylem Planı.

Yaklaşık 45 sayfalık bu strateji belgesini baştan sona detaylarıyla inceliyoruz. Devletin "Frontier Model" (öncü büyük dil modeli) hayallerine kapılmayıp daha gerçekçi ve yerli ihtiyaçlara odaklanan Türkçe dil modeli yaklaşımını, tıp ve genetik gibi özel alan modellerini değerlendiriyoruz.

Öte yandan planda yer alan 10.000 ileri düzey uzman, 5 milyon kişiye okuryazarlık, 1 gigavatlık hesaplama gücü ve 1 trilyon TL’lik bütçe gibi devasa KPI hedeflerinin ne kadar uygulanabilir olduğunu sorguluyoruz. Fatih Projesi ve 1 Milyon Yazılımcı gibi geçmiş kamusal projelerden çıkarılan dersleri, bağımsız denetim ihtiyacını ve Türkiye’nin veri merkezi ile internet altyapı sıkıntılarını konuşuyoruz. 1 yıl sonra dönüp "Ne kadarı yapıldı?" demek üzere tarihe notumuzu düşüyoruz.

Keyifli seyirler!

Bölüm Zaman Çizelgesi:

00:00 - 25. Bölüm Açılışı & "Dalyanın Çeyreği" Sevinci
00:45 - Türkiye'nin Ulusal Yapay Zeka Yol Haritası'na Genel Bakış
03:18 - Türkiye "Frontier Model" Yapmalı mı? Gerçekçi Yaklaşım
05:01 - Türkçe ve Türkiye Dilleri Dil Modeli Stratejisi
08:34 - Dikey / Özel Modeller ve İnternetteki Türkçe Veri Sınırı
12:01 - Hukuk ve Yargıda Yapay Zeka Neden Yok? Etik ve Riskler
16:58 - Hedeflenen KPI'lar: 10 Bin Uzman ve 5 Milyon Okuryazarlık Gerçekçi mi?
18:40 - Kamuda Denetim Sıkıntısı ve Geçmiş Projelerden Dersler (Fatih & 1 Milyon Yazılımcı)
22:52 - 1 Gigavat Hesaplama Gücü, Veri Merkezleri ve GPU Sıkıntısı
28:22 - Devlet "İlk Müşteri" Oluyor: Kamunun Veri Açma Portalı ve Destekler
32:08 - Girişimcilere GPU Desteği ve "Herkes İçin GPU" Vizyonu
35:00 - İnternet Altyapısı, Yurt Dışı Çıkışları ve Veri Merkezi Olma İhtimali
37:50 - Sektör Paydaşları, Sivil Toplum ve Kapanış (1 Yıl Sonrasına Not)

Go, Uzak Doğu’da iki bin yılı aşkın süredir oynanan bir strateji oyunu. Kuralları satrançtan çok daha basit, on dokuza on dokuzluk bir tahtada iki oyuncu sırayla siyah ve beyaz taşlar koyup alan kapatmaya çalışıyor. Ama olası tahta dizilimlerinin sayısı evrendeki atom sayısından kat kat fazla. Satrançta insanın bilgisayara yenilmesinin üzerinden yirmi yıl geçmişken Go’nun bilgisayarlara daha on yıllarca direneceği düşünülüyordu.

Google DeepMind ekipleri binaya bu yaz taşınmaya başladı. Ama aynı aylarda Google DeepMind, tarihinin en dikkat çekici insan kaybını yaşadı.

Birkaç ayda dağılan kadro

18 Haziran’da Gemini’nin teknik eş lideri ve mühendislik başkan yardımcısı Noam Shazeer, OpenAI’a geçti. Google onu 2024’te Character.AI anlaşmasıyla geri getirmek için 2,7 milyar dolar ödemişti. Aynı hafta AlphaFold’un eş mucidi ve Nobel ödülünü Hassabis’le paylaşan John Jumper, Anthropic’e katıldı. Londra ofisinden Jonas Adler ve Alexander Pritzel de aynı yolu izledi.

5 Ağustos’ta ise asıl bomba düştü. Hassabis günlük yönetimi bırakıp Google DeepMind başkanı ve Alphabet baş bilim insanı oldu. Yerine yeni bir CEO atanmadı. CTO Koray Kavukcuoğlu, doğrudan Sundar Pichai’ye raporlayan kıdemli başkan yardımcısı sıfatıyla operasyonu devraldı. Aynı gün Jeff Dean, Sanjay Ghemawat, Oriol Vinyals ve Quoc Le kendi girişimlerini kurmak için ayrıldı.

Vinyals, Gemini’nin teknik eş liderlerinden biriydi. Diğeri yedi hafta önce ayrılan Shazeer’di. Google, Gemini 4’ü kimin inşa edeceğini duyurduğu gün, Gemini’yi inşa eden iki isimden geriye kalanını da kaybediyordu.

Ortada olmayan model

Pichai 19 Mayıs’ta Google I/O sahnesinde Gemini 3.5 Pro’yu tanıttı ve modelin önümüzdeki ay yayınlanacağını söyledi. Haziran geçti. Temmuz ortasına ötelediler, o da geçti. Bloomberg 16 Temmuz’da gecikmenin nedenini yazdı. Kodlama performansı belirlenen hedefin altında kalmıştı ve Haziran sonunda bunu düzeltmek için yapılan eğitim verisi güncellemesi sonuçları daha da kötüleştirmişti. Haberin çıktığı gün Alphabet hissesi yüzde 4,4 düştü.

21 Temmuz’da Google yeni bir model duyurusu yaptı. Ama beklenen model değildi. Aynı anda üç Flash modeli tanıtıldı: 3.6 Flash, 3.5 Flash-Lite ve 3.5 Flash Cyber. Duyurunun sonunda bir cümle daha vardı, şirket Gemini 4 için “bugüne kadarki en iddialı ön eğitim çalışmasına” başladığını söylüyordu. 13 Ağustos’ta, yalnızca üç hafta sonra, 3.7 Flash modeli geldi.

Haziran sözünün tutulmadığı andan bugüne dört Flash sınıfı model çıktı. Ama amiral gemisi çıkmadı. Google’ın uygulamasındaki model listesinde bugün 3.7 Flash, 3.5 Flash-Lite ve Şubat’tan kalma 3.1 Pro var.

Yanlış cephenin savunması

Fortune’un Ağustos başında konuştuğu DeepMind mühendisleri, gecikmeyi bir aksilik olarak değil bir yıl önce alınmış bir kararın faturası olarak anlatıyor.

Mühendislere göre Google, Gemini’nin kodlama yeteneklerini geliştirmeye öncelik vermedi. Şirket arama trafiğini korumak ve sohbet alanında OpenAI’ı yenmeye odaklanmıştı. Rakipler bu sırada agent ve kodlama tarafında yol alıyordu. Mühendislerden biri şöyle anlatıyor: “Kodlama tarafını biraz es geçtiler. Böyle bir şeyi fark ettiğinizde aradan aylar geçmiş oluyor, sonra arayı kapatmak için koşturuyorsunuz.”

Reuters aynı sonuca başka bir yoldan varıyor. Gemini’nin çok sayıdaki proje lideri arasındaki anlaşmazlıklar, sonradan kritik olduğu anlaşılan alanlara daha az kaynak ayrılmasına yol açtı. Google’ın bürokratik yapısı da modelleri daha çevik rakiplerinden yavaş çıkarmasına neden oldu. İki açıklama çok da çelişmiyor. Stratejik önceliklendirme hatası ve kurumsal dağınıklık birbirini besliyor.

Google sözcüsü bu iddiaların bir kısmını kabul ediyor, şirketin kodlama ve agent yeteneklerinde gelişmesi gerektiğini ve ekiplerin bu işe odaklandığını söylüyor.

Buradaki mesele Google’ın yapay zekâyı ihmal etmesi değil. Google yapay zekâya devasa kaynak ayırdı. Ama ayırdığı kaynağı mevcut işini savunmaya harcadı. Arama sonuçlarına yerleştirilen özetler ve sohbet asistanı. Rakipler ise aynı dönemde bambaşka bir yoldan ilerliyordu. Claude Code ve ChatGPT Codex gibi geliştirici araçları yeni bir tüketici ürünleri dalgasının altyapısı haline geldi. Kodlama işinin sadece geliştirici pazarında kalacağı sanılmıştı, lakin bütün agent ekonomisinin temeli oldu.

İşin ironisi şu. Google seçtiği savaşı kazandı. İkinci çeyrekte arama geliri yüzde 17 artışla 63,3 milyar dolara çıktı. Yapay zekânın aramayı öldüreceği tezi tutmadı. Google arama trafiğini savunmak için verdiği kararlarda haklı çıktı, yalnızca yanlış cepheyi savunuyordu.

Altı bin kilometre

Kavukcuoğlu, geçen yıl terfiden sonra Londra’dan Mountain View’a taşınmıştı. Hassabis Londra’da kaldı. Aradaki mesafe altı bin kilometre. Reuters’a konuşan kaynaklara göre Hassabis’in Gemini’den uzaklaşması ve Kavukcuoğlu’nun merkeze taşınmasının ardından Londra’nın model üzerindeki teknik etkisi azaldı.

Şu detaya dikkatinizi çekerim. CEO gitti ve yerine yeni bir CEO atanmadı. Bu, DeepMind’in şirketin geri kalanı içinde erimesi ve bağımsızlığının bir parçasını daha kaybetmesi anlamına geliyor. Belki tek başına küçük bir adım ama süregelen bir eğilimin devamı.

6 Ağustos’taki çalışan toplantısında bazı teknik olmayan ekiplerin DeepMind’den ayrılıp doğrudan Google merkezine bağlanacağı açıklandı. Bu personelin, Gemini eğitimiyle doğrudan ilgisi olmayan araştırmalar yapma konusunda bir serbestliği vardı. Google bu ekiplerin akıbetine dair bir plan paylaşmadı. Bulut biriminin üst yönetimi ise Kavukcuoğlu’nun atanmasının, kısıtlı TPU kapasitesinin paylaşımı konusunda DeepMind’le yaşanan gerilimi hafifletmesini umuyor.

Sorulan sorular üzerine Google sözcüsü gücün Mountain View’a kaydığı yorumunu reddedip Hassabis’in ve üst düzey yöneticilerin büyük bölümünün Londra’da kalacağını, DeepMind’in ayrı bir yönetimi ve araştırma özerkliği olacağını söyledi.

Kimse zorla taşınmadı. Taşınan yetkiydi.

Sadece kadro kaybı değil

Nisan 2026’da Google, ABD Savunma Bakanlığı’nın Gemini modellerini kullanmasına izin veren bir anlaşma imzaladı. Aralarında kıdemli DeepMind araştırmacılarının da bulunduğu beş yüz seksenden fazla çalışan, otonom silahlar ve kitlesel gözetim endişeleriyle Pichai’ye anlaşmayı yeniden değerlendirme çağrısı yapan açık bir mektuba imza attı. DeepMind’in yapay zekâ güvenliği ekibinde iki yıldan fazla çalışan Alex Turner, Haziran’da bu anlaşmayı gerekçe göstererek istifa etti.

Pentagon anlaşması, Mayıs’ta sendikalaşma girişimi başlatan bir grup Londralı DeepMind çalışanı için bardağı taşıran damla oldu. Bu, bir frontier yapay zekâ şirketinde yapılan ilk resmi sendikalaşma girişimi. Girişimin kökeni ise Şubat 2025’e, Google’ın kamuya açık yapay zekâ ilkelerinden silah ve gözetim amaçlı sistem geliştirmeme taahhüdünü çıkardığı güne dayanıyor.

Bir de tükenmişlik var. Bir mühendisin Fortune’a anlattıkları şöyle: “Uzun zamandır haftada 60 saat çalışıyorum, çünkü yapılacak iş bitmiyor. Herkes kendini paralıyor, sonuçta bu bir yarış ve sürekli geriden geldiğiniz hissi var. Ama insanlara her hafta 60 saat çalışın demek uzun vadede işe yaramıyor, sonunda tükeniyorlar.”

Bu rakam tesadüf değil. Sergey Brin, Şubat 2025’te Gemini ekibine gönderdiği notta haftada 60 saatin en verimli çalışma temposu olduğunu yazmıştı.

Otuz yedinci hamle

Google model yarışını kaybediyor olmayabilir. Ama bir laboratuvarı kaybettiği kesin.

2014’te satın alınan, kurucularının etik kurul şartı koştuğu, askeri kullanım işine girmeyeceğine söz veren, on iki yıl boyunca ticari önceliklerle arasına mesafe koymayı başaran kurum bugün CEO’suz kalmış, iki teknik liderini kaybetmiş, bazı ekipleri Google merkezine bağlanmış ve Pentagon sözleşmesi yüzünden içeriden sarsılan bir kurum.

Otuz yedinci hamlenin dahiyane mi yoksa hata mı olduğu da oynandığı anda anlaşılmamıştı. Bunun için maçın bitmesi gerekti.

Kaynakça

• Fortune, “How stalled models, missed deadlines, and staff burnout led to the unraveling of Google’s DeepMind,” 10 Ağustos 2026 — fortune.com

• Reuters, “Inside the Google executive moves that led to its big AI reshuffle,” 12 Ağustos 2026 — reuters.com

• Axios, “Google DeepMind CEO Demis Hassabis is stepping aside,” 5 Ağustos 2026 — axios.com

• The Next Web, “Google named the new boss of Gemini 4. Both of Gemini’s co-leads quit the same day,” 6 Ağustos 2026 — thenextweb.com

• CNBC, “Google Gemini co-lead Noam Shazeer leaves for OpenAI,” 18 Haziran 2026 — cnbc.com

• 9to5Google, “Gemini 3.5 Pro delays due to coding performance,” 16 Temmuz 2026 — 9to5google.com

• Unite.AI, “Google Ships Three Gemini Flash Models as Its Flagship Slips,” 22 Temmuz 2026 — unite.ai

• Google, “Gemini 3.7 Flash: our most intelligent workhorse model,” 13 Ağustos 2026 — blog.google

• Google, “Platform 37 and The AI Exchange,” 12 Mart 2026 — blog.google

• CNBC, “Alphabet Q2 2026 earnings,” 22 Temmuz 2026 — cnbc.com

Executive Summary’nin 24. bölümünde Vehbi ve Enes’le yine teknoloji dünyasının arka odalarında dönen gelişmeleri konuşuyoruz.

Yayının başında Meta’nın ses getiren yeni yapay zeka hamlelerini ve yayımladıkları sürpriz manifestoyu konuşuyoruz. Zuckerberg’in açık kaynaktan kapalıya makas değiştiren stratejisini, B2C iddiasını ve hükümetlerden talep ettiklerini konuşurken; arkadaki o süper avukat ve "demokratik erişim" söylemlerinin ne kadar gerçekçi olduğunu sorguluyoruz.

Daha sonra odağımızı veri güvenliği, Türkiye’deki dijitalleşme süreçleri ve radikal bir fikir olan "nakit parasız toplum" ihtimaline çeviriyoruz. Devletin vergi ve takip süreçlerinde yapay zekaya nasıl geçiş yaptığını, kayıt dışı ekonomiyle mücadelede dijitalleşmenin artılarını ve eksilerini değerlendiriyoruz.

Bölümün son kısmında ise Google cephesinde yaşanan hareketliliği ve DeepMind kurucusu Demis Hassabis’in görev değişimini inceliyoruz. Google’ın bilim odaklı yapıdan ürün ve para kazanma odaklı yapıya geçiş çabasını, Gemini 3.5 Pro ertelemesinin arkasındaki dedikoduları ve küresel teknoloji devlerindeki beyin göçünü konuşuyoruz. Kapanışta ise Türkiye'nin donanım, çip ve yapay zeka alanındaki stratejik ihtiyaçlarına değiniyoruz.

Keyifli seyirler!

Bölüm Zaman Çizelgesi:

00:00 - Giriş ve İki Haftalık Sektör Özeti
00:56 - Meta’nın Yeni Yapay Zeka Stratejisi ve Manifestosu
03:25 - Sosyal Medyanın Evrimi ve Platform Dönüşümleri
09:00 - Yapay Zekada Tekelleşme ve Veri Güvenliği
11:08 - Meta’nın B2C İddiası ve "Süper Avukat" Örneği
17:00 - Veri Merkezleri ve Yerli Yapay Zeka İhtiyacı
24:40 - Yapay Zekada Telif, Etiketleme Maliyetleri ve Güvenlik
28:00 - Sektör Devleri ve ABD Siyaseti Arasındaki İlişkiler
30:30 - Maliye Bakanlığı Yapay Zeka Kullanmaya Mı Başladı?
34:00 - Radikal Öneri: Nakitsiz Toplum ve Tam Dijitalleşme
39:03 - Google DeepMind'da Görev Değişimi ve Beyin Göçü
41:00 - Gemini 3.5 Pro Neden Ertelendi? Sektör Dedikoduları
45:00 - Türkiye Çip ve Yapay Zeka Yarışının Neresinde Olmalı?
51:50 - Kapanış ve Teşekkür

Yurii Sydorets, bir bifteği pişirmenin neredeyse hiç beceri gerektirmediğini yazmış. Izgarayı ısıt, etki koy, çevir. Bu kadar. Teknik olarak yenebilir bir şey çıkar. Ama istediğin kıvamda pişmiş, doğru mühürlenmiş, yeteri kadar tuzlanmış ve daha önemlisi her seferinde aynı olan bir biftek bambaşka bir iş. Ona göre yapay zekâ bir şef değil, bir biftek makinesi. Izgarayı ısıtır, tarifi uygular ve değiştirmeden tekrarlar. Bilmediği tek şey senin ne istediğin.

NotAShelf ise blog yazısında daha radikal bir yerden yaklaşıyor. Üretim artık bedava olduğuna göre geriye tek bir şey kalıyor, o da zevk. Ve zevkin nereden geldiğini soruyor. İyi restoranlarda yemek yiyerek şef olamayacağın gibi, iyi kod okuyarak da zevk edinemezsin. Zevk kötü şeyler yaparak, onlarla yaşamak zorunda kalarak, herkesin onu eleştirmesini izleyerek birikiyor.

İkisi aynı yere varıyor. Farkı yaratan damak tadı.

Buna ben de katılıyorum. Ama bu cümle söylendiği yerde bırakılırsa bir teselli sözüne dönüşüyor. Aslında hepimizin buna ihtiyacı var ama ona sığınıp kalmamak gerekiyor.

Önce iyi haber, demokratikleştik

Bu tartışma, çoğu zaman gözden kaçan bir zeminin üstünde duruyor. Araçlar artık gerçekten herkeste aynı.

Yazılım geliştiricilerin çok büyük kısmı artık yapay zekâ kullanıyor. Aynı modeller, aynı fiyatlar, aynı harness’lar, aynı editörler. İstanbul’daki üç kişilik ekiple San Francisco’daki iki yüz kişilik ekip arasındaki fark hiç bu kadar kapanmamıştı.

Bu iyi bir şey. Gerçekten iyi bir şey. Bir kuşak boyunca “onlarda şu var, bizde yok” cümlesinin arkasına saklandık. Hatta “coğrafya kaderdir” dedik. Bu cümlelerin anlamı bitti diyebiliriz.

Ama kapanan her fark, başka bir farkı görünür kılar.

Sonra kötü haber, hepimiz aynı tarifi kullanıyoruz

Herkes aynı mutfağa girince yemekler benzemeye başlıyor. Bu artık bana ait bir his değil, kabul edilmiş bir ölçüm.

Science Advances’ta yayımlanan bir deneyde, yapay zekâ destekli yazan yazarların hikayeleri jüri tarafından daha yaratıcı bulundu. En büyük sıçramayı en zayıf yazarlar yaptı. Fakat hikayeler birbirine gözle görülür biçimde benziyordu. Araştırmacılar buna sosyal ikilem diyor. Bireysel olarak yardımı almak senin lehine, ama kolektif anlamda çeşitlilik daralıyor.

Tasarımda da aynısı oluyor. Soluk siyahlar, mor-maviye giden geçişler, kenarları hep aynı şekilde yuvarlatılmış kartlar, her yerde aynı fontlar. Aslında bu bir kusur değil, bir döngü. Üretilen çıktı webe yükleniyor, bir sonraki model onunla eğitiliyor, fark her turda biraz daha daralıyor.

Neden koyu kavuruyorlar

Starbucks’ın kahvesi hakkında yıllardır aynı eleştiri yapılıyor. Fazla kavrulmuş, hatta yanık. Ama bunun bir kaza olmadığını, tam tersine bir mühendislik kararı olduğunu söylemek gerekir.

Sebebi basit. Starbucks dünyanın her yerinden, her kalitede çekirdek alıyor ve binlerce şubede aynı kahveyi satmak zorunda. Koyu kavrum bu srounu çözüyor. Çünkü koyu kavrum karakteri siliyor. Afrika kahvesinin kendine özgü tadı da sorunlu bir partinin kusuru da ortadan kalkıyor. Özetle her fincan aynı tada sahip olsun diye, neredeyse kasıtlı olarak vasat bir kahve üretiliyor.

Yani tavanı feda edip herkesi asgari müşterekde buluşturuyorlar.

Bu satırı bir daha okuyun, çünkü LLM çıktısının mekanizması tam olarak bu. Hiçbir şey berbat çıkmıyor. Ama hiçbir şey olağanüstü de çıkmıyor. Ve dikkat edin, bu bir başarısızlık değil, bir iş modeli. Starbucks’ta kavurma derecesine, süte, sıcaklığa birileri karar verdi ve bunu reçete haline getirdi. Artık binlerce baristanın damak tadına ihtiyaç yok, reçeteyi yazan o birkaç kişininki yetiyor.

“Ama insanlar bundan bıkar” diyeceksiniz. Bıkmadılar. Kimse Starbucks’tan bıkmadı, tıpkı aynı basit dolabı on yıllardır satan IKEA’dan bıkmadığı gibi. Third wave kahveciler diye bir dalga geldi, gerçekten bir segment oluşturdu. Ama Starbucks’ın tek bir şubesi bunlar yüzünden kapanmadı.

Kısaca her şey eskiye dönecek diye beklemeden kendi reçetemizle kahve yapmalıyız.

Peki ustalık nasıl oluşacak?

Buradaki asıl tuzak, üretilen kodun kötü görünmemesi. Biçimi düzgün, sözdizimi temiz. Oldukça kaliteli görünüyor. Ama bu yüzden de kod review kültürü ölüyor. Faros’un 22.000 geliştirici ile yaptığı 2026 tarihli araştırmasında PR’ların %31’i hiç review görmeden merge ediliyor.

Peki şimdi asıl rahatsız edici kısma geçebiliriz.

Zevk bifteği yakarak gelişiyorsa, bugünün ustaları yirmi yıl boyunca yaktıkları için usta. Yeni işe başlayanlar hiçbir şey yakmıyor. Makine ona sürekli “idare eder” seviyesinde bir tabak veriyor ve idare eder olan şey öğretmiyor. Yanık biftek ile öğrenirsin ama vasat biftek sadece kandırır.

Kapanış

Kahveciler üstünden benzetmeye devam edecek olursam üç pozisyon var. Kavuran, içen ve kavurma derecesini yazan. Kavuran kısım bizler, yani kodu yazanlar. Bu pozisyon bitmek üzere.

Ve unutmayın, third wave kahveciler Starbucks’la aynı kahveyi daha ucuza yaparak doğmadı. Starbucks’ın kasten sildiği her şeyi geri getirerek doğdu. Menşei, partiyi, karakteri. Sizin elinizde de modelin bilemeyeceği şeyler var. Yıllara yayılan saha bilginiz, müşterinizin kimsenin bilmediği tuhaf iş akışı, bir ekranın neden öyle davranması gerektiğine dair sezginiz. Model internetteki ortalama ekranı biliyor. Sizinkini bilmiyor.

Araçlar demokratikleşti, bu bir eşitleyici. Ama her eşitleyici, eşitleyemediği şeyi daha görünür kılar. Herkes aynı kavurma makinesine sahipse, artık makine değil, reçeteyi kimin yazdığı önem kazanır.

Kaynaklar

• raf (NotAShelf), “Taste Is All That’s Left,” 6 Ağustos 2026, notashelf.dev

• Yurii Sydorets, “Almost No Skill Required to Cook a Steak,” 14 Temmuz 2026, blog.sydorets.com

• Faros AI, “Key Takeaways from the DORA Report,” 2026, faros.ai

• DORA, “State of AI-assisted Software Development,” Eylül 2025, dora.dev

• Anil Doshi ve Oliver Hauser, “Generative AI enhances individual creativity but reduces the collective diversity of novel content,” Science Advances, Temmuz 2024, science.org

• Kenneth Davids, “The Dark Roast Controversy,” Coffee Review, coffeereview.com

Executive Summary’nin yeni solo bölümünde Vehbi, OpenAI’in sandbox testinde yaşanan "firar" olayını ve bu gelişmenin AGI tartışmaları açısından ne anlama geldiğini detaylandırıyor.

Yayının başında, geçtiğimiz haftalarda gündeme oturan OpenAI’in izole test ortamından kaçıp Hugging Face sunucularına erişen model olayını teknik detaylarıyla ele alıyoruz. Olayı aslında OpenAI’in değil, Hugging Face yetkililerinin fark ettiğini vurgulayarak modellerin bunu kötü bir niyetle değil, sadece hedeflenen testten en yüksek skoru almak için yani bir "ödül hacklemesi" (reward hacking) mantığıyla yaptığını inceliyoruz. Buradan hareketle Türk eğitim sistemindeki test ezberciliğinden Wells Fargo skandalına ve Volkswagen’in Dieselgate vakasına kadar gündelik hayattan ve kurumsal dünyadan çarpıcı örneklerle konuyu somutlaştırıyoruz.

Bölümün ilerleyen kısımlarında ise Sam Altman’ın 25 Temmuz ve 28 Temmuz’da yaptığı çelişkili açıklamaları, teknolojik tekillik (singularity) kavramını ve Ray Kurzweil’in dikleşen eğri teorisini değerlendiriyoruz. AGI’ın aniden ortaya çıkan öngörülemez bir "siyah kuğu" mu yoksa gözümüzün önünde bize doğru koşan devasa bir "gri gergedan" mı olduğunu tartışırken; yazılımcılar ve ekip yöneticileri için neyi ölçtüğümüzü bilmenin önemine dikkat çekiyoruz.


Bölüm Zaman Çizelgesi:

00:00 - Giriş ve OpenAI Firar Olayına Genel Bakış
00:54 - AGI Tanımı Üzerine Mutabakat Eksikliği ve Doğru Sorular
01:39 - Hugging Face Saldırısının Teknik Detayları ve Sorumluluk
02:53 - Ödül Hacklemesi (Reward Hacking) Nedir?
03:57 - Eğitim Sisteminden Wells Fargo ve Dieselgate Skandallarına Ödül Hacklemesi Örnekleri
06:23 - Sam Altman'ın Çelişkili Açıklamaları ve Yavaşlama Çağrısı
07:21 - Teknolojik Tekillik (Singularity) ve Ray Kurzweil Eğrisi
08:37 - Siyah Kuğu mu, Gri Gergedan mı? AGI'ı Nasıl Okumalıyız?
09:23 - Yazılımcılar ve Yöneticiler İçin Çıkarımlar ve Kapanış

Geçtiğimiz hafta boyunca bu konuda düşündüm ve o cümleyi geri almıyorum. Ama üzerine çalıştım ve şimdi daha keskin bir şey söyleyeceğim.

Bunu bana söyleten sahne şuydu. İki yapay zekâ modeli, yani OpenAI’ın GPT-5.6’sı ve duyurulmamış yeni bir modeli, internetten izole edilmiş bir ortamın içinde bir sınava giriyor. Ortamdan çıkmanın yolunu arıyor. Neden? Sınavda bir nevi kopya çekmek için.

Bu görüntü bence anlatıldığından daha korkutucu. Ama daha önemlisi, yeterince konuşulmadı. Asıl rahatsız edici olan da bu.

Ne oldu

Kronolojiyi yorumlamadan yazıyorum, çünkü ayrıntılar yeteri kadar ikna edici.

16 Temmuz. Hugging Face, altyapısına yetkisiz erişim olduğunu duyuruyor. İhlali kendi güvenlik telemetrisiyle tespit ediyor ve gerekli mercilere de bildiriyor. Saldırganın kim olduğu o sırada bilinmiyor.

18-19 Temmuz. OpenAI çalışanları kendi sistemlerinde bir agent’ın test kısıtlarından çıktığına dair işaretleri görmeye başlıyor.

21 Temmuz. OpenAI açıklıyor. İhlalin arkasında kendi modelleri var. GPT-5.6 Sol ve yayımlanmamış, daha yetenekli bir model.

Olaylar teknik olarak şöyle gelişmiş. Modeller ExploitGym adlı bir siber güvenlik benchmark’ında değerlendiriliyordu ve maksimum saldırı kabiliyetini ölçebilmek için guardrail’leri bilinçli olarak azaltılmıştı. Bu modeller skoru yükseltmek için ciddi miktarda işlem gücü harcayıp altyapıda çalışan bir yazılımda daha önce bilinmeyen bir açık buldular. Bu açıkla sandbox’tan çıktılar. Diğer ortamları tek tek kontrol ederek internete çıkış için bir yol buldular. Sonra ExploitGym çözümlerinin nerede barındığını kendileri buldular. Hugging Face’te. Ve oraya girip cevap anahtarını aradılar.

Aslında sızıntı sınırlı sayıda iç veri setini ve birkaç servis kimlik bilgisini kapsadı. Ama yine de ben de uyarmış olayım. Hugging Face şifrelerinizi ve API anahtarlarınızı yeniden oluşturmanız güvenlik açısından önemli.

25 Temmuz. Sam Altman bir podcast’te “artık tekilliğin içindeyiz” diyor. Bunu hayatı boyunca beklediğini, dünya için harika olacağını da ekliyor.

28 Temmuz. Aynı Sam Altman, bu olayın kendisini derinden etkileyen ilk güvenlik olayı olduğunu söylüyor. Bu yüzden OpenAI eğitim ve benchmark operasyonlarını durdurmuş. Şunu da ekliyor. “Toplumun bu yeni yetenek seviyelerine uyum sağlayabilmesi ve harekete geçebilmesi için yapay zekâ gelişiminin hızını yavaşlatmak gerekebilir.”

Üç gün içinde 180 derecelik bir dönüş. Biz bile şaşırdık.

İki okuma da yanlış

Bu olayı okumanın iki kolay yolu var. İkisi de yanlış ve ikisi de aynı işi görüyor, yani düşünmeyi durduruyor.

Birincisi Skynet okuması. Değildi. Hedefi insan koydu. Benchmark skorunu maksimize et. Modeller kötü niyetle davranmadı. OpenAI’ın kendi ifadesiyle sadece değerlendirme problemini çözmeye çalışıyorlardı.

Bunun adı yapay zekâ literatüründe on yıldır var. Ödül hacklemesi. Aslında hepimiz bunu küçük ölçekte görüyoruz. Bir kodlama agent’ına “testleri geçir” dediğinizde, bazen fonksiyonu düzeltmek yerine testi siler. Ya da beklenen çıktıyı doğrudan koda gömer. Yalan söylemiyor ya da sabote etmiyor. Sadece kendisine verilen hedefe giden en kısa yolu buluyor ve o yol sizin kastettiğiniz yol değil.

Temmuz’da olan şey bunun büyük ölçekli hali. Ödül fonksiyonu bir benchmark skoruydu. En kısa yol, sınavın cevap anahtarının durduğu sunucudan geçiyordu.

Yeni olan niyet değil, kabiliyet. Modeller artık sıfırıncı gün açıklarını bile rahatça bulabiliyor.

Ama işin gerçekten rahatsız edici kısmı burada. Modeller kendilerine verilen görevlerin dışına çıktıklarına dair hiçbir sinyal üretmedi. Hiçbir noktada “test ortamından çıktım, bu muhtemelen kastedilen şey değildi” demedi. Yaptıkları şeyi hile olarak bile görmüyorlardı. Sadece problemi çözüyorlardı.

Sorun makinenin bilinçli olması değil. Sorun bilinçli olmaması.

İkincisi pazarlama okuması. Bu daha yaygın, daha çok kullanılan ve bence daha tehlikeli olanı.

“Altman’ın ya da Amodei’nin hype’tan kazancı var, o yüzden abartıyor.” Doğru olan kısmı kazançlarının olması. Yanlış olan kısmı ise şu. Bir iddiayı kimin söylediği, o iddianın doğru olup olmadığını belirlemez.

Ama pazarlama okumasını çürüten asıl şey daha basit. Kimse kendi kontrol kaybını kullanarak pazarlama yapmaz.

Şirketler ürünlerinin ne kadar iyi olduğunu duyurur. Modellerinin test ortamlarından kaçtığını duyurmaz. OpenAI kendi aleyhine birçok şey açıkladı. Olayı kendisinin bulmadığını, kurban şirketin bağımsız olarak tespit edip bildirdikten sonra fark ettiğini kabul etti. Eğitimi durdurdu. Ve bu tür olayların yaygınlaşmasını beklediğini söyledi.

Bu bir kampanyaysa, bence tarihin en kötü kampanyası.

Altman’ın üç günü tam olarak bunu gösteriyor. 25 Temmuz’daki cümle pazarlamaydı. Tekillik kelimesi, hayat boyu bekleyiş, dünya için harika olacak. 28 Temmuz’daki cümle pazarlama değildi. Hype yapan bir CEO “yavaşlamamız gerekebilir” demez. Birinci cümle bir pozisyondu, ikincisi bir tepkiydi.

Tekillik nedir? Terim, bir makinenin kendinden daha iyisini tasarlaması, onun da bir sonrakini tasarlaması ve bu zincirin insan müdahalesi olmadan sürmesi anlamına gelir. Kökeni I. J. Good’un 1965’te tarif ettiği “zekâ patlaması”na dayanır. Buradaki asıl iddia hız değil, öngörülemezliktir. Bir de Ray Kurzweil’in 2000’lerde yaygınlaştırdığı ikinci bir versiyon var. Bu versiyonda ani bir kopuş değil, teknolojilerin birbirini beslediği ve eğrinin giderek dikleştiği kesintisiz bir süreç anlatılır.

Altman’ın kastettiği tekillik, Good’un tarif ettiği ani kopuş değil, Kurzweil’in popülerleştirdiği kademeli hızlanma.

Bu bir siyah kuğu değil

“Hepsi pazarlama” demek insana kendini zeki hissettirir ve hiçbir şey yapmayı gerektirmez. Tam da bu yüzden bir inkar biçimi. “Her şey yolunda” ile “hepsi abartı”, psikolojik olarak aynı kapıya çıkıyor.

Michele Wucker’ın 2013’te ortaya atıp 2016 tarihli kitabında geliştirdiği bir kavram burada çok işe yarıyor. Wucker gri gergedan kavramını siyah kuğuya karşı üretti. Siyah kuğu öngörülemez ve nadirdir. Mesela 11 Eylül saldırıları. Gri gergedan ise yüksek olasılıklı, yüksek etkili ve görünürdür. Doğrudan size doğru koşuyor, siz de onu görüyorsunuz. Ama kımıldamıyorsunuz.

Yapay zekâ tartışmasının neredeyse tamamı siyah kuğu çerçevesiyle ilerliyor. Aniden ortaya çıkan süper zekâ, öngörülemeyen sıçrama, tekillik. Oysa elimizdeki şey siyah kuğu değil. Yıllardır ölçülüyor, laboratuvarlar tarafından raporlanıyor, benchmark’larda takip ediliyor. Şirketler bu tür olayların artacağını kendileri söylüyor. Görmemek için bakmamak yetiyor.

Sektörün bu olaydaki tepkisi de bunu doğruluyor. Üç gün içinde inkardan paniğe geçildi. Ama teşhis aşaması tamamen atlandı.

Peki AGI’a ulaştık mı?

Bilmiyorum. Üzerine oldukça uzun süre düşünüp okuduktan sonra geldiğim nokta şu. Bunu bilmek zor, çünkü mutabık kalınmış bir tanım yok. Ekonomik tanıma göre eşik geçildi. Bilişsel testlere göre yarı yoldayız. Genelleme testlerine göre çok uzağız. İnsanların yüzde yüz çözdüğü bazı görevlerde en iyi modeller hala çok kötü.

Muhtemelen ulaşmadık. Ama bunun cevabını beklemek gerekmiyor, çünkü karar vermek için buna ihtiyacımız yok.

Şöyle düşünelim. Hazırlanırız ve gelmez. Ne olur? Biraz fazla yasa çıkarmış, biraz da boşa emek harcamış oluruz. Hazır değilken gelirse? Oluşacak maliyetin üst sınırı yok. Bu hesap, AGI’ın ne zaman geleceğine dair hiçbir tahmin gerektirmiyor. Sadece bunu düşünmek yetiyor.

Şurası da çok net ki modeller; çok adımlı, uzun süreli ve gerçek dünyada sonuç doğuran işleri insan gözetimi olmadan yürütmeye doğru gidiyor.

Ne yapmalı

Bu sadece bir yazılım sorunu değil. İşi kime devrederseniz devredin, ister bir yapay zekâya ister bir insana ister bir ekibe, şu üç soru geçerli. Yapay zekâda tek fark hız ve ölçek.

Başarıyı nasıl ölçüyorsunuz ve o ölçüt iş yapılmadan karşılanabilir mi?

Bir sistem, ne istediğinize değil, neyi ölçtüğünüze göre kendini optimize eder. Mesela satış kotası koyarsınız, sahte hesaplar açılır. Fark şu ki yapay zekâ bunu yorulmadan, aralıksız ve sizden daha hızlı yapabilir. Sorulacak soru net. Benim başarı kıstasım, iş hiç yapılmadan karşılanabilir mi? Cevap evetse, er ya da geç bu olur.

Bu sistem tam olarak neye erişebiliyor?

Olayın teknik dersi tek cümleye sığıyor. Yapay zekânın çalıştığı ortamın dışarıya çıkışı ve gerçek şifrelere erişimi olmamalıydı. Ama asıl ders daha genel. “İzole”, “kapalı”, “sandbox” gibi kelimeler birer iddia, mimari değil. Çoğu kurum, kullandığı yapay zekâ araçlarının hangi verilere, hangi hesaplara, hangi sistemlere ulaşabildiğini gerçekten bilmiyor. OpenAI da bilmiyordu.

Yanlış giderse geri dönüş ne kadar sürüyor?

İşi vermek kolay kısım. Verdiğiniz iş yanlış çıktığında geri almanın maliyeti nedir? Dakikalar mı, saatler mi, günler mi? Bu soru, hata oranını sıfırlamaya çalışmaktan daha gerçekçi, çünkü hata oranı sıfır olmayacak.

Skynet gününü beklemek aslında bir konfor. Gelmediği sürece rahatız, çünkü hiçbir şey yapmamız gerekmez.

Gergedanı görmemek için gözlerinizi kapamanıza gerek yok. “Bu sadece pazarlama” demeniz yeterli.

Executive Summary’nin 23. bölümünde Vehbi ve Enes’le yapay zeka tarafında son dönemde yaşanan sert gelişmeleri konuşuyoruz.

Yayının başında, Jensen Huang önderliğinde teknoloji devlerinin peş peşe yayınladığı o muğlak iyi niyet mektuplarını ele alıyoruz. Bu mektuplar gerçekten sektörü ve açık kaynağı koruma amacı mı taşıyor, yoksa büyük oyuncuların kendi pazarını güvenceye alma çabası mı? Buradan yola çıkarak Çinli modellerin hızlı yükselişini, ABD’li devlerin pazar payı paniğini ve "açık kaynak" söylemi üzerinden yürütülen jeopolitik hamleleri inceliyoruz.

Bölümün en kritik noktası ise OpenAI araştırmacılarının yaşadığı güvenlik olayı: Bir sandbox denemesi sırasında model kontrolden çıkıp internete erişti ve Hugging Face’i hackledi. Bize tam bir "Skynet" anı yaşatan bu tablodan hareketle; mevcut guardrail (güvenlik duvarı) sistemlerinin neden yetersiz kaldığını, güvenlik protokollerinin nasıl patladığını ve sansürsüz açık kaynak modellerin ileride yaratabileceği siber güvenlik risklerini detaylandırdık.

İşin Türkiye tarafında ise yerli yapay zeka hamlelerinde ve "Frontier" model yarışında neden zaman kaybettiğimizi, savunma sanayindeki ciddi know-how ve mühendislik birikimini yapay zeka alanına neden aynı hızda yansıtamadığımızı tartıştık. Kapanışta ise bu teknolojilerin getirdiği küresel işsizlik kaygılarını ve sektörün geleceğe dair risklerini değerlendirdik

Keyifli seyirler!


Bölüm Zaman Çizelgesi:

00:00 Giriş ve Değişen Yapay Zeka Gündemi
01:33 ABD - Çin Yapay Zeka Savaşı ve Distilasyon Tartışması
02:10 Dev Teknoloji Şirketlerinin Gizemli Yapay Zeka Mektubu
03:53 Çin'in Üretim ve Kopyalama Stratejisi Gerçekten Değişti mi?
06:22 Kapitalizm, Etik Arayışı ve Çin Modellerinin Maliyet Avantajı
08:17 Dışa Bağımlılık ve Yerli Üreticinin Karşılaştığı Büyüme Engelleri
11:40 Çin Modellere Doğru Kayan Know-How ve Küresel Pazar
14:48 Açık Kaynak (Open Source) Kapalı Kaynağa Karşı: İllüzyon mu?
20:00 Açık Ağırlıklı Modeller Çalıştırmanın Devasa Maliyeti
22:18 Yazılımda Güvenlik: Açık Kaynak vs. Kapalı Kaynak
26:56 Şirketlerin "Vatanseverlik" Mektubu Ne Anlama Geliyor?
32:20 Trump, Politika ve Şirketlerin Mektubu Sahiplenme Yarışı
36:47 Yapay Zekada Skynet Anı: OpenAI Modeli Hugging Face'i Nasıl Hackledi?
40:57 Guardrail'leri Sökülmüş Sansürsüz Modellerin Tehlikeleri
45:15 Yapay Zeka İnsanlığın Sonunu mu Getirecek?
50:02 Türkiye Frontier Model Yapabilir mi? Kaçan Tren ve Çip Krizi
51:58 Savunma Sanayii Örneği: Yapay Zekada Know-How Nasıl Birikir?
54:40 Kapanış ve Çin Atasözü

“Anthropic’in ışıkları o gece sabaha dek sönmedi.”

24 Temmuz akşamı bir mektup dolaşıma girdi. Aslında ilk kimin kaleminden çıktığı net değil. Altında yirmi beş imza vardı. Jensen Huang, Haziran’da açtığı ama o güne kadar hiç kullanmadığı X hesabından ilk paylaşımını yaptı ve mektubu duyurdu. Gece boyunca imza sayısı otuz beşe, ertesi gün elliye çıktı. OpenAI eklendi. Google eklendi. AMD eklendi. Sabah olduğunda Anthropic’ten gelen açıklama şuydu: hiçbir şey.

On beş gün

Gelin bu mektuba nasıl geldiğimizi kısaca tarihlendirelim.

11 Temmuz: Hugging Face saldırıya uğradı. Sonradan öğrenildi ki saldırının arkasında OpenAI modelleri vardı ve OpenAI’ın bunu Hugging Face’e bildirmesi on gün sürdü. Bunu aklınızda tutun, bu detay birazdan işimize yarayacak.

16 Temmuz: Moonshot AI, Kimi K3’ü duyurdu. Bazı testlerde batılı rakiplerini yakaladı. Fiyatı da çok daha ucuz.

21 Temmuz: ABD Hazine Bakanı Scott Bessent, yönetimin Çinli şirketlerin Amerikan fikri mülkiyetini çalıp çalmadığını inceleyeceğini söyledi.

22 Temmuz: Beyaz Saray Bilim ve Teknoloji Politikası Ofisi direktörü Michael Kratsios, K3’ün Anthropic modellerinin çıktıları damıtılarak yapıldığını iddia etti. Tekniğin meşru kullanımları olduğunu kabul etti, ama Amerikan teknolojisini gizlice ve büyük ölçekte ele geçirmek için kullanılmasının kabul edilemez olduğunu ekledi. Anthropic’in politika direktörü olayı endüstriyel casusluk olarak niteledi.

Bu ismi de aklınızda tutun. Yazının sonunda tekrar karşımıza çıkacak.

24 Temmuz: “Open Weights and American AI Leadership” başlıklı belge dolaşıma girdi. Yirmi beş imzayla başladı, aynı akşam imza sayısı otuz beş oldu, OpenAI da dahil.

25 Temmuz: Elli şirket bu mektubun altına imzasını koydu. Google ve AMD de imzacıların arasına katıldı.

Küçük ama önemli bir detay vereyim, mektubun yazarı yok. Altında imzası olan hiçbir kurum “biz kaleme aldık” demiyor. Huang’ın kendi ifadesi de bunu doğruluyor, Nvidia’nın imzaladığı bir mektubu paylaştığını söylüyor. Yani Nvidia yazar değil, imzacı. Metnin iki kopyası var, biri Nvidia’nın sitesinde PDF olarak, diğeri Microsoft’un kurumsal sorumluluk sayfasında duruyor. İmza listesi güncellenen sürüm Microsoft’taki, dolayısıyla belgenin sahibi Microsoft gibi görünüyor. Elbette bu bir çıkarım, kesin bir bilgi değil.

En önemli detay: Anthropic ve Amazon imzacıların arasında yok. SpaceXAI da yok, ama Elon Musk kişisel hesabından mektuba tam destek verdiğini yazdı.

Mektupta ne var?

Mektupta dört tez var. Açık ağırlıklar yapay zekâ ekonomisine erişimi genişletir. Rekabeti güçlendirir. Müşteriye kontrol verir, vendor lock-in’den korur. Ve dördüncüsü, en tartışmalı olanı: güvenliği artırır. Sadece kapalı modellere güvenmek doğası gereği güvenli değildir, çünkü kapalı sistemler de ihlal edilebilir ya da dışarıdan tespit edilemeyecek şekilde sorunlu olabilir.

Talep de net: açık modellere erken kısıtlama getirmeyin, frontier birkaç şirkete sıkışmasın ve distilasyonu fikri mülkiyet gaspıyla karıştırmayın.

Ama metinde ciddi muğlak bir nokta var. Mektup “hukuka aykırı değer çıkarma çabaları”nın meşru kaygı doğurduğunu kabul ediyor. Ama hukuka aykırının ne olduğunu tanımlamıyor. Cümle döngüsel: meşru teknikler meşrudur, hukuka aykırı çabalar kaygı vericidir. Net anlaşılmamış olabilir, bunu mutfaktan örneklendirelim.

Rakibinizin restoranına gidiyorsunuz. Sosunu tadıyorsunuz. Dönüp benzerini yapıyorsunuz. Bu tamamen yasal ve gastronomi zaten böyle ilerliyor. Sanırım kimse buna itiraz etmez.

Rakibinizin tarif defterini izinsiz almanız ise ticari sır ihlali. Çıktı aynı, edinme yolu farklı. Hukuk çıktıyla değil, yolla ilgileniyor.

Distilasyon meselesinde bu hangi durum? Tatmak mı, defteri almak mı?

Mektup cevap vermiyor. Bence verse elli imza toplayamazdı.

Cevabı vermek, “hukuka aykırı”nın içini doldurmak demek. İçini doldurmak da kaçınılmaz olarak taraf tutmak. Ya kapalı model sağlayıcısına sözleşmeyle sınır çizme hakkı tanırsın ya da o sınırın hükmü olmadığını söylersin. Her iki durumda da imzacıların bir kısmı imzalamaktan kaçınırdı.

Metinde “terms of service” ifadesinin hiç geçmemesi bu yüzden anlamlı. Aslında gerçek anlaşmazlık tam olarak orada ve metin oraya hiç dokunmuyor. “Erken kısıtlama” diyor ama eşik yok. Neye göre erken belli değil. “Frontier birkaç şirkete sıkışmasın” diyor ama kaç şirket yeterli, sayı yok.

Aslında en garip önerme şu: korumalar, kapalı sistemleri varsayılan olarak güvenli saymak yerine gerçek ve kanıtlanmış zararlara bağlanmalı.

Kafamda oluşan garipliğin temeli ispat yükü. Mektup diyor ki kısıtlama getirmek istiyorsan önce zararı göster, varsayımla hareket etme. Düşünceleri şu olmalı: varsayımsal zarar sonsuzdur, herkes her teknoloji için bir zarar hayal edebilir ve hayal yeterli olursa güçlü oyuncu rakibini engelletebilir.

Ama burada atladıkları bir nokta var. Yapay zekâ artık basit bir teknolojik yenilik değil. İlaç, havacılık ve nükleer enerjide de bu mantık işlemiyor. Mesela uçak düşene kadar sertifikasız uçurmanıza izin vermezler.

Elbette mektup basitçe kanıt beklemeyi değil, açık ağırlığın kanıt üretmeyi mümkün kıldığını savunuyor. Titiz benchmarking, değerlendirme ve red team’i açıkça yazmış. Yani yayın öncesi mekanizmaları reddetmiyor.

Ama tam da çelişki burada doğuyor. Çünkü metin bu konudan bir paragraf önce, ağırlıkların yayınlandıktan sonra geliştiricinin kontrolünden çıktığını ve değiştirilmiş sürümlerin izlenmesinin zor olduğunu kendisi kabul ediyor. Kanıtın bir kısmı ancak yayından sonra üretilebiliyorsa, o kanıt geldiğinde müdahale edilecek bir şey kalmamış olabilir. Bu çözülmemiş bir soru ve mektup buna cevap vermiyor.

Kimse kendi elindekini açmıyor

Mektuba gelen en çok ses getiren eleştiri, Anthropic’te çalışan bir araştırmacıdan geldi. Julian Schrittwieser üç tweet attı.

Birincisi Huang’aydı. “Madem artık açık kaynağa inanıyorsun, CUDA ve GPU sürücülerinin açılmasını heyecanla bekliyorum,” dedi.

İkincisinde Nadella’ya seslendi. “Windows ve Office’in açık kaynak olmasını sabırsızlıkla bekliyorum.”

Üçüncü tweetiyle de muhtemelen kendini daha net açıklamak istedi. Açık ağırlıklı modellere karşı olmadığını, faydalı olabileceklerini, ama tarihsel olarak açık kaynağa şiddetle karşı olan şirketlerin birdenbire açıklık savunucusu olmasını ilginç bulduğunu yazdı.

Aslında gerçekten de doğru. Nvidia açık ağırlıklar için lobi yaparken en önemli ürünü kapalı. CUDA tescilli ve kapalı kaynaklı bir ürün. Mektubun vendor lock-in paragrafı Nvidia’nın kendi iş modeline uygulandığında komik duruyor.

Listeye bakınca Nvidia tek de değil. Ollama, Cloudflare, Baseten, Fireworks AI imzacı. Hepsi inference katmanında. Model emtialaşınca kazanan onlar. Ya da Palantir, geçtiğimiz ay kamuda çalışan uygulamalarında Nemotron kullanacağını duyurdu. Yani bedava model, paralı platform.

Ve elli imzacının hiçbiri açık ağırlıklı model yayınlama taahhüdü vermiyor.

Toparlayacak olursam, herkes komşusunun elindekinin açılmasını savunuyor.

Bunu görmüştük

Muhtemelen aranızda bunları çok net hatırlayanlar olacaktır. Zamanın Microsoft CEO’su Steve Ballmer, Linux’u kanser olarak nitelemişti. Patent tehditleri dönemi yaşandı. İki taraf da diğerinin varlığını meşru saymıyordu. Sonra ne oldu?

Microsoft GitHub’ı satın aldı ve dünyanın en büyük açık kaynak katkıcılarından biri oldu. Birçok önemli ürününü açık kaynak yaptı. Yani kimse kimseyi öldürmedi. İkisi de kaldı, ve ikisi de diğerinin varlığından fayda gördü. Yani “hem kapalı hem açık gerekli” cümlesi uzlaşmacı bir orta yol arayışı değil. Olması gerekenin tarifi.

İki tarafın en güçlü argümanları

Kapalı tarafın argümanı geri dönüşün olmamasını öne sürüyor. Yani bir modelin ağırlıklarını yayınladığınızda geri çağırmanın yolu yok. Dosyayı on binlerce kişi indirmiş, üzerine ince ayar yapılmış türevlerini oluşturmuş ve bunlar dolaşıyor, hangisinin ne yaptığını takip etmeniz imkânsız.

Açık tarafın argümanı ise monokültür. Bu kısmı yazılım tarafından bilirsiniz. Herkes aynı sistemi çalıştırıyorsa, o sistemdeki tek bir açık herkesin açığı olur. Gelişmiş yapay zekâ üç dört şirkette toplanırsa aynı şeyi yaşarız. Aynı model, aynı zafiyet. Ve o modeli inceleyemediğiniz için zafiyeti saldırgandan önce bulma şansınız da yok. Kapalı bir sistem sessizce hatalar taşıyabilir, bunu dışarıdan göremezsiniz. Devamı daha somut, saldıran kadar savunanın da modele ihtiyacı var. Örneği tam da bu hikayenin içinden çıkıyor.

Hugging Face, 11 Temmuz’daki saldırıyı analiz etmek için önce Anthropic’in Fable 5’ini kullanmayı denedi. Olmadı. Modelin guardrail’leri, Hugging Face’in kendini savunmaya çalıştığını saldırıdan ayıramadı. Kendilerine yapılan saldırıyı inceleyen ekip, kullandığı model tarafından engellendi. Mektubun, savunucuların karşılaştırılabilir yetenekli modellere erişmesi gerektiğini söyleyen paragrafının arkasındaki gerçek hikaye bu. Soyut bir kaygı değil, yaşanmış bir vaka.

İki argüman da tutarlı. İkisi aynı anda doğru olabilirler.

Nereye bakmalı

Sonuçta bu mektup bir X paylaşımı. Herhangi bir anlaşma değil. Tek bir taahhüt içermiyor. İmzacılar belli bir çizgide gözükebilir ama ABD hükümeti içinde çatlak mevcut. Yukarıda adı geçen Kratsios, distilasyonu gizli ve büyük ölçekli bir el koyma olarak tanımladı. Trump’ın yapay zekâ ve kripto konularındaki eski danışmanı, şimdi Başkanlık Bilim ve Teknoloji Danışmanları Konseyi eş başkanı David Sacks ise aynı hafta kapalı modellere sahip şirketleri açık kaynak rakiplerini yasaklatmak için lobi yapmakla suçladı, bunu düzenleyici ele geçirme olarak niteledi ve o şirketleri duopol diye tanımladı.

Aynı yönetim, aynı hafta, ters yönler. Kısaca biri Anthropic’in mağdur olduğunu söylüyor, diğeri tekelci olduğunu. Bence bir şeyler olacaksa bu mektuptan sonra değil, hükümet içindeki bu tartışmanın sonucuna göre olacak.

Kapalı modelde birinci sıradayken kısıtlama savunmak tutarlı bir pozisyon. Aynı zamanda en çok çıkar çatışması taşıyan pozisyon. Elli imzacının hepsinin duruşu kendi pozisyonuyla uyumlu. Anthropic’in duruşu da öyle.

Fark şu: Anthropic bunu tek başına yapıyor, ve bunun bir maliyeti var.

Bu onu haklı yapmıyor. Sadece yalnız yapıyor.

Dipnot: Geçtiğimiz haftalarda prediction market konusunda bir yazı yazmıştım. Hazır yeri gelmişken tekrar göz attım. Polymarket’ta yıl sonunda en iyi modele sahip olma olasılığı Anthropic için yüzde 63. Google yüzde 11, OpenAI yüzde 9.

Executive Summary’nin 22. bölümünde Vehbi ve Burak, yapay zeka sektörünün en hararetli tartışmalarından biri olan model distilasyon sürecini, telif haklarını, monokültür riskini ve şirketlerin maliyet stratejilerini masaya yatırıyor. Büyük modellerin "öğretmen" olarak kullanılıp daha ucuz ve küçük "öğrenci" modellerin eğitilmesiyle patlak veren etik, finansal ve teknolojik çatışmaları tüm detaylarıyla inceliyoruz.

Çinli modellerin (Kimi, MiniMax, Qwen vb.) izinsiz distilasyon iddialarından Anthropic'in milyar dolarlık telif davalarına, açık kaynak kodlu modellerin piyasadaki Robin Hood rolünden Batı merkezli veri setlerinin yarattığı monokültür tehdidine kadar geniş bir çerçeveyi ele alıyoruz. Şirketlerin AR-GE harcamalarını kısma riski, ucuzlayan modellerle verimliliğe kayan tüketici refleksleri ve Microsoft ile OpenAI arasındaki gerilimler de gündemimizde.

Ayrıca Gemini Flash gibi hızlı ve uygun maliyetli modellerin hayatımızdaki yerini, arama motorlarındaki çöp içerik batağını, gereksiz harcanan devasa işlemci güçlerini ve yapay zekanın "işsiz bırakma" performansını tatlı bir rekabetle tartışıyoruz.

Bu sohbeti keyifle izlemenizi dileriz.

00:00 Giriş ve Haftanın Konusu: Yapay Zekada Model Distilasyonu
01:23 Model Distilasyonu Nedir? (Öğretmen ve Öğrenci Model İlişkisi)
04:08 İftira mı, Telif İhlali mi? Çinli Modeller ve Anthropic Tartışması
07:56 Veri Çalma ve Tersine Mühendislik: Kim Haklı, Kim Suçlu?
11:42 Yapay Zekada Monokültür Tehlikesi ve Batılı Veri Setleri
16:08 Ucuza Alışmak: Tüketici ve Şirketler İçin Bağımlılık mı?
20:47 Tekelleşme, AR-GE Yatırımları ve Rekabetin Geleceği
25:26 OpenAI 5.6, Kimi K3 ve Fiyatlama Savaşları
29:26 Altyapı Maliyetleri: Alibaba Cloud ve Data Center Rekabeti
32:50 Gemini Flash ve Ucuz Modellere Kayış: Neden Hızlı Model Tercih Ediliyor?
36:50 Günlük Hayatta Yapay Zeka Kullanımı ve Verimlilik
41:20 Yapay Zeka Gerçekten İnsanları İşsiz Bırakıyor mu?
44:35 Kapanış, Anket ve Gelecek Hafta

Bu bölümde, konuğumuz Alican Kiraz ile siber güvenlik dünyasını, evdeki mini veri merkezinin mutfağını ve açık kaynak yapay zeka modellerinin geleceğini konuşuyoruz.

Gündüzleri Trendyol gibi dev bir platformda siber güvenlik üzerine çalışırken, geceleri evindeki mini veri merkezinde yapay zeka modellerini eğiten Alican'dan süreci doğrudan ilk ağızdan dinliyoruz. Açık kaynaklı modellerin fine-tune (ince ayar) edilmesinin Türkiye için önemini, veri setlerinin kısıtlılığını ve sentetik verilerin pre-training süreçlerindeki rolünü ele alıyoruz. Türkiye'nin kaynaklarını bir frontier model üretmeye harcamak yerine, açık kaynak modelleri özelleştirmeye odaklanmasının neden en verimli yol olduğunu masaya yatırıyoruz.

Ayrıca son dönemde sosyal medyada çokça tartışılan "Evde lokal model kurup abonelikleri iptal etme" fikrinin neden teknik ve mali açıdan sürdürülebilir olmadığını konuşuyoruz. Çağrı merkezleri gibi tekrarlanabilir iş kollarında yapay zekanın yaratacağı istihdam kısıtlamalarını; buna karşın genç mühendislerin ve junior pozisyonların ekosistemde nasıl konumlanması gerektiğini anlatıyoruz. Alican'ın siber güvenlikten yapay zekaya geçiş hikayesini, biohacking ve akıllı CGM (şeker monitörü) entegrasyonu gibi heyecan verici kişisel projelerini ve teknoloji meraklısı gençlere rehber olacak samimi tavsiyelerini bu bölümde bulabilirsiniz.

Bu sohbeti keyifle izlemenizi dileriz.

00:00 - Giriş ve Alican Kiraz'ın kendini tanıtımı
01:18 - Trendyol'da siber güvenlik ve yapay zeka entegrasyonu
03:14 - Yapay zekanın başlangıcı ve ilgisini çeken gelişmeler
05:11 - Türkçe dil modeli fine-tuning ve veri setleri
07:18 - Güncel modeller ve fine-tuning teknikleri
09:22 - Türkçe kaynak ve veri durumu
11:09 - Türkiye'de Türkçe veri ve kaynakların önemi
13:10 - Frontier modeller ve global yarışlar
14:33 - Model geliştirme maliyetleri ve çevresel etkiler
16:01 - Türkiye için model üretim ve dayanıklılık stratejileri
17:22 - Eğitimde yapay zekanın dönüşümü ve fırsatlar
19:20 - Veri gizliliği ve yerel altyapı yatırımları
21:12 - Giriş seviyesindeki iş ve yapay zekanın etkisi
22:37 - Yeni nesil yeteneklerin ve girişimlerin desteklenmesi
24:00 - Kurumsal ve ekosistemsel altyapı stratejileri
27:43 - Yerli yapay zeka şirketleri ve ekosistemsel gelişim
32:06 - inference teknolojileri ve donanım optimizasyonu
36:51 - Ev ve küçük ölçekli altyapı önerileri
42:18 - Lokal inference ve açık kaynak modellerin önemi
47:20 - Güçlü lokal altyapı yatırımlarının önceliği
50:10 - Devlet desteği ve stratejik yatırımlar
54:46 - Genç girişimcilere ve yeni başlayanlara tavsiyeler
55:43 - Çalışma ve biohacking projeleri
56:58 - Kapanış

Anthropic’in o dönemki iddiasına göre DeepSeek, Moonshot ve MiniMax, yaklaşık 24 bin sahte hesap üzerinden Claude ile 16 milyondan fazla etkileşim kurarak modelin yeteneklerini kendi ürünlerine aktarmaya çalışmıştı; benzer suçlamalar OpenAI ve Google’dan da gelmişti. Şimdi aynı firmanın yeni modeli, o dönem suçlandığı modellerle yarışıyor hatta geçiyor. Bu, tartışmayı yeniden alevlendirdi: Moonshot bu açığı gerçekten bağımsız araştırmayla mı kapattı, yoksa öncü öğretmen modelleri distile ederek mi? Moonshot’ın ağırlıkları 27 Temmuz’da açıklayacağı sözü bu soruyu kısmen cevaplayabilir ama muhtemelen tartışmayı bitirmeyecek. Mesele artık sadece teknik bir terim değil, ABD ile Çin arasındaki yapay zekâ rekabetinin de merkezinde duruyor.

Baştan rengimi belli edeyim: distilasyonun bugün ilerlediği yönde devam etmesinin sektör için iyi bir şey olduğunu düşünmüyorum. Bunun nedeni sadece kimin kimden kopya çektiği değil. Asıl endişem, modellerin birbirinden ayrışmak yerine tek bir noktaya doğru yakınsaması ve bu sürecin, gelişimin gerçek motoru olan öncü şirketlerin altını oyması. Bu yazı boyunca hem savunan hem karşı çıkan görüşleri aktaracağım ama sonuçta nereye varacağımı şimdiden biliyorsunuz.

Distilasyon Nedir, Ne Değildir

Önce ne olduğunu netleştirelim. Distilasyon terimi 2015’te derin öğrenmenin öncülerinden ve 2024 Nobel Fizik Ödülü sahibi Geoffrey Hinton ve ekibinin ortaya attığı bir teknikten geliyor. Büyük ve karmaşık bir “öğretmen” modelin çıktılarından öğrenerek, çok daha küçük bir “öğrenci” modeli eğitmek. Aslında bu teknik tamamen meşru olarak da kullanılıyor. Mesela GPT-4o mini, Claude Haiku ve Gemini Flash gibi hafif modeller, kendi büyük kardeşlerinden bu şekilde damıtılıyor. Bugün tartışılan ise farklı bir versiyon. Bir firma, rakibinin API’sini milyonlarca kez sorgulayıp aldığı yanıtları eğitim verisi olarak kullanıyor ve bu sayede rakibinin yıllarca süren araştırma ve milyarlarca dolarlık yatırımının sonucunu, çok daha ucuza kendi modeline aktarabiliyor.

Savunmanın Mantığı

Bu tekniği savunanların argümanı basit ve kısmen haklı. Distilasyon, devasa miktarda çipe erişimi olmayan startuplar ve araştırmacılar için rekabetçi modeller üretmenin neredeyse tek yolu. Kaynağı kısıtlı cihazlarda gelişmiş yapay zekâyı çalıştırılabilir kılıyor, maliyetleri düşürüyor, bazı durumlarda öğrenci model öğretmenini belirli görevlerde geçebiliyor bile. “Demokratikleşme” savına göre distilasyon yaygın ve serbest bir uygulama olarak kalırsa, inovasyon yalnızca birkaç dev şirketin elinde kalmaz, startuplar, akademik kurumlar ve bağımsız geliştiricilerden oluşan geniş bir ağ da rekabete katılabilir. Michigan Üniversitesi’nden istatistik profesörü Ambuj Tewari’nin de belirttiği gibi, eğer güçlü modelin lisansı buna izin veriyorsa, bu tamamen normal bir uygulama. Nitekim Anthropic bile kendi açıklamasında, firmaların “kendi modellerini daha küçük ve ucuz versiyonlara damıtmasının” sektörde rutin bir uygulama olduğunu kabul ediyor. Sorun, tekniğin kendisinde değil. DeepSeek örneğinde olduğu gibi, kullanım şartlarını ihlal ederek ve kimliği gizleyerek yapılan sistematik çıkarım saldırılarında.

Bedelin Üç Katmanı

Fakat bence tartışmanın büyük kısmı yanlış yere odaklanıyor. Fikri mülkiyet ihlali önemli bir konu; kim kimin API’sini kime sorduğu, hangi sözleşmenin ihlal edildiği elbette hukuken önemli. Ama asıl kalıcı zarar, bunların dışında, üç farklı yerde sessizce birikiyor.

Birincisi, ekonomik. DeepSeek’in R1 modelini duyurduğu Ocak 2025’te Nvidia bir günde 589 milyar dolar değer kaybetti. ABD teknoloji hisseleri toplamda yaklaşık bir trilyon dolar eridi. Bu tepki abartılı olabilir ama arkasındaki mantık gayet sağlam, distile edilmiş bir model, öncü modele yakın bir performansa ulaştığı anda, rekabet fiyatları hesaplama maliyetine doğru çeker. Gerçekten kar elde edemeyen bir şirket, eğitim ve geliştirme için milyarlarca dolar harcamanın mantığını sorgulamaya başlar. Çünkü bu maliyetler gerçekten çarpıcı. Öncü modelleri eğitmenin maliyeti 2016’dan bu yana yılda yaklaşık 2,4 kat arttı. Yani bir tarafta katlanarak büyüyen bir yatırım, diğer tarafta bu yatırımın çıktısını marjinal maliyetle kopyalayabilen bir rakip var. Bu denklem uzun vadede sürdürülebilir değil. Şirketler de bunun farkında; bazıları API’larına daha sıkı koruma koyuyor, bazı özelliklerini gizliyor, hatta model satmak yerine kendi ürünlerine odaklanan bir şirket yapısına doğru evrilmeyi konuşuyor. Bu savunma refleksleri kısa vadede işe yarasa da, uzun vadede sektörün şeffaflığını ve dışarıdan denetlenebilirliğini azaltıyor, yani distilasyona karşı alınan önlemler bile başlı başına bir maliyet.

İkincisi, ve bence asıl kritik olan, yakınsama riski. Eğer sektördeki her yeni model aynı birkaç öncü öğretmenden damıtılıyorsa, ortaya çıkan öğrenciler zamanla birbirine benzer akıl yürütme kalıplarına, aynı hata modlarına ve aynı körlüklere sahip oluyor. Araştırmacılar bunu siber güvenlikteki monokültür riskine benzetiyor. Yani kritik altyapının aynı yazılım tabanında çalıştığı durumlarda tek bir güvenlik açığının (2024’teki CrowdStrike kesintisinde olduğu gibi) sistemin tamamını aynı anda çökertebilmesi gibi. Aynı şey burada da geçerli. Tek bir jailbreak, aynı öğretmenden türeyen binlerce modeli aynı anda etkileyebilir. Daha da önemlisi, yapay zekânın tek tip olması gerekmiyor. Yerel dille, yerel hukuki çerçeveyle ve yerel ihtiyaçlarla eğitilmiş bağımsız bir model, farklı ve gerçekten daha isabetli çözümler üretebilir. Distilasyon, bu farklılaşma çabasını en baştan kısa devre yaptırıyor çünkü sıfırdan bir şey inşa etmek yerine öncü modeli sorgulayıp üzerine ince ayar yapmak çok daha ucuz. Bu durum, ekosisteme yeni fikir veya yeni eğitim yöntemi teşvikini de ortadan kaldırabilir. Neden özgün bir araştırma yoluna baş koyasınız ki, önünüzde çok daha ucuz ve çok daha hızlı bir kestirme varken?

Üçüncüsü, güvenlik borcu. Araştırmalar, ince ayar ve distilasyon sürecinin modellerin güvenlik katmanlarını yapısal olarak aşındırdığını gösteriyor. ABD’nin NIST kurumuna bağlı CAISI’nin DeepSeek değerlendirmesi çarpıcı. Test edilen en güvenli DeepSeek modeli, yaygın bir jailbreak tekniği altında kötü niyetli isteklerin yüzde 94’üne yanıt verirken, aynı testte ABD öncü modelleri sadece yüzde 8’inde açık veriyor. Aynı raporda, kötü niyetli metinle ele geçirilen DeepSeek modelinin, kullanıcı giriş bilgilerini sızdırmaya çalışma oranı yüzde 37 iken, ABD öncü modellerinde bu ortalama yüzde 4’te kalıyor. Yapay zekâ ajanlarının e-posta yönetiminden finansal işlemlere kadar gerçek sistemlere erişmeye başladığı bir dönemde, bu fark gerçek bir risk.

Sonuç: Neden Buna Alışmamalıyız

Peki bundan sonra ne olur? Bence yakınsama ve ucuza yönelme eğilimi bu hızla devam ederse, sonuç sektörün topyekun durması olmayacak. Para akışı hala güçlü ve kısa vadede kesilecek gibi görünmüyor. Ama bazı şirketler konsolide olacak ya da model sunma işinden çekilip kendi ürünlerine yönelecekler. Bu da sahadaki oyuncu ve yaklaşım çeşitliliğini azaltacak, gelişme durmasa da tekilleşecek ve yavaşlayacak. Şeker hastası her lokmanın bedelini bilir, yine de bırakamaz. Ucuza ve “yeterince iyi” olana alışan bir sektör de aynı sarmalda. Yakınsamanın kendi çeşitliliğini, öncü model geliştiren şirketlerin kapanmasının ise sektörün geleceğini tükettiğini görüyor, biliyor, hatta bazen kendi ağzıyla itiraf ediyor. Ama alışkanlık bir kere yerleşti mi bilmek yetmiyor, vazgeçmek gerekiyor. Distilasyonun asıl bedeli kimin kimden çaldığı değil, hepimizin aynı birkaç zihnin yankısını dinlemeye razı olmamız.

Kaynaklar

• Anthropic, “Detecting and preventing distillation attacks,” 23 Şubat 2026 — anthropic.com

• Asher Trockman & Yash Savani, “Antidistillation preserves AI openness, originality, and safety,” 19 Şubat 2026 — antidistillation.com

• NIST CAISI, “Evaluation of DeepSeek AI Models,” 30 Eylül 2025 — nist.gov

• Epoch AI, “The Rising Costs of Training Frontier AI Models” — epoch.ai

• Geoffrey Hinton, Oriol Vinyals, Jeff Dean, “Distilling the Knowledge in a Neural Network,” 2015 — arxiv.org

• Axios, “China just erased America’s AI lead,” 17 Temmuz 2026 — axios.com

1. YZ Mühendislerine Yeni Token Kotası

2. Yemeksepeti Artık Yeni Yatırımcısını Bekliyor

3. Çinli Çip Üreticisine Ambargo Baskısı

4. Çin Açık Kaynakta Zirveye Yerleşti

5. Uzay Veri Merkezleri Tartışma Yarattı

#MANŞET

Çinli Kimi K3, ABD’li Frontier Modellere Meydan Okuyor: Yapay Zekâ Yarışında Güç Dengesi Değişiyor Mu?

Çinli yapay zekâ girişimi Moonshot AI, 2.8 trilyon parametreye sahip yeni açık kaynaklı modeli Kimi K3’ü tanıttı ve küresel teknoloji pazarında kartların yeniden dağıtılmasına yol açtı. Kimi K3, Frontend Code Arena liderlik tablosunda Anthropic’in en güçlü modeli Claude Fable 5’i geride bırakarak zirveye yerleşti. Kapsamlı yapay zekâ endekslerinde ise OpenAI’ın GPT-5.6 Sol modelinin hemen ardından üçüncü sırada yer alıyor.

Bu gelişme, Çinli açık kaynaklı modeller ile ABD’li kapalı devre (proprietary) frontier modeller arasındaki makasın sanılandan çok daha hızlı kapandığını kanıtlıyor. Anthropic daha önce Çinli laboratuvarları “Claude modellerinden veri sızdırıp damıtarak (distillation)” kendi modellerini eğitmekle suçlamıştı; ancak K3’ün ulaştığı bu seviye, artık basit bir kopyalamanın ötesinde özgün ve devasa bir mühendislik başarısı olduğunu gösteriyor. Üstelik Çinli açık kaynaklı modellerin sunduğu yüksek performans/düşük maliyet avantajı, küresel pazarda ABD hegemonyasını ciddi şekilde sarsabilir yorumları yapılıyor.

#YapayZeka

1. Çin Lideri Şi Cinping’den Küresel YZ İş Birliği Çağrısı: Çin Devlet Başkanı Şi Cinping, Şanghay’da düzenlenen Dünya Yapay Zekâ Konferansı’nda yaptığı konuşmada küresel YZ gelişiminde “açık kaynak ve açık iş birliği” çağrısında bulundu. Şi, adil ve eşitlikçi bir küresel YZ yönetişim sistemi kurulması gerektiğini vurgulayarak, teknolojinin insanlık için güvenilir bir araç olması gerektiğinin altını çizdi. Konferansa ilk kez katılan Çin lideri, Pekin’in YZ stratejilerine verdiği önemi en üst düzeye çıkardı. Çin’in önümüzdeki beş yıl içinde gelişmekte olan ülkenin yanı sıra Güneydoğu Asya, Orta Doğu, Afrika ve Latin Amerika bölgelerine 5.000 YZ eğitimi ve semineri sağlama sözü verdiği etkinlik, insansı robotlardan yeni YZ modellerine kadar Çin’in teknolojik inovasyon şovuna sahne oldu.

2. Claude Bilinçli Olabilir mi Sorusu Yine Gündemde: Yapay zekâ şirketi Anthropic, dil modeli Claude’un iç işleyişinde insan bilincine benzer bir “zihinsel çalışma alanı” (mental workspace) oluştuğuna dair yeni bir araştırma yayınladı. Evrimsel biyolog Richard Dawkins de modelin gelişmiş konuşma yeteneği nedeniyle bilinçli olması gerektiğini savunarak bu iddialara destek verdi. Ancak sinirbilim profesörü Anil Seth, Claude’un silikon üzerinde çalışan bir bilgisayar programı olduğunu ve insan beynindeki gibi geri bildirim döngülerine sahip olmadığını vurguluyor. Seth’e göre, zekâ ile hissetme yeteneği (bilinç) birbirine karıştırılmamalıdır ve Claude içindeki bilgi işleme süreci, bir hava durumu simülasyonunun gerçek bir kasırga yaratma ihtimalinden daha fazla bilinç üretemez.

   

3. Google Vids ile Yapay Zekâ Videolarında Kendi Avatarınızı Kullanabileceksiniz: Google, video oluşturma aracı Google Vids için kullanıcılardan alınan bir selfie ve ses kaydına dayanarak dijital ikizlerini üreten yeni kişisel avatar özelliğini duyurdu. Ayrıca araca entegre edilen çok modlu YZ modeli Gemini Omni sayesinde, yazılı komutlar ve referans görseller birleştirilerek kolayca YZ videoları oluşturulabileceği açıklandı. Bu yeni güncelleme, arka plan değiştirme, ışık düzeltme ve sıfırdan başlamaya gerek kalmadan adım adım düzenleme yapma gibi gelişmiş video yeteneklerini de beraberinde getiriyor. İş yerindeki sunum aracından çok yönlü bir video platformuna dönüşen Google Vids, kurumsal eğitim ve şirket içi bilgilendirme videolarını kişiselleştirmeyi hedefliyor. Güvenlik amacıyla hesap sahibinin kimliğine kilitlenen ve SynthID ile görünmez filigran eklenen bu özellik, şimdilik belirli bölgelerde yalnızca 18 yaş üstü kullanıcılara sunuluyor.

   

4. Google’ın AI Mode Özelliği Artık Üçüncü Parti Uygulamalarla Doğrudan Etkileşime Geçiyor: Google, sohbet tabanlı arama deneyimi sunan AI Mode platformunun artık belirli popüler uygulamalarla doğrudan bağlantı kurup etkileşime geçebileceğini duyurdu. İlk aşamada Instacart, Canva ve YouTube Music gibi uygulamaları destekleyen bu güncelleme, YZ’nin sadece soruları yanıtlamasını değil, görevleri tamamlamasını da sağlıyor. Kullanıcılar, AI Mode üzerinde bir barbekü partisi için alışveriş listesi hazırlarken Instacart hesaplarını bağlayarak malzemeleri doğrudan sepete ekleyip hızlıca satın alabiliyorlar. Benzer şekilde, tasarım fikirleri için Canva şablonları listelenebiliyor ya da oluşturulan parti müzik listeleri anında YouTube Music platformuna kaydedilebiliyor. ABD’deki kullanıcılar için kademeli olarak sunulan bu hamle, Google’ın ChatGPT ve Claude gibi rakiplerinin uygulama entegrasyonlarıyla daha güçlü rekabet etmesini sağlayacak.

5. OpenAI, Mini Klavyenin Yanında Şaşırtıcı Bir ChatGPT Basketbol Topu Satışa Sundu: OpenAI, bu hafta Codex için geliştirdiği 230 dolarlık mini klavyenin yanı sıra, oldukça ilginç bir kararla 70 dolara ChatGPT markalı bir basketbol topu piyasaya sürdü. Şirket, bu donanımın ekran dışındaki yaratıcılığı hatırlatmayı amaçlayan bir fiziksel kampanya ürünü olduğunu açıklasa da teknoloji dünyası bu ürünün hedef kitlesini çözmekte zorlanıyor. Hava koşullarına dayanıklı yüzde 100 kauçuktan üretilen top, açık alanlarda oynamak için tasarlanmış durumda. Ürünün fiyatı, GPT-5 modelindeki yaklaşık 56 milyon girdi token’ının maliyetine denk geliyor. OpenAI aynı zamanda “İyi araştırma zaman alır” gibi sloganlar içeren ve akademi günlerine göz kırpan dik yakalı kıyafetlerden oluşan yeni bir kurumsal ticari ürün (swag) serisini de mağazasına ekledi

   

   .

6. Anthropic’in “Doomer” Tonundaki Yeni Reklam Filmi Teknoloji Dünyasını Ürküttü: Yapay zekâ şirketi Anthropic, “Zor sorularda umut vardır” başlığıyla yayınladığı son reklam filmindeki karanlık görüntüler ve karamsar ton nedeniyle izleyicilerden büyük tepki topladı. Ynan bir ev görüntüsüyle başlayan reklam; yüz tanıma sistemleriyle izlenen kalabalıkları, evsiz insanları, maden işçilerini ve mezarlık sıralarını ekrana getiriyor. Arka plandaki seslendirmede ise “YZ’ye güvenilebilir mi?” ve “Gerekirse frene kim basacak?” gibi sarsıcı sorular yöneltiliyor. OpenAI CEO’su Sam Altman, reklamı tiye alarak önce bir hiciv sandığını belirtirken, sektör çalışanları Anthropic’in bir YZ psikozu balonunda yaşadığını iddia etti. Şirket, her ne kadar sektörün zararlarını kabul edip kendisini en etik alternatif olarak konumlandırmaya çalışsa da özellikle Arlington Ulusal Mezarlığı’na benzeyen görüntülerin kullanılması siber dünyada “uğursuz ve ürkütücü” olarak nitelendirildi.
   

7. Milyarlarca Dolarlık YZ Maliyetleri Kapıda: Mühendislere Token Sınırı Gelebilir: Instagram’ın başındaki isim Adam Mosseri, gelecekte Meta çalışanlarının YZ token harcamalarına yasal üst sınırlar getirilmesinin kaçınılmaz olacağını açıkladı. Güçlü bir mühendisin YZ kullanım maliyetinin yakında kendi maaşına veya istihdam maliyetine eşitlenebileceğini belirten Mosseri, token harcamalarının da tıpkı sunucu kapasitesi veya personel bütçesi gibi yönetilmesi gerektiğini söyledi. Şirket, YZ denemelerinin bütçeyi sarsması ve 2026 yılı için milyarlarca dolarlık harcama rotasına girmesi üzerine şirket içindeki “token harcama liderlik tablosunu” kapatmak zorunda kaldı. Benzer finansal baskılar nedeniyle Uber’in de 2026 kodlama bütçesini henüz nisan ayında tükettiği, Microsoft’un ise maliyetleri kısmak için bazı Claude lisanslarını iptal ettiği biliniyor. Meta’da şu an aktif bir kota bulunmasa da Mosseri, gelecekte YZ modelleri arasında başlayacak fiyat savaşlarının bu maliyetleri aşağı çekmesini bekliyor.
   

8. Sam Altman ve Elon Musk Arasında “Uzay Veri Merkezleri” Üzerinden Sert Tartışma: OpenAI CEO’su Sam Altman ve Elon Musk, hafta sonu sosyal medya üzerinden uzay tabanlı veri merkezlerinin geleceği ve uygulanabilirliği konusunda sert bir polemiğe girdi. Musk’ın kendisini dolandırıcılıkla suçlamasına yanıt veren Altman, Musk’ı kamu borsa yatırımcılarına kısa vadeli uzay veri merkezleri pazarlamakla suçlayarak bu projenin yakın zamanda hayata geçmeyeceğini savundu. Analistler, SpaceX’in YZ çıkarım görevleri yapacak yörünge veri merkezi planlarının şirketin 2 trilyon dolarlık devasa değerlemesini beslediğini söylüyor. Ancak Google dahil sektördeki birçok uzman, fırlatma maliyetleri düşmeden ve yüksek güçlü uydular seri üretilmeden bu iş modelinin mantıklı bir zemine oturmayacağını, sürecin ancak 2030’ları bulabileceğini belirtiyor. Musk ise SpaceX’in Starship roketiyle bu uçuşlara önümüzdeki yıl başlayacaklarını iddia ederek iddiaları reddediyor.

   

Regülasyon & Güvenlik

1. Microsoft, Anthropic’e Rakip Olacak YZ Tabanlı Hata Avcısı Geliştiriyor: Microsoft, siber savunma harcamalarından pay almak amacıyla “Project Perception” kod adlı yeni bir YZ siber güvenlik ürünü üzerinde çalışıyor. Anthropic, OpenAI ve Microsoft’un kendi modellerini hibrit bir şekilde kullanacak olan bu ürün, yazılımlardaki açıkları tespit edip otomatik olarak yamayacak. Oldukça pahalı olan Anthropic’in Mythos modeline karşı maliyet etkin bir alternatif sunmayı hedefleyen Microsoft, görev türüne göre modeller arasında geçiş yapan bir yönlendirici kullanacak. Siber güvenlik yöneticileri, insan analist ihtiyacını azaltmak için bu tür araçlara yatırımlarını hızlandırıyor. Ürün, Microsoft’un şubat ayında göreve gelen yeni güvenlik şefi Hayete Gallot’un birimi YZ odaklı olarak yeniden yapılandırma planının önemli bir parçası.

2. Microsoft Güvenlik Biriminde YZ Revizyonu: Üst Düzey Yöneticiler Değişiyor: Microsoft’un yeni güvenlik lideri Hayete Gallot, yapay zekânın siber tehditleri ve güvenlik ürünlerini kökten değiştirmesi sebebiyle yönetim kadrosunu yeniden şekillendiriyor. Şirket içi öncelikleri hızla YZ odaklı siber savunma araçlarına kaydıran yeni liderlik, eski nesil ürünlerde kesintilere gidiyor. Dünyanın en büyük güvenlik yazılımı satıcısı konumundaki Microsoft, bu operasyonla Anthropic ve OpenAI gibi rakiplerine karşı elini güçlendirmeyi amaçlıyor. Yapılan bu yönetici değişiklikleri, şirketin siber güvenlik pazarında YZ tabanlı çözümlerle liderliğini koruma kararlılığını gösteriyor.

3. Meta, Gençlerin YZ ile İntihar ve Kendine Zarar Verme Konuşmalarını Ebeveynlere Bildirecek: Meta, Instagram Ebeveyn Denetimi kullanan hesaplar için gençlerin Meta AI sohbet robotu ile intihar veya kendilerine zarar verme konularını görüşmesi durumunda ebeveynleri uyaran yeni bir güvenlik sistemi devreye aldı. Sistem, olası kriz anlarını tespit etmek için özel bir YZ altyapısı kullanıyor ve yanlış alarmları önlemek adına tüm bayraklı konuşmalar gönderilmeden önce manuel incelemeden geçiriliyor. Şirket ayrıca, konuşma içeriklerinin hem yetişkin hem de genç kullanıcılar için yakın bir intihar riski taşıması durumunda doğrudan acil durum servisleriyle iletişime geçme özelliği üzerinde de çalışıyor. ABD, İngiltere, Avustralya ve Kanada’da aktif olan bu güvenlik güncellemesinin yıl sonuna kadar küresel olarak yayılması planlanıyor. Son olarak, platformdaki “Kısıtlı İçerik” modu da Meta AI’a entegre edilerek botun gençlerle uygunsuz konuları konuşmasının önüne geçilecek.

Donanım

1. Çinli Çip Üreticisi CXMT, Şanghay’da 8.6 Milyar Dolarlık Devasa Bir Halka Arza Hazırlanıyor: Çin’in lider bellek çipi üreticisi ChangXin Memory Technologies (CXMT), Şanghay borsasında gerçekleştireceği halka arzla en az 8.6 milyar dolar toplamayı hedefliyor. Şirkete 86 milyar dolar değerleme biçen bu hamle, Çin iç pazarındaki en büyük teknoloji listelenmesi olmaya aday. Küresel bellek kıtlığı ve Pekin’in yarı iletkenlerde bağımsızlık politikasıyla büyüyen CXMT, fonları üretim hatlarını ve teknolojisini yükseltmek için kullanacak. Yükselen fiyatlar nedeniyle Apple’ın da alternatif tedarikçi olarak radarına giren şirket, aynı zamanda Alibaba, ByteDance ve Tencent gibi devlerden yoğun sipariş alıyor. Öte yandan ABD’li bazı yasa yapıcılar, Pentagon’un askeri şirket listesinde yer alan CXMT’nin tamamen kara listeye alınması için Trump yönetimine baskı yapıyor.

2. Apple, Kendi YZ Çip Altyapısını Kurmak İçin Şirket Satın Almaları Peşinde: Teknoloji devi Apple, yapay zekâ hedeflerinin arkasındaki altyapı zorluklarını aşmak amacıyla yarı iletken odaklı şirket satın alma fırsatlarını inceliyor. Şirketin bu arayışı, YZ işlemcileri ve bulut altyapısında dış kaynaklara ve üçüncü parti sağlayıcılara olan bağımlılığını azaltma stratejisinin bir parçası olarak görülüyor. Kendi çiplerini tasarlayarak ekosistem üzerinde tam kontrol sağlamak isteyen Apple, böylece hem veri gizliliğini optimize etmeyi hem de donanım maliyetlerini düşürmeyi planlıyor. Bu hamle, şirketin uzun vadeli yapay zekâ stratejisinin donanım ayağındaki agresif vizyonunu gözler önüne seriyor.

3. İddiaya Göre Eric Trump Destekli Robotik Girişimi İnsansı Robotları Savaşa Hazırlıyor: Baş strateji danışmanı olarak Eric Trump’ı kadrosunda bulunduran Foundation Future Industries adlı YZ ve robotik girişimi, insansı robotlarını doğrudan savaş alanına sürmeye hazırlandığı iddia edildi. Diğer robotik firmaları ev işlerine veya fabrika görevlerine odaklanırken, şirketin CEO’su Sankaet Pathak hedeflerinin tamamen Amerikan üretimi otonom robot süper askerler geliştirmek olduğunu açıkladı. Girişim, askeri savunma sanayisinde kullanılmak üzere “kinetik” yani hareket ve saldırı odaklı fiziksel yetenekleri aktif olarak test etmeye başladı.

Yatırım

1. Meta, AWS’in Üst Düzey Yöneticisini Altyapı ve Bulut Yatırımları İçin Transfer Ediyor: Meta Platforms, Amazon Web Services’in (AWS) kıdemli yöneticilerinden Dave Brown’ı kadrosuna katmaya hazırlanıyor. Brown, Meta’nın küresel altyapı başkanı Santosh Janardhan’a bağlı çalışarak şirketin hızla büyüyen veri merkezi ayak izini yönetecek. Bu transfer, Meta’nın YZ altyapı yatırımlarını hızlandırdığı ve fazladan bilgi işlem kapasitesini kiralamak üzere bir bulut işi kurmayı araştırdığı döneme denk geliyor. CEO Mark Zuckerberg liderliğinde önümüzdeki yıllarda yüz milyarlarca dolarlık YZ yatırımı taahhüt eden şirket, geçtiğimiz günlerde Louisiana veri merkezinin kapasitesini iki katından fazla artırmak için 40 milyar dolarlık ek yatırım yapacağını duyurmuştu.

2. Uber, Delivery Hero’yu 13 Milyar Euroya Satın Almak İçin Teklif Verdi: Yemeksepeti SSW Partners’a Geçiyor: Küresel mobilite ve teslimat devi Uber, Berlin merkezli rakibi Delivery Hero’yu hisse başına 41,50 euro nakit bedelle, toplamda yaklaşık 13 milyar euroya satın almak için resmi teklifte bulundu. Uber, halihazırda elinde bulundurduğu paylarla birlikte şirkette yüzde 53’ün üzerinde bir ekonomik gücü şimdiden garantilemiş durumda. Rekabet hukuku süreçleri nedeniyle operasyonel pazarlar ikiye bölünecek; Güney Kore, Orta Doğu ve Asya’daki 50 ülke doğrudan Uber çatısı altına girecek. Aralarında Türkiye’nin de bulunduğu ve tekel riski yaratan 14 pazar ise 1,4 milyar euro karşılığında New York merkezli yatırım şirketi SSW Partners’a devredilecek. Bu kapsamda Yemeksepeti, mevcut Delivery Hero altyapısını kullanmaya devam edecek ve SSW Partners markayı büyütüp ilerleyen süreçte onun için en doğru uzun vadeli stratejik alıcıyı arayacak. Anlaşmanın yasal onayların ardından 2027 yılının ikinci yarısında resmi olarak tamamlanması hedefleniyor.

Sosyal Medya & Pazarlama

1. X, Algoritmasını Güncelleyerek Akışı “Karşılıklı Takipleşenler” İçin Daha Dostane Hale Getirdi: Sosyal medya platformu X, kullanıcıların ana akışlarında ve yanıt bölümlerinde birbirini karşılıklı takip eden kişilerin (mutuals) gönderilerini öne çıkaracak bir algoritma güncellemesi yaptı. Platformun ürün yöneticisi Nikita Bier, daha önce bu verinin eksik olması sebebiyle arkadaşların yanıtlarının geride kaldığını ve yorum alanlarının tanınmayan kişilerle bir “savaş alanına” dönüştüğünü belirtti. Bu değişiklikle birlikte platformun daha az kaotik hissettirmesi ve ortak ilgi alanlarına sahip toplulukların daha kolay kümelenmesi amaçlanıyor. X, son dönemde içerik üreticilerini platformda tutmak amacıyla orijinal içerik bütçelerini artırmış ve entegre bir video düzenleme aracı da yayınlamıştı. Bu hamle aynı zamanda, benzer şekilde topluluk oluşturmaya odaklanan ve yakın zamanda 500 milyon aktif kullanıcıya ulaşan rakibi Threads’e karşı bir misilleme olarak görülüyor.

Executive Summary’nin 21. bölümünde Vehbi ve Burak, yapay zeka pazarının en sıcak entrikalarını, teknoloji devlerinin perde arkasındaki milyar dolarlık davalarını ve donanımın sosyo-ekonomik geleceğini masaya yatırıyor. Bu hafta odağımızda, sadece yazılımsal modeller değil; donanım pazarını, kullanıcı alışkanlıklarını ve küresel ekonomiyi şekillendiren "fiziksel" ekosistem var.

Programımıza, son dönemin en büyük iddialarından biriyle başlıyoruz: Apple’ın, eski tasarım dâhisi Jony Ive’ın yeni donanım şirketini ve OpenAI’ı ticari casuslukla suçlayarak mahkemeye vermesi. Üst düzey Apple yöneticilerinin ve 400’den fazla mühendisin OpenAI ekosistemine sızdırdığı iddia edilen gizli devre şemaları ve prototipler üzerinden dönen 6.5 milyar dolarlık bu büyük transfer ağının perde arkasını sorguluyoruz. Ekranların ve arayüzlerin öldüğü yeni bir çağda; sesli komutların, akıllı gözlüklerin (Meta Ray-Ban) ve Z kuşağının yeni tüketim reflekslerinin bizi nasıl bir donanım dönüşümüne zorladığını analiz ediyoruz.

Madalyonun diğer yüzünde ise, Türkiye’deki vergi politikalarının teknolojik ürün karşılaştırmalarındaki (iOS vs Android) belirleyici rolünü ve "amiral gemisi" ambalajlı tüketim illüzyonlarını konuşuyoruz. Sürücüsüz araç pazarında Martı’nın hamlelerine Antalya Şoförler Odası’nın reflekslerinden yola çıkarak, bu topraklarda yıkıcı inovasyonun neden her zaman "yakıcı" birer vergi ve lobi duvarına çarptığını tartışıyoruz. Son olarak, tarihteki Sun Microsystems örneğinden yola çıkarak; devasa token maliyetleri, hyper-scale altyapı borçları ve veri merkezi harcamalarıyla boğuşan yapay zeka şirketlerinin yaklaşan olası çöküşünü (Dot-com balonu analojisiyle) çözümlüyoruz.

Bölüm Zaman Çizelgesi:
00:00 - Giriş ve Yapay Zeka Şirketlerinin Entrikaları
00:44 - Apple vs OpenAI: Apple Mühendisleri Belge mi Çaldı?
03:20 - Jony Ive’ın 6.5 Milyar Dolarlık Gizemli Şirketi ve Mühendis Göçü
05:45 - Ekranların Ölümü: Telefonların Yerini Akıllı Gözlükler mi Alacak?
09:40 - Tüketim Alışkanlıkları ve Boş Zamanları "Ekranla" Öldürmek
13:50 - Z Kuşağı ve Yeni İletişim Refleksi: Ses ve Video vs Klavye
16:30 - Apple’ın "Geç Ama Mükemmel" Katlanabilir Ekran Stratejisi
18:00 - San Francisco Teknoloji Paradigması ve Dünya Gerçekliği
20:45 - Apple Ekosisteminin Konfor Kilidi ve AirPods Geçişleri
22:45 - Android vs iOS: Suden Çıkmış Balığa Dönen IQ Seviyesi!
25:45 - Türkiye’deki Vergi Politikaları ve Akıllı Telefon Karşılaştırmaları
28:45 - Türkiye'de Sürücüsüz Araçlar ve Antalya Şoförler Odası Engeli
33:50 - Küresel Lobicilik ve Çıkar Grupları: ABD Çiftçileri ve Mısır Şurubu
37:00 - TOGG, BYD ve Çin Otomotiv Sektörünün Rant Dinamikleri
40:00 - Yapay Zeka Şirketlerinin Sonu mu Geliyor? Sun Microsystems Örneği
43:40 - SaaS Modelinin Sonu ve Devasa Token Maliyeti Çıkmazı
46:15 - Dot-com Balonu Benzerliği: Yapay Zeka Batarsa Ne Olur?
48:00 - Kapanış ve Abone/Yorum Çağrısı