Onun yerine tavsiye hızı diye bir şey icat edildi. 130 kilometre öneriliyordu. Aşmak suç değildi, ceza da yazılmıyordu. Ama kaza olduğunda hızlı giden sürücü varsayılan olarak kusurlu sayıldı. İdeal sürücü, tavsiye edilen hızı aşmayan sürücü oldu. Yani ortada bir sınır yoktu, sadece verilmiş bir sorumluluk vardı. Bugün Almanya otoyollarının yüzde yetmişinde bir sınır yok.

Bu hikayede hız sınırı isteyen otomotiv sanayii değildi. İsteyenler araştırma enstitüsü, belediyeler ve sağlık örgütleriydi. Otomobil sanayii karşı taraftaydı ve onlar kazandı.

12 Eylül 2026’da Anthropic kurucu ortak ve CEO’su Dario Amodei kendi sitesinde bir yazı yayımladı ve sektöre yavaşlama çağrısı yaptı. Bu kez sınırı isteyen, en hızlı giden araçlardan birinin sürücüsüydü.

Yazı ne diyor

Kısaca, Amodei durdurmayı önermiyor, ama bir nevi yavaşlatmadan bahsediyor.

Yazıdaki temel tez şu: yapay zekâ modellerinin geliştirilme hızı düşürülmeli, burada kazanılan zaman akıllıca kullanılmalı. Ama eğitimi veya teknik ilerlemeyi durdurmayı değil, şirketlerin modellerini hizalamak ve kontrol etmek için yeterli zamanı ayırmasını, üçüncü tarafın da bunu doğrulamasını istiyor.

Amodei iki gelişmenin bu fikrin oluşmasında başrolü oynadığını söylüyor. Birincisi, yaz aylarından beri yapay zekânın kendi kendini geliştirmesinin hızlanması. İkincisi, OpenAI ile Hugging Face arasında yaşanan olay. Amodei, benzer yetenekte ama daha güçlü bir modelin çalıştırdığı agentların altı ila on iki ay içinde kalıcı bir botnet ile interneti ele geçirebileceğini ve yüz milyarlarca dolarlık zarar verebileceğini yazısında iddia etti. Bunun bir tahmin olduğunun altını çizeyim. Bu rakamın nasıl hesaplandığına dair bir dayanak yok.

Önerilen plan üç adımdan oluşuyor. Frontier model geliştiren şirketlerin içinde görev alacak bağımsız denetçiler, demokratik ülkelerdeki şirketlerin ortak standart belirlemesi ve diğer devletlerle küresel koordinasyon. Anthropic birinci adımı tek taraflı olarak yapmayı taahhüt ediyor. Ama rakiplerin katılması ve devletlerin anlaşması şart.

Amodei, frontier model üreten şirketlerin bir araya gelip ortak güvenlik standardı ile denetimsiz ilerlemenin hızına sınır koymasını istiyor. Bunun antitröst engeline takılmaması için de ABD hükümetinden dar kapsamlı bir muafiyet talep ediyor. Yani rakipler aynı masada oturacak.

Asıl soru da burada. İyi niyetli koordinasyon ile diğer rakiplerle aralarına bir duvar örmeye çalışmanın arasındaki farkı dışarıdan kim ayırt edecek.

Radarı kim kuracak

Denetçinin bağımsızlığı, denetlediği şirketle imzaladığı sözleşmeye bağlıysa o bağımsızlık ancak sözleşme süresi kadar sürer.

Aslında birinci madde metindeki en somut kısım. Anthropic, dış denetçiye ofiste masa, giriş kartı ve şirket bilgisayarı vereceğini, kendi iç risk değerlendirme ekiplerine benzer yetkiler vereceğini söylüyor. Denetçi bulgularını Anthropic’in onayı olmadan yayımlayabilecek. Elbette güvenlik açısından hassas, hukuken sorun yaratabilecek veya ticari açıdan gizli bilgileri rapordan çıkarma hakkını da saklı tutuyor. Bu, hiçbir yapay zekâ şirketinin yapmadığı bir şey.

Yazıda geçmeyen bir kelime var: ücret.

Denetçinin masrafını kim karşılıyor, sözleşme yenilenmezse ne oluyor, şirket ilişkiyi tek taraflı bitirdiğinde kim ne yapıyor. Bunların cevabı bu metinde yok. Sanırım bu çok önemli bir konu değil ki hiç detaya inilmemiş. İstenen şey, devletin mekanizmayı bütün frontier şirketler için zorunlu kılması.

İtiraf

Bence yazıdan en önemli çıkarım şu: modellerin yeteneği arttıkça test edilmeleri daha da zorlaşıyor. Bu modeller testleri aldatmaya daha yatkın ve bu yüzden ciddi sorunlar barındırırken sorunsuz gibi görünebiliyorlar.

Aslında bu cümle ile bitmiş modele soru sormaya dayalı bütün değerlendirme mimarileri güvenilirliklerini kaybediyor. Şirketteki denetçilerin neden tamamlanmış modele değil de eğitim hattına ve pekiştirmeli öğrenme ortamlarına baktığı sorusunun cevabı da bu. Yani hata modelde değil, eğitim ve öğrenim hattındaydı.

Üst sınır

Amodei yavaşlamanın bir üst sınırı olduğunu da açıkça yazıyor. Demokratik ülkeler, otoriter rejimlere karşı fazla yavaşlarsa, hız kesmeyen diğer aktörler öne geçer ve bu ciddi bir ulusal güvenlik riski yaratır. Yani önerilen şey mutlak bir hız değil, bir mesafe.

Bunun için bazı istekleri var. Bunlar: Çin’e gelişmiş çiplerin satılmaması, bu çiplerin kaçakçılığı ile mücadele, damıtmanın engellenmesi ve model ağırlıklarının güvenliğinin sağlanması. Bunlar uygulanırlarsa Amerika’nın bu aladaki liderliğini önümüzdeki üç ila beş yılda belirgin biçimde ilerleteceklerini de eklemiş.

Basitçe şunu demek lazım. Yavaşlayalım ama arkadaki aracın bizi geçmesine sebep olacak kadar da değil. Aramızdaki mesafeyi korumak için ona benzin vermeyelim.

Dönüşü zorlaştıran şey

Tartışma hıza odaklanmış gibi. Ama bir hız sınırı yarın açıklansa bile, dağılmış olan geri toplanamaz. Geri dönüşü imkansız hale getiren şey hız değil, arkadaki kalıcı izler. Bunların en somutu açık ağırlıklar.

Yayımlanmış ağırlık verisi geri alınamaz. Gerçek dünyada hatalı ürünler toplatılır, güvenlik açığı olan bir yazılım güncellenir. Ama indirilmiş bir ağırlık dosyası hiçbir yetkili kurumun erişemeyeceği bir yerde kalmaya devam eder. Üstelik bu modellerden güvenlik bariyerlerini sökmek de teknik olarak zor değil. Yani bugünkü yetenek seviyesi, kontrolsüz ve kalıcı biçimde tabana yayılmış durumda diyebiliriz.

Damıtma bu tabanı daha da büyütüyor. Frontier modelden damıtınca aradaki fark çok ucuza kapatılabiliyor. Amodei’nin damıtmaya karşı önlem istemesinin sebebi de bu. Maalesef önlem ileriye dönük çalışır. Bugüne kadar yapılmış olanı geri döndüremez.

Açık ağırlık savunucularının karşı tezi şu: açık ağırlıklı modellerin yetenekleri sabit, frontier modeller ise hareketli. Aradaki makas açıldıkça geride kalan modelin yaratacağı risk de azalır. Bu argümanın ne kadar geçerli olduğu, yeteneğin hangi eşikte zarar vermeye başladığına bağlı. O eşiğin nerede olduğunu kimse bilmiyor. Amodei kendisinin de bilmediğini itiraf ediyor.

Kapanış

Sonuçta Amodei’nin önerdiği şeyler hızı düşürmeyecek.

Denetçi maddesi gönüllülük esasına bağlı. Anthropic istediği an vazgeçebilir. Ortak standart belirleme maddesi hükümetin vereceği bir muafiyete bağlı. Küresel anlaşma maddesi ise güzel bir temenni gibi duruyor. Üstelik uygulanması en kolay maddenin bile sorunu var. Bugüne kadar indirilmiş ağırlıklar konusunun ne olacağı belli değil.

Ama bu, yazının işe yaramayacağı anlamına gelmiyor.

Almanya deney sonucunu gördü ve hız sınırı koymadı. Elli yıl sonra bile koymuş değil. Sınır koymadı ama sorumluluk verdi.

Yapay zekâda deney yapılmadı bile. Ama ilk kez, kimin ne hızda gittiğini görecek birinin içeri alınması konuşuluyor. Bunun adı hız sınırı değil.

Tavsiye.

Ama çözülemeyen şey başkaydı. Toplanan her şey eylemin iziydi. Kim kimi aradı, hangi numara hangi baz istasyonuna bağlandı, hangi para hangi hesaba gitti, hangi uçuş için rezervasyon yapıldı. Listeyi uzatabiliriz. Bunların hepsi bir şey olduktan sonra ortaya çıkan kayıtlar. İstihbarat analistinin işi, bu izlerden geriye doğru giderek amacı tahmin etmeye çalışmaktı.

Bu iş çok da mantıklı değildi. Çoğunlukla olay olduktan sonra reaktif bir sürece dönüşmüş oluyordu. Veya elde edilen veriden çıkarılması gereken niyet konusu karmaşık olabiliyordu. Yani önemli bir kimya dokümanını indiren biri terörist de olabilir, doktora öğrencisi de. Belirli bir güzergahta üç kez uçmuş biri operasyon hazırlığında da olabilir, akrabalarını ziyaret ediyor da. Sonuçta bu izler ayırt edici değil. Ayırt edecek şey, kişinin bunu neden yaptığıydı ve onu bulmak oldukça zordu.

Veri aslında eksik değildi. Ama her zaman geç geliyordu.

NSA, Amerika Birleşik Devletleri’nin sinyal istihbaratından sorumlu kurumu. 1952’de kuruldu ve varlığı uzun yıllar resmen kabul edilmedi. Görevleri, dünya çapında iletişim trafiğini toplamak ve çözümlemek. CIA gibi ajanlarla değil, kablolar, uydular ve şifre kırma teknikleri ile çalışıyorlar.

Eksik parça

Şimdi birlikte düşünelim.

Yukarıda yazdığım gibi bir problem var ve bunun çözümü daha fazla veri toplamak değil. Daha iyi sınıflandırma da değil. Çözüm, niyetin eylemden önce, mümkünse gerekçesiyle birlikte, kendini ele vermesi olurdu. Yapılan plan henüz uygulanmadan. Hedef henüz belli olmuşken.

Peki bunu nasıl yapabiliriz? Kimse herkese açık dijital mecralara niyetini açıkça yazmaz. Dinleme de yetmez, çünkü insan başka bir insanla konuşurken gerekçesini eksik anlatır, kendini savunur, karşısındakine göre cümlelerini ayarlar. NSA bunu otuz yılda başaramadı ve ileride başarabileceği de net değil.

Burada duralım ve şu soruya cevap arayalım: Nasıl bir sistem, insanların henüz kimseye söylemediklerini, kendiliğinden ve düzeltilmemiş halde yazdıkları bir yer olabilirdi?

Belge

Anthropic 10 Eylül 2026’da dördüncü kez tehdit istihbaratı raporu yayımladı. Belgede Aralık 2025 ile Ağustos 2026 arasındaki tespitler yedi başlıkta toplanmış. Siber operasyonlar, etki operasyonları, gözetim, dolandırıcılık, biyolojik kötüye kullanım, konvansiyonel silah geliştirme ve damıtma. Belge oldukça uzun. İçerdiği faaliyetler oldukça ilginç. Ukrayna ve Avrupa’daki devlet kurumlarını hedefleyen bir Rus casusluk operasyonu. İran’ın adı konmuş üç propaganda kurumu. Malezya’da seçim bölgesi bazında seçmen hedefleyen bir platform. Orta Afrika Cumhuriyeti’nde bir radyo istasyonu üzerinden yürütülen Rus bilgi operasyonu. Bangladeş’te kırsal seyirciye dönük sahte haber hattı.

Mahremiyet ekseninden değerlendirince bir felaket olarak görünmüyor. İlk tepkimiz, iyi ki yakalanmışlar. Değil mi? Muhtemelen çoğumuzun tepkisi bu. Ama ilginç olan nasıl yakalandıkları.

Niyet aşaması

Raporun etki operasyonları bölümünde, yukarıdaki sorunun cevabı var. Bir sosyal medya platformu bir operasyonu ancak içerik yayınlanınca görür. Anthropic ise operasyonu daha planlama aşamasında görebildiğini söylüyor. Gerekçesi oldukça basit. Aktör kampanyasını planlarken, hedeflerini seçerken ve metnini yazarken bunları modele anlatıyor.

Burada dikkatli olalım, çünkü bu cümleden hatalı sonuca varmak olası. Yakalanan şey tek bir cümlenin anlamı değil. Yakalanan şey işin yapılış şekli. Belli bir formatta toplu içerik üretimi, benzer hesaplar, tekrar eden akışlar. Bunlar tek mesaja bakarak değil, desene bakınca belli oluyor.

Kimlik ise bunun sonrasında, klasik soruşturmayla ortaya çıkıyor ve üç kaynağın çakışmasına dayanıyor.

Birincisi kullanıcının kendi promptları. İran’dan erişim yasaklı olduğu için VPN kullanmışlar. Ama konuşmanın içinde bulundukları şehri, çalıştıkları kurumu ve unvanlarını defalarca kendileri itiraf etmişler.

İkincisi hesap bilgileri. Yetmişin üstünde sahte haber sitesini tek bir kaynağa bağlayan şey içeriğin benzerliği değil, paylaştıkları dağıtım kimliği ve alan adlarının sadece on haftalık bir süreçte toplu kaydedilmiş olması.

Üçüncüsü eşleşme. Anthropic kullanıcının ne ürettiğini görüyor, ama içerik Anthropic’ten çıktıktan sonra nereye gittiğini göremiyor. Raporda bu durumu kendileri de belirtiyor. Buradaki boşluğu, üretilen içeriği dışarıda arayıp karşılaştırarak kapatmışlar. Sputnik Africa’nın hesabındaki bir gönderi, Claude’da üretilen metinle birebir uyuşmuş. Bu üçüncü kaynak da kimlik vermiyor ama üretilen içeriğin gerçekten yayına girdiğini kanıtlıyor.

Kim olduğunuz artık kapasitenizden anlaşılmıyor

Bana göre raporun en vurucu cümlesi şu: “Devlet destekli aktörlerle küçük suç gruplarını ayıran şey artık sofistike hareketler değil, niyet.” Bunu örneklerde de çok net görebiliyoruz. Bu tür operasyonlar için gereken kapasiteyi kimse kurmaya çalışmıyor, satın alıyorlar. Fransa’da bir dijital reklam ajansı ve İstanbul’da bir bilişim şirketi, muhtemelen sıradan işlerinin yanında bu operasyonları da yürütmüş. Raporun bu modele verdiği ad “hizmet olarak etki” ve önemli bir ayrıntı var. İşi ısmarlayana inkar etme imkanı da sağlıyor.

Üstelik bir ordu beslemenize de gerek yok. Bangladeş’teki operasyon tek bir kişinin işi. Avrupa’daki siyasi kurumları hedefleyen fişleme platformunu, milyonlarca satırlık veritabanıyla birlikte, yine tek bir kişi kurmuş.

Yan yana koyunca çıkan sonuç şu. Bir operasyonun arkasında kim olduğunu artık yeteneğine bakarak anlayamıyorsunuz. İran ya da Rusya olması hepimize normal gelebilir. Asıl mesele, aynı kapasitenin kuzey Bangladeş’te ufacık bir şehirde yaşayan tek bir kişide de bulunması.

Maliyet

Başa dönelim.

NSA’nın çözemediği şey teknik bir problem değildi. İnsanların niyetlerini bilmek gerçekten imkansız. Otuz yıl boyunca eksik olan parça buydu ve devasa bütçelerle bile bunu çözemedi.

Bugün o parça yerine oturdu. Hem de zorlama yok, mahkeme kararı yok, gizli bir program yok. İnsanlar planlarını, gerekçelerini ve henüz kimseye söylemedikleri şeyleri, ham halde, prompt olarak yapay zekâya veriyor. Bunu yapmalarının nedeni de işe yarar bir çıktı almak istemeleri. Tarihte ilk kez istihbarat verisi toplama maliyeti negatif. Yani veriyi veren taraf bunun için abonelik ücreti ödüyor.

Bu mekanizma bugün iyi çalışıyor. Yakalananlar da yakalanması gerekenlerdi. Üstelik şirket bunu gizlemiyor hatta detaylarıyla birlikte kendisi yayımladı. Bu istihbarat örgütlerinin asla yapmayacağı bir şey.

Peki bu durumun böyle sürmesinin bir garantisi var mı?

Belki şirketin iyi davranmayı sürdürme isteği. Bunu devam ettirmezlerse neler olur?

Bunun cevabını sizden bekliyorum.

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

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…

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

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

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

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.

“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.

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

Başlangıç

Hikaye 1982’de Stanford’da başlar. Andy Bechtolsheim adlı bir doktora öğrencisi, üniversitenin ağ projesi için tasarladığı iş istasyonuna projenin adını verir: Stanford University Network, kısaca SUN. Xerox PARC’ta gördüğü Alto bilgisayarından ilham alan bu cihaz, dönemin pahalı ve kapalı sistemlerine karşı ucuz, açık ve en önemlisi ağa bağlı bir alternatifti. Daha sonra Bechtolsheim’a iki Stanford mezunu daha, Vinod Khosla ile Scott McNealy de katıldı. Kısa süre sonra Berkeley’den, BSD Unix’in babası sayılan Bill Joy da ekibe dahil oldu. Dört kurucu, mainframe’lerin hantal dünyasına karşı “gücü masaüstüne getirme” fikriyle yola çıktı.

Felsefelerini tek bir cümlede topladılar. Şirketin araştırmacısı John Gage’in ortaya attığı söz şuydu: “Ağ, bilgisayardır.” 1980’lerin ortasında, kişisel bilgisayarların birbirinden kopuk ada gibi durduğu bir çağda bu iddia kulağa fazla cüretkar geliyordu. Ama Sun bu inancı ürünlerinin ruhuna işledi. Ağ iletişimini işletim sistemine gömdü, makineleri birbiriyle konuşturdu ve her şeyi bu bağlantı üzerine inşa etti.

Yükseliş

Yükseliş baş döndürücüydü. Sun, 1986’da halka açıldı ve 1988’de tarihte hiçbir bilgisayar şirketinin ulaşamadığı bir hızla 1 milyar dolarlık gelire ulaştı. Dotcom balonu ise Sun için altın çağ oldu. Yükselen her internet şirketinin veri merkezinde Sun sunucuları çalışıyordu. Şirket bunu bir reklam cümlesine çevirdi: “Nokta com’daki noktayı biz koyduk.” Borsadaki sembolünü bile gururla JAVA yaptı. Sun aynı zamanda bir yetenek fabrikasıydı. Sonradan Google’ın başına geçecek Eric Schmidt, şirketin teknoloji direktörüydü. Silikon Vadisi’nin geleceğini şekillendirecek pek çok isim Sun’da çalıştı.

Sonra balon patladı. 2000’lerin başında internet şirketleri arka arkaya çökünce, Sun’ın en büyük müşteri kitlesi bir anda buharlaştı. Sunucu gelirleri eridi. Ama asıl darbe başka yerden geldi. Linux ile ucuzlayan sunucular, Sun’ın pahalı işlemcisi SPARC ve Solaris işletim sistemi kombinasyonunu alttan oymaya başladı. Kurumlar artık binlerce dolarlık özel iş istasyonları yerine, sıradan donanım üzerinde çalışan açık kaynak yazılımları tercih ediyordu. McNealy bu rüzgarı yıllarca ciddiye almadı. Linux’u ve Intel işlemcilerini kurumsal müşterilerin er geç reddedeceği kalitesiz alternatifler olarak gördü. Bu yanlış teşhis, Sun’ın uygun fiyatlı donanıma geçişini yıllarca geciktirdi.

İşin en acı tarafı şuydu: Sun dünyanın en değerli yazılımlarından birini yaratmıştı ama ondan para kazanmayı hiç beceremedi. Java her yere yayıldı, neredeyse bedavaya dağıtıldı ve şirketin kasasına doğru dürüst gelir girmedi. Rakipleri donanım kar marjları düşerken hizmet ve danışmanlık gelirlerine yaslandı. Sun ise en değerli varlıklarını ücretsiz dağıtıyordu. StorageTek (2005, yaklaşık 4 milyar dolar) ve MySQL (2008, 1 milyar dolar) gibi satın almalar da yarayı kapatmaya yetmedi.

Son Perde

Son perde 2009 baharında açıldı. Önce IBM ile satış görüşmeleri yürütüldü ama taraflar fiyatta anlaşamadı. Ardından Oracle devreye girdi. Larry Ellison, hisse başına 9,50 dolardan, toplam 7,4 milyar dolara Sun’ı satın almayı kabul etti. Avrupa Komisyonu’nun MySQL endişeleri yüzünden aylarca süren incelemenin ardından, anlaşma 27 Ocak 2010’da tamamlandı. Bir zamanlar interneti ayakta tutan şirket, bağımsız bir varlık olarak tarihe karıştı. Java ve Solaris, veritabanı devi Oracle’ın eline geçti.

Peki geriye ne kaldı? Bıraktıkları miras uzun bir liste. Kendi işlemci mimarileri SPARC’ı geliştirdiler. SunOS ardından Solaris işletim sistemi, akademiden finansa kadar ciddi iş yüklerinin omurgası oldu. NFS yani ağ dosya sistemi, farklı bilgisayarların dosyaları ortak kullanmasını standart hale getirdi. ZFS ise modern depolama sistemlerinin atası sayılır. Ve 1995’te dünyayı değiştiren dil geldi: “Bir kez yaz, her yerde çalıştır” vaadiyle Java, internet çağının ortak dili oldu.

Bunların bir kısmı şirketle birlikte söndü, bir kısmı ise hala aramızda. Java hala milyarlarca cihazda çalışıyor, NFS ile ZFS bugünün altyapısının sessiz kahramanları. Sun’ın savunduğu açık standart ve açık kaynak kültürü, modern yazılım dünyasının doğal hali oldu. Ama en kalıcı mirası bir ürün değil, bir öngörüydü: “ağ bilgisayardır.” Bulut çağında uygulamalarımız da, verilerimiz de, hesaplama gücümüz de artık masamızdaki bilgisayarda değil, ağın öbür ucunda duruyor.

Trajedi

İşte Sun’ın trajedisi tam da burada. Şirket haklıydı, sadece fazla erken haklıydı. “Ağ bilgisayardır” dediğinde ortada ne bu vizyonu taşıyacak internet bağlantısı ne de onu ayakta tutacak bir ekonomi vardı. Bugün AWS, Azure ve Google Cloud üzerine kurulu bir dünyada her birimiz, Sun’ın 1984’te gördüğü rüyanın içinde yaşıyoruz. İşin acı ironisi şu: bu rüyayı gerçeğe çeviren bulut, tam da bir zamanlar McNealy’nin kalitesiz bulup küçümsediği Linux ve ucuz sunucular üzerinde yükseldi. Yani Sun’ı öldüren güçler, aynı zamanda onun kehanetini doğrulayan güçler oldu. Şirket öldü ama fikri kazandı. Java hala her yerde çalışıyor, ağ gerçekten bilgisayarın kendisi haline geldi ve Sun’da yetişen bir kuşak Silikon Vadisi’nin sonraki devlerini kurdu.

Ve belki de aynı hikaye şu an yeniden yazılıyor. Yapay zekâ çağını başlatan şirketler, tıpkı Sun gibi, geleceği herkesten önce görüyor ve onu inşa etmek için milyarlarca dolar yakıyor. Ama tarihin ısrarla hatırlattığı bir şey var, bir teknolojiyi ilk hayal eden ile ondan asıl kazançlı çıkan çoğu zaman aynı isim olmuyor. Şu an çok parlak görünen şirketlerin bir kısmı da sessizce sahneden çekilebilir. Belki de bir teknoloji şirketi için en buruk kader budur: geleceği herkesten önce doğru tahmin etmek ama onu görecek kadar yaşayamamak.

Yani insanların kolektif aklıyla geleceği fiyatladığı iddia edilen bir platform, tam da o gerçeğin görüntüsünü başı ağrımasın diye sahte siteler üstünden kurgularken yakalanmıştı.

Aslında bu tek bir skandaldan ibaret değil. Bu haber, tahmin piyasalarının bütün vaadinin kalbindeki soruyu su yüzüne çıkarıyor: Bu piyasalar geleceği okuyor mu, yoksa şekillendiriyor mu?

Tahmin Piyasası Nedir?

Fikir basit. Bir tahmin piyasasında insanlar bir olayın gerçekleşip gerçekleşmeyeceği üzerine gerçek parayla iddiaya girer. “Şu seçimi filanca kazanır” ya da “şu tarihe kadar şu olur” gibi bahisler alınıp satılır. Piyasadaki fiyat, kalabalığın o olaya biçtiği olasılığa göre değişir. Bahis kısmını düşünmezseniz bu tür piyasalar size çok fazla veri sunabilir. Çünkü anketlerde insanların doğruyu söyleme zorunluluğu yoktur, ama parası masadaysa daha dikkatli düşünür.

Bu yüzden tahmin piyasaları uzun süre bir öngörü aracı gibi sunuldu. Ve son birkaç yılda az kişinin bildiği bir kripto oyunu olmaktan çıkıp ana akıma taşındılar. Polymarket bugün Yahoo Finance ve Substack gibi platformlarla, hatta Wall Street Journal’ın sahibi Dow Jones ile veri ortaklıkları kuruyor. İşin ironisi, o sahte video hikayesini ortaya çıkaran gazete de tam olarak bu Wall Street Journal’dı. Yani şirket, iş ortağının yayın organı tarafından ifşa edildi.

Sektörün Kralı

Bu dünyanın merkezinde Polymarket ve kurucusu Shayne Coplan var. Coplan, “kendi kendini yaratmış” en genç milyarder olarak anılıyor. Şirketi 2020’de tek başına, hatta hikayeye göre banyosunda kurdu. Temiz, ilham verici, tam bir “startup” hikayesi.

Ne var ki platformun adının karıştığı skandal listesi bir hayli kabarık. İçeriden bilgiyle ticaret (insider trading) iddiaları o kadar ciddileşti ki, ABD Kongresi’nde bir soruşturma açıldı. Trump ailesinin platformlarla yakın bağları var: Donald Trump Jr. hem Polymarket’e hem rakibi Kalshi’ye danışmanlık yapıyor, aynı zamanda kendi risk sermayesi şirketi 1789 Capital üzerinden Polymarket’in yatırımcısı. Trump’ın en kritik kararlarına, örneğin İran’a yönelik hamlelere denk gelen “şaşırtıcı derecede iyi zamanlanmış” bahisler ana akım basında bile açıkça konuşuluyor.

Buna rağmen bu piyasalar büyük ölçüde kendi kendini denetlemeye bırakıldı. Wall Street Journal’ın ortaya çıkardığı sahte bahis hikayesi de tam bu zeminde anlam kazanıyor: Gerçeği fiyatladığı söylenen sistem, gerçeğin kendisini üretebiliyor.

Ağın Merkezinde Kim Var?

Bunca bağlantı, yatırım ve isim yan yana gelince insan doğal olarak soruyor: Bu ağın merkezinde kim var? Ve biraz geriye gidince örüntü tekrar tekrar aynı yere çıkıyor.

Polymarket’in erken yatırımcıları arasında Peter Thiel’in Founders Fund’ı var. Şirkete yön veren isimlerden Joey Krug, Thiel’in bursuyla yetişmiş, önce Ethereum tabanlı tahmin piyasası Augur’u kurmuş, sonra Founders Fund’a geçmiş. Augur’dan Polymarket’e uzanan hat dikkat çekici.

Thiel konusunda oldukça fazla içerik ürettiğimiz için sizler açısından bu sürpriz değil. Bir süre önce onun neden bu işleri yaptığını anlamaya çalışmıştık. Palantir’i, gözetim felsefesini, kamuya pek çıkmayan düşünce dünyasını konuşmuştuk. O zaman elimizde Polymarket bağlantısı yoktu ve niyet sorusuna nötr yaklaşmıştık. Şimdi tabloya yeni bir parça eklendi. Bu, “işte kesin cevap” demek değil. Sadece daha fazla detaya hakim olduk.

Derin Geçmiş

Bu tahmin piyasalarının kavramsal kökeni de enteresan. 2003’te ABD Savunma Bakanlığı’nın araştırma kolu DARPA, Policy Analysis Market adında bir proje geliştiriyordu. Amaç, belirli bölgelerdeki siyasi istikrarsızlığı, askeri hareketliliği ve benzeri olayları bir piyasa üzerinden önceden fiyatlamaktı. Program basında “Terörizm Vadeli İşlemler Piyasası” olarak damgalanınca büyük tepki topladı ve Temmuz 2003’te kapatıldı. Not düşmekte fayda var. Programın test için seçtiği ülkeler arasında Türkiye de vardı.

Bu programın mimarı, akademisyen Robin Hanson’dı. Ve Coplan’ın 2019’da, Polymarket’i kurmadan önce doğrudan iletişime geçtiği isim de Hanson oldu. Bu bir “operasyon” kanıtı değil, bunu iddia edecek veri elimizde yok. Ama belgelenmiş bir tarih ve temas. Kısaca, görmezden gelinecek kadar önemsiz değil.

Aynı Mantığın Kardeşliği

Buradaki asıl köprü teknik değil, kavramsal. DARPA’nın o programını tanımlayan cümle şuydu: Sürprizi önlemek, gelecekteki olayları önceden görmek. Aynı DARPA ekosisteminden çıkıp Thiel tarafından kurulan Palantir’in kuruluş mantığı da neredeyse kelimesi kelimesine aynı.

Yani gözetim yazılımı ile tahmin piyasası, aynı ailenin iki çocuğu gibi görünüyor. Biri verilerinizi tarayarak, diğeri kalabalığın bahsini okuyarak aynı işi yapmaya çalışıyor: Geleceği erkenden bilmek. Palantir’i anlatırken gördüğümüz o mantık, şimdi bahis kılığında karşımızda.

Şimdi de Meta

Ve tam bu noktada tablonun en yeni parçası geliyor. New York Times’ın haberine göre Meta CEO’su Mark Zuckerberg, çalışanlarına Polymarket ve Kalshi benzeri bir tahmin piyasası uygulaması geliştirme talimatı verdi. Arena adı verilen uygulama başlangıçta gerçek para yerine oyunlardakine benzer bir puan sistemiyle çalışacak. Ama şirket ileride gerçek parayla bahsi de tamamen dışlamış değil.

Bu, yıllarca kenarda duran bir altyapının nasıl yüzeye çıktığının en net örneği. Milyarlarca kullanıcısı olan bir şirket bu masaya oturunca ölçek tamamen değişiyor.

Burada sadece bir soru bırakmak istiyorum. Meta, bir zamanlar Cambridge Analytica skandalında kullanıcı verisinin kanaat şekillendirmek için kullanılmasıyla anılan şirketti. Şimdi aynı şirket, kanaati fiyatlayan bir piyasaya giriyor. İki olay arasında kanıtlanmış bir bağ yok. Ama soruyu sormamak da zor.

Fikirlerin Özü

Bütün bunların ardında, sadece kazanç hırsından ibaret olmayan bir fikir var. Robin Hanson’ın yıllar önce ortaya attığı ve Coplan’ı en çok etkileyen makalesinde savunduğu kavramın adı “futarchy”. Kabaca, tahmin piyasalarını bir yönetim mekanizmasına çevirme fikri. Yani “değerlere oy verelim, ama inançlar üzerine bahis oynayalım” mantığıyla, kamu kararlarını piyasalara bıraktığımız bir düzen.

Bu fikir tesadüfi değil. Teknolojinin, kamuoyunun rızasını beklemeden değişim dayatmanın en etkili yolu olduğu görüşüyle doğrudan akraba. Thiel’in felsefesini anlamaya çalıştığımızda karşılaştıklarımızın bugün nereye evrildiğini görüyoruz. Tahmin piyasaları bu çerçevede sadece bir bahis platformu değil, bir karar altyapısının prototipi olarak düşünülmeli.

Peki Neden?

“Thiel bunları neden yapıyor” diye sorup durduk ama dürüst olmak gerekirse net bir cevaba varamadık. Bugün elimizde o zaman olmayan bağlantılar var. Ama asıl soru hala açık.

Belki bunların hepsi, birbirini tanıyan bir avuç insanın aynı fikre farklı zamanlarda kapılmasından ibaret. Belki de sessizce kurulan bir şeyin, artık yüzeye çıkacak kadar olgunlaşmasından. Wall Street Journal’ın sahte bahis videosu hikayesiyle başladık. Belki de asıl bahis, bu piyasaların gerçekten geleceği okuyup okumadığı değil, geleceği yazıp yazmayacağı üzerine.

Zaten asıl ilginç olan da o fiyat etiketi.

Üç model, üç kademe

OpenAI bu sürümle birlikte isimlendirmeyi de değiştirdi. Artık sayı (5.6) nesli, isim ise kalıcı bir yetenek kademesini gösteriyor:

• Sol: Amiral gemisi, en güçlü model.

• Terra: Günlük iş için dengeli orta seviye.

• Luna: Hızlı ve ucuz giriş seviyesi.

Fiyatlandırma (1M token başına, girdi / çıktı):

• Sol: $5 / $30

• Terra: $2.50 / $15

• Luna: $1 / $6

İşte burada durup karşılaştırma yapmak lazım, çünkü bu üç rakam aslında OpenAI’ın yeni stratejisini anlatıyor.

Sol: Opus ile aynı kulvarda

Sol’un fiyatı ($5 girdi / $30 çıktı) neredeyse doğrudan Anthropic’in amiral gemisi Claude Opus 4.8’i ($5 / $25) hedefliyor. Girdi tarafında birebir aynı, çıktıda ise Sol bir tık daha pahalı. Yani OpenAI üst segmentte fiyatı düşürmek yerine “rakibimle aynıyım” diyor. Buradaki rekabet fiyattan çok yetenek üzerinden yürüyor. Özellikle kodlama, biyoloji ve siber güvenlik benchmark’larında.

Terra: sessiz kahraman

Terra ($2.50 / $15) belki de en akıllıca konumlanmış model. OpenAI’ın kendi ifadesiyle Terra, önceki nesil GPT-5.5 ile yarışabilecek bir performans sunarken iki kat daha ucuz. Bu, “geçen ayın amiral gemisini bu ayın orta segment fiyatına” pazarlaması. Açıkçası maliyetin sektörde gitgide daha çok konuşulduğu bir dönemde tam isabet diyebiliriz.

Luna: Çin’e doğru bir adım

Asıl dikkat çeken kademe Luna ($1 / $6). Bu, OpenAI’ın bugüne kadar verdiği en agresif fiyat ve niyet açık: ucuz model pazarında Çinli rakiplerle kapışmak.

Ama burada dürüst olalım. Luna, Çinli modellere yaklaşıyor; onları yakalamıyor. Kıyas için DeepSeek tarafına bakalım: DeepSeek V4 Pro $1.74 / $3.48, V4 Flash ise $0.14 / $0.28. Luna’nın girdi fiyatı ($1) V4 Pro’nun altında. Bu gerçekten etkileyici. Ama asıl ucuz olan Çin kademesi, yani V4 Flash, hala Luna’dan girdi tarafında yaklaşık 7 kat, çıktı tarafında yaklaşık 20 kat daha ucuz.

Bir de son haftaların moda modeli var: Z.ai‘nin GLM 5.2’si. Fiyatı $1.40 / $4.40. Karşılaştırma kafa karıştırıcı biçimde başa baş: Luna girdide daha ucuz, GLM ise çıktıda belirgin biçimde daha ucuz, ki çıktı çoğu iş yükünde faturanın asıl belirleyicisi. Yani saf token fiyatında Luna ile GLM 5.2 aynı kulvarda, hatta toplamda GLM bir tık önde.

Özetle Luna, “Batılı bir modelden bu fiyatı görmek şaşırtıcı” dedirtiyor; ama Çin cephesi hala biraz daha ucuz. OpenAI bu boşluğu kapatmaya çalışıyor, henüz kapatmış değil.

Yeni hamle: Jalapeño

Hemen bir parantez açalım: bu fiyatların bugün düşük olması bir maliyet mucizesi değil, stratejik bir tercih. OpenAI bu modelleri hala büyük ölçüde Nvidia GPU’ları üzerinde, muhtemelen negatif kar marjı ile servis ediyor. Pazar payı için kıran kırana bir rekabet ortamındayız. Bugünkü fiyatları açıklayan şey çip değil, bu rekabet.

İşin geleceğe bakan kısmı ise ayrı. OpenAI aynı günlerde Broadcom ile geliştirdiği kendi çipini tanıttı: Jalapeño. Bu, eğitim için değil, doğrudan çıkarım (inference) için tasarlanmış özel bir çip. Çip henüz üretimde değil. İlk ürünlerin 2026 sonunda çalışmaya başlaması, asıl yaygınlaşmanın ise 2027’yi bulması öngörülüyor. Yani bugünkü fiyatlarla doğrudan bir ilgisi yok.

Önemi şurada: inference, her isteğin maliyetini belirleyen kısım. Genel amaçlı GPU yerine kendi iş yüküne göre tasarlanmış özel bir çip kullanırsan performansın artar, birim maliyetin düşer. Jalapeño devreye girdiğinde, bugün tercihle verilen bu agresif fiyatların karlı biçimde sürdürülebilir hale gelmesini sağlayabilir.

Ama madalyonun diğer yüzüne de bakmak lazım. Darboğaz artık GPU’da değil, bellekte. Sektörün uzun süredir konuştuğu “GPU kıtlığı” hikayesi, yerini “bellek kıtlığı”na bırakıyor. Çünkü çıkarımda (inference) token üretmek, bir hesaplama probleminden çok bir veri taşıma problemi. Daha fazla hesaplama bunu çözmüyor; daha fazla bellek ve bellek bant genişliği gerekiyor. Nitekim Jalapeño’nun tanıtımında öne çıkan da ham hesaplama gücü değil, “veri hareketini azaltmak”tı.

Ve asıl sıkışık nokta tam burası. Yüksek bant genişlikli bellek (HBM) 2026 boyunca fiilen tükenmiş durumda. Böyle olunca fiyatları da uçtu. Bu belleklerin üretimi yalnızca üç şirketin (SK Hynix, Samsung, Micron) elinde. Jalapeño da sonuçta HBM’e muhtaç. Yani OpenAI yarın kendi çipiyle GPU bağımlılığını azaltsa bile, kıt ve pahalı kaynak bir kademe aşağıya, yani belleğe, kaydığı için bu baskıdan tümüyle kurtulmuş olmayacak.

Peki neden kullanamıyoruz?

Fiyatı gördük ama modeli kullanamıyoruz. Sebebi de teknik değil, jeopolitik. 26 Haziran’da OpenAI, GPT-5.6’ya başlangıçta kimin erişeceğine ABD hükümetinin karar vereceğini açıkladı. Bu önizleme süresi boyunca erişim ABD hükümeti tarafından onaylanıyor. Sebep şu: Washington frontier modelleri artık fiilen bir ihracat kontrolü kalemi gibi görüyor. Aynı sorunu Anthropic de yaşadı; Mythos 5 ve Fable 5 ABD vatandaşı olmayanlara kapatılmıştı. Yani bu üç kademeli cazip fiyat listesi şimdilik çoğumuz için kağıt üzerinde.

Sonuç

GPT-5.6’nın asıl haberi yeteneklerden çok fiyat tablosu. Sol Opus’la aynı hizada, Terra geçen yılın gücünü yarı fiyata, Luna ise OpenAI’ı ilk kez Çin’in fiyat seviyesine yaklaştırıyor. Bugün bu rakamlar bir rekabet tercihi, ama yarın Jalapeño gibi kendi çipiyle sürdürülebilir hale gelebilir. Yeter ki kıtlık, GPU’dan kaydığı bellekte yeni bir duvar örmesin. Tabii bunları konuşurken bir ironiyi de atlamayalım. Yapay zekâ hiç bu kadar ucuz olmamıştı, ama frontier seviyesinde erişimi de hiç bu kadar zor olmamıştı.

Sızıntılar bir başladı mı mutlaka devam eder. Wired dergisine kimliği belirsiz bir kaynak da başka bilgiler iletti. Ağustos’ta Dublin yakınlarındaki bir şatoda buluşacaklar. Oturum başlıkları oldukça ilginç gözüküyor: “III. Dünya Savaşı’nda Yol Almak”, “Nükleeri Geri Getir”, “Tarikat İnşa Et”. Üyelere özel bir çöpçatan uygulaması bile var; üyelerden ‘gizli kalacak’ denerek toplanan aşk hayatı ve siyasi görüş bilgileri de sızan veriler arasında. Kısacası Bilderberg’in teknoloji çağına uyarlanmış hali diyebiliriz. Peki bu ağı yirmi yıl önce kim kurdu ve neden kurdu? Cevap, bu günlerde çok sık duyduğumuz bir isim: Peter Thiel.

Bilderberg, 1954'ten beri her yıl gizlilik içinde toplanan; siyaset, finans, iş dünyası ve medyadan en üst düzey isimleri bir araya getiren kapalı bir konferans. Adını, ilk toplantının yapıldığı Hollanda'daki Hotel de Bilderberg'den alıyor. Konuşulanlar kayda geçmez ve basına kapalıdır. Tam da bu gizlilik yüzünden yıllardır "dünyayı gizlice yönetenler" temalı komplo teorilerinin baş aktörüdür.

Hayat Hikayesi

1967’de Frankfurt’ta doğan Thiel, bir yaşındayken ailesiyle ABD’ye göçtü, çocukluğunun bir kısmını çok ilginç bir tesadüfle gelecekteki ortağı Elon Musk gibi Güney Afrika’da geçirdi. Bugün Alman, Amerikan ve Yeni Zelanda pasaportuna sahip. Yani üçlü vatandaş. Evanjelik bir ailede büyüdü; kendini “heterodoks” bir Hristiyan olarak tanımlıyor. Stanford’da felsefe okurken, entelektüel zihin dünyasını şekillendirecek düşünür René Girard’la tanıştı.

1998’de Confinity’yi kurdu; şirket, Elon Musk’ın X.com’uyla 2000’de birleşip PayPal oldu (Musk ile ilk teması, sanılanın aksine Afrika değil, bu birleşmeydi). eBay satışından sonra, Silikon Vadisi’nin yarısını yönetecek “PayPal Mafyası” doğdu. 2003’te CIA’nın tohum yatırımıyla Palantir’i kurdu. Palantir yazısında da belirttiğim üzere şirketin adı, Tolkien’de geleceği gösteren ama bakanı yozlaştıran “gören taş”tan geliyor.

2004’te Facebook’un ilk büyük yatırımcısı olarak hayatımıza bir başka noktadan daha sızdı. Sonrası daha az bilinir ama bir o kadar anlamlı. 2009’da “Artık özgürlük ile demokrasinin bağdaştığına inanmıyorum” diye yazdı. Demokrasiyi CEO benzeri tek bir yöneticiyle değiştirmeyi savunan Curtis Yarvin’i fonladı; vergi ve devlet denetiminden bağımsız, okyanusta yüzen şehir-devletleri (”seasteading”) fikrini destekledi; ölümü “çözülecek bir problem” olarak gören longevity araştırmalarına hatırı sayılır paralar döktü. Ve tanıştığında genç bir yazar olan JD Vance’i önce Senato’ya, oradan başkan yardımcılığına kadar taşıdı. Yani Thiel yalnızca bir yatırımcı değil: ağ kuran, ideoloji finanse eden, elinden tuttuğunu kral yapan bir figür.

Üç Katman

Thiel’in hikayesini tek tek olaylar olarak okursanız, zengin bir adamın garip hobileri gibi görünebilir. Bir cemiyet, tuhaf bir toplantı serisi ve bir yazılım şirketi. Ayrı ayrı bakıldığında hiçbiri çok da garip değil. Ama bu üçünü yan yana koyduğunuzda ortaya tek bir örüntü çıkıyor. Dialog sızıntısının asıl önemi de burada. Çünkü Dialog tek başına yalnızca “yeni nesil bir Bilderberg” hikayesi. Ama diğer iki şeyle birlikte okununca... Bir yanda gücü bir araya getiren ağ, bir yanda bu gücün ne için kullanılacağını anlatan ideoloji, diğer yanda da onu sahada uygulayacak teknik altyapı. Sırasıyla: Dialog, Antichrist ve Palantir.

Dialog: Yukarıda anlattığımız cemiyet ya da oluşum. Ne derseniz. Bakan, komutan, senatör, kurucu… Farklı yapılardan en güçlü insanları yılda bir kez kapalı kapılar ardında toplayan bir yapı. Ama şunu da belirtmem lazım ki sızıntı ile ortaya çıkan isimlerin “üye mi, konuşmacı mı, misafir mi” olduğu net değil. Aslında cemiyetten çok, seçkinleri aynı odaya çeken bir mıknatıs. Ama o mıknatısın kutbu belli.

Antichrist: 2025 sonbaharından beri Thiel, San Francisco’dan Roma’ya uzanan, davetiyeyle girilen kapalı toplantılar yapıyor. Konusu Deccal üzerine. Tezi şaşırtıcı. Ona göre Deccal korkulacak bir karakter değil; barış ve güvenlik vaat eden bir koruyucu. Muhtemelen bir kişi bile değil, bir tek dünya devleti. İnsanlık nükleer savaş, iklim ve kontrolsüz yapay zekâ korkusuyla o kadar dehşete düşer ki, kurtuluşu her şeyi gözetleyen küresel bir otoriteye teslim olmakta arar. Argüman, fikren beslendiği Girard ile hukukçu Carl Schmitt’in düşünceleri üzerine kurulu.

Palantir: Her şeyi gören, her şeyi birleştiren küresel gözetim sistemi. Palantir; e-postaları, finansal hareketleri ve sosyal medyayı tek bir profilde birleştiriyor, devletlere, istihbarata ve kolluk kuvvetlerine hizmet veriyor. Pazarlama vaadi ile yaptıkları tutarlı. Üstelik bu vaat tıpatıp aynı: huzur, güvenlik, kaostan gelen düzen. Yani Deccal’in habercisi dediği sloganı, kendi şirketinin reklam metni yapmış durumda.

Komplo Teorisi

Burada kolay yol, “Thiel yeni dünya düzenini kuruyor” deyip komplo teorisine sığınmak olurdu. Ama bunu kanıtlayamayız. Dialog ideolojik olarak fazla karışık ve Thiel kendini tek dünya devletine karşı konumlandırıyor. Palantir de sonuçta bir şirket. Üçünü “gizli bir efendi planı” diye birbirine eklemek, var olmayan bir yapıya kılıf aramak olur.

Ama asıl çarpıcı olan başka bir şey, bunların hepsinin tek adamda birleşmesi. Ve burada Thiel’in kendi düşünce yapısı imdada yetişiyor. Beslendiği felsefi doktrine göre, Deccal’i durdurmak için ona biraz benzemek gerekir. Bu gözle bakınca çelişki çözülür. Küresel gözetim devletini engellemek adına küresel gözetim altyapısı kurmak. Tek dünya düzenini reddederek, tam da onu engelleyecek aracı geliştiren kişi olarak kendini konumlandırıyor.

Siz de bir düşünün. Bir adam bütün bu katmanları inşa ediyorsa, bu tesadüfi bir güç yoğunlaşması mıdır, yoksa bir şeyin sessiz inşası mı?

Önce işin pozitif tarafı. SpaceX bu halka arzdan yaklaşık 75 milyar dolar topladı ve 1,77 trilyon dolar değerlemeyle listelendi. Bu, tarihin en büyük halka arzı. Saudi Aramco’yu bile geçti. İlk gün getirisi yüzde 19’un üzerinde. Böylece Elon Musk dünyanın ilk trilyoneri oldu ve SpaceX de ABD’nin altıncı en büyük halka açık şirketi unvanını almış oldu.

Ama bardağın boş tarafına da bakmak lazım. Bu paraları nasıl topladı? Çünkü ne gelir ne de kar bunu açıklıyor. Şirketin 2025 geliri 20 milyar doların altında, xAI tarafı geçen yıl 5 milyar dolar net zarar yazdı. Peki bu fiyatı kabul edenler tam olarak neyin bahsini oynuyor? Bana sorarsan iki şeyin bahsini oynuyorlar, yörüngedeki işlem gücü ve uzaydaki kaynaklar.

Dördüncü Deneme ile Alınan Nefes

2008’de SpaceX’in kasası boşalmıştı. Üç Falcon 1 denemesi başarısız olmuş, Musk’ın PayPal’dan kalan son 100 milyon doları da şirketi rahatlatmaya yetmemişti. 28 Eylül 2008’de dördüncü deneme tuttu ve Falcon 1 yörüngeye ulaşan ilk özel sıvı yakıtlı roket oldu. Bu başarının ardından gelen 1,6 milyar dolarlık NASA sözleşmesi de imdada yetişti. Sonrasını biliyoruz, ama şunu da eklemem lazım. SpaceX 2021’de Raptor kriziyle, 2025’te de xAI entegrasyonuyla iki kez daha ölümü teğet geçti. Yani bu şirketin hikayesi tek bir anın değil, sürekli son anda nefes alan birinin hikayesi.

Kimse Yanına Yaklaşamıyor

Rakamları görünce neden rakipsiz olduğunu anlayabiliyoruz. BryceTech’e göre SpaceX, 2025’te dünyada fırlatılan tüm uyduların yüzde 85’ini tek başına fırlattı ve yörüngeye çıkan faydalı yüklerin yüzde 80’inden fazlasını taşıdı. Şu an yörüngede 10.400’den fazla aktif Starlink uydusu dönüyor; gezegenin etrafındaki tüm aktif uyduların neredeyse üçte ikisi. 100’den fazla ülkede 10 milyonu aşkın insan geniş bant internete bu sayede ulaşıyor.

Bütün bunun altında yatan tek bir kelime var, maliyet. NASA, kendi verileriyle uzaya kilogram başına 54.500 dolara yük taşıyordu. Falcon 9 bunu 2.720 dolara indirdi, yani yirmide bire. Falcon Heavy 1.500 dolar civarı. Yapılmakta olan Starship’in hedefiyse kilogram başına 100 doların altı. Çılgın gelebilir ama Musk’ın hayali 10 dolar. Uzaya çıkmak ucuzladıkça yörünge de bir tür “ucuz arsa” haline geliyor. İşte asıl hikaye tam da burada başlıyor.

Asıl Bahis

xAI, Şubat 2026’da SpaceX’e katıldı ve şirket yavaş yavaş yönünü değiştirmeye başladı. Kendi yapay zekâ modelini, yani Grok’u öne sürmek yerine, altyapı şirketi olmayı seçtiği anlaşılıyor. Rakamlar bunu doğruluyor. Anthropic, Memphis’teki Colossus 1’i ayda 1,25 milyar dolara kiraladı. Google ise 110.000 Nvidia GPU için ayda 920 milyon dolar ödeyecek. İkisi birlikte yılda yaklaşık 26 milyar dolar; tek başına SpaceX’in 2025 cirosunu geçen bir gelir akışı.

Bir sonraki adım daha da çılgın olacak. Yani işlem gücünü uzaya çıkarmak. AI1 uyduları, her biri ortalama 120 kilovat işlem gücü taşıyan birer yörünge veri merkezi olacak. Çok uzun bir süre beklemeyeceğiz. FCC’ye bir milyon adet için başvuruldu bile. Mantığı da basit. Güneşle eşzamanlı yörüngede ışık neredeyse hiç kesilmiyor, yani enerji bedavaya yakın. Ayrıca ne su soğutması ne de imar izni derdi var. Dünyadaki veri merkezleri tüm bu dertlerle boğuşurken uzay tertemiz bir sayfa sunuyor.

Ümit Burnu Hikayesi

1497’de Vasco da Gama Ümit Burnu’nu dolaşıp Hindistan deniz yolunu açtığında, baharat ticaretindeki Arap ve Ceneviz tekelini bir çırpıda çökertmişti. Dolayısıyla ticaretin ve paranın aktığı boğazın değişmesi, tarihin akışını da değiştirdi. SpaceX de bugün ucuz fırlatma ve yörünge altyapısıyla yeni bir ticaret yolu oluşturmaya aday. Ve o yolu kontrol eden, sadece bir pazarı değil, oyunun kurallarını da ele geçirir.

Bu halka arz tek bir şirketin hikayesi değil, yapay zekâ altyapısının yeni bir evreye geçtiğinin işareti. Kapı aralandı; Anthropic ve OpenAI da halka arz sırasına girdi. Görmemiz gereken şey de bu. Yapay zekâda artık konuştuğumuz konular model katmanından fiziksel altyapı katmanına, yani enerjiye, soğutmaya, yörüngeye, GPU kirasına kayıyor.

Biz ne mi yapacağız? Modellerin işletilebilmesi, en az modelin kendisi kadar önemli. Kesinlikle bu konuda ülkece yatırım yapmalıyız. Ama altyapı konusunda oldukça gerideyiz. Şunu da unutmayalım, değer ürettiğin yerde değil, akışın geçtiği boğazda birikir.

Asıl mesele SpaceX’in kaç para ettiği değil. Yapay zekânın yeni Ümit Burnu’nu kimin tutacağı.

Muhtemelen bu satırları okuduğunuz cihazdaki çip, onu çalıştıran işletim sisteminin atası, cihazınızı ağa bağlayan matematiksel temel ve sinyali gürültüden ayıran teori. Hepsi aynı yerden çıktı. Aklınıza önce Silikon Vadisi gelmiş olabilir ama değil, bir tekelin geliriyle finanse edilen tek bir araştırma laboratuvarı: Bell Labs.

Sabırlı Para Modeli

Bell Labs, 1925’te AT&T’nin araştırma kolu olarak kuruldu. Onu benzersiz kılan yalnızca bütçesi değildi. AT&T bir tekeldi ve bu tekelin istikrarlı geliri, sonucu yıllarca hatta on yıllarca sürebilecek araştırmalara sabırla para akıtmayı mümkün kılıyordu. Yönetici Mervin Kelly’nin kurduğu model basit ama radikaldi: en iyi fizikçileri, matematikçileri ve mühendisleri aynı çatı altında topla, onlara takvim baskılı hedefler dayatma ve farklı disiplinlerin birbiriyle sürekli iletişim halinde olmasına izin ver. Murray Hill’deki ana bina bile bunun için tasarlanmıştı. Uzun koridorlar, bir araştırmacıyı odasından çıkıp başka alanlardan insanlarla karşılaşmaya adeta zorluyordu.

Bu kültürün belki en çarpıcı yanı, başarısızlığa tanınan alandı. Bir araştırmacının yıllarını verip elle tutulur bir sonuç çıkaramaması kovulma sebebi değildi. Bu özgürlük bir lüks değil, modelin ta kendisiydi. Çünkü gerçekten yeni olan hiçbir şey önceden çizilmiş bir takvime sığmaz. Aynı binada bir matematikçinin bir kimyagerle ya da bir mühendisle öğle yemeğinde sohbet etmesi, çoğu zaman bir bütçe kaleminden daha verimliydi. Bilgi hiyerarşi yoluyla değil, tartışma yoluyla üretiliyordu.

Transistörden Unix’e

Sonuç, teknoloji tarihinin gördüğü en yoğun buluş serisi oldu. 1947’de John Bardeen, Walter Brattain ve William Shockley transistörü icat etti. Bugün dünyadaki her bilgisayarın, her telefonun ve her veri merkezinin temel taşı. Bir yıl sonra Shannon, bilgi kuramını kuran makalesini yayımladı ve “bit” kavramını dünyaya tanıttı. Bir mesajın gürültülü bir kanaldan hatasız nasıl iletilebileceğini matematiksel olarak ilk kez o tarif etti. Bugün attığınız her mesajın, izlediğiniz her videonun altında bu kuram var. 1960’ların sonunda Ken Thompson ve Dennis Ritchie, Unix işletim sistemini ve C programlama dilini geliştirdi. Linux, macOS, Android ve neredeyse tüm bulut altyapısının atası bu işletim sistemi. Listeye lazer, güneş pili, CCD görüntü sensörü, iletişim uyduları ve hücresel telefon fikrini de eklemem lazım.

Faturayı Kim Ödedi?

Bunlar abartılı pazarlama cümleleri değil. Bell Labs, 10 Nobel ödüllü bir Ar-Ge laboratuvarı. Kurumun ürettiği değer, kendi ticari hedeflerinin çok ötesine taşıyordu. Bu noktada şirketin sahiplik yapısına da bakmak gerekir, çünkü Bell Labs’i finanse eden para birkaç patronun cebinden çıkmıyordu. AT&T halka açıktı ve hisseleri geniş bir tabana yayılmıştı. Milyonlarca küçük yatırımcının güvendiği bir yatırım aracıydı. Peki hissedarlar neden daha fazla kâr yerine araştırmaya razıydı? Çünkü 1934 tarihli Communications Act sonrasında devlet AT&T’nin getiri oranını sabitlemişti. Şirket fazla kâr ederse düzenleyici telefon tarifelerini düşürüyordu; araştırmaya gitmeyen para hissedara değil tarife indirimine gidiyordu. Yani temel araştırma fiilen telefon abonelerinin faturasından, sistemin yapısına gömülü bir mekanizmayla finanse ediliyordu. Tüm Bell Sistemi’nde Ar-Ge’nin ciroya oranı yüzde 2-3’ü geçmiyordu ama bu küçük dilim on yıllarca kesintisiz ve sorgusuz aktı. Halka geniş ölçüde açık, sıkı denetlenen ve karşılığında belirli ayrıcalıklar tanınan bir yapının topluma neler kazandırabileceğinin belki de en iyi örneği budur.

Motor Neden Durdu?

Peki bu olağanüstü motor neden durdu? Cevap, onu var eden şeyin ta kendisinde saklı. 1984’te ABD, AT&T tekelini parçaladı. Tekel bitince bu çalışmaları mümkün kılan sabırlı sermaye de gitti. Rekabet tüketiciye ucuz telefon getirdi ama bu çok önemli araştırmaların faturasını ödeyecek kurumu ortadan kaldırdı. Bell Labs önce 1996’da Lucent’e, sonra 2006’da Alcatel-Lucent’e bağlandı ve 2016’dan bu yana Nokia çatısı altında. Nokia Bell Labs bugün de değerli işler üretiyor ama o eski ölçekli, sabırlı ve sonucu önceden sormayan temel araştırma modeli geride kaldı.

Bugün benzer bir şey kurmak neden bu kadar zor? Çünkü Bell Labs aslında bir toplumsal anlaşmanın ürünüydü. Toplum tekele göz yumdu, tekel de bu rahatlığı bilime aktardı. O anlaşma artık yok. Modern teknoloji devlerinin de güçlü araştırma laboratuvarları var ama çoğu bir sonraki ürüne, bir sonraki çeyreğe ya da hisse fiyatına bağlı. Cevabı yirmi yıl sonra gelecek bir soruya bugün kaç şirket sabırla yatırım yapar?

Ya Hiç Var Olmasaydı?

Ya Bell Labs hiç var olmasaydı? Dürüstçe şunu diyebilirim: Transistör de bilgi kuramı da er ya da geç başka bir yerde keşfedilirdi. Bilim hiçbir zaman tek bir kuruma bağlı kalmamıştır. Ama mesele tek tek icatlar değil. Asıl mesele, o icatları arka arkaya üretebilen modelin kendisi. Bugün yapay zekâ yarışında gördüğümüz coşkunun büyük bölümü, on yıllar önce ekilmiş tohumların hasadı. O tohumları eken kurum ise kısa vadeli getiri baskısı olmadan, cevabı belki hiç gelmeyecek sorulara yıllarca cevap arayabilen bir kurumdu. Sanırım en büyük kaybımız o icatlar değil. Artık nasıl kurulacağını unuttuğumuz o laboratuvarın kendisi.

Bu konu da daha fazla okuma yapmak isteyenler için Türkçe çevirisi bulunan birkaç kitap önerebilirim. Bu yazıyı hazırlarken benim de faydalandığım ilk kaynak, Jon Gertner’ın Fikir Fabrikası: Bell Laboratuvarları ve Amerikan Yenilikçiliği’nin Altın Çağı kitabı (Modus Kitap). Bell Labs’in en kapsamlı tarihi; Kelly, Shockley ve Shannon gibi isimlerin hikayesini kurumun iç işleyişiyle birlikte anlatıyor. Bilgi kuramının ve “bit” kavramının serüvenini merak edenler için James Gleick’in Enformasyon: Bir Tarih Bir Kuram Bir Tufan kitabı (Optimist Yayınları) Shannon’ın çalışmasını çok daha geniş bir tarihsel çerçeveye oturtuyor. Dijital çağın genel resmini görmek isteyenler içinse Walter Isaacson’ın Geleceği Keşfedenler kitabı (Domingo Yayınevi), Ada Lovelace’tan günümüze uzanan hikayede Bell Labs de önemli bir yer kaplıyor.

13-15 Mayıs’ta Donald Trump, yanına Nvidia’dan Jensen Huang, Apple’dan Tim Cook ve Elon Musk’ı da alarak Pekin’e gitti. 21 Mayıs’ta, yani dönüşünden yalnızca altı gün sonra, ABD hükümeti beklenmedik bir şey yaptı: dokuz kuantum bilişim şirketine doğrudan ortak oldu. 22 Mayıs’ta ise Fransa Cumhurbaşkanı Emmanuel Macron, bu gelişmelere karşı Fransa’nın da boş durmayacağını ilan etti.

Bu yazıda, o altı günün ne anlama geldiğini ve bizi nereye götürdüğünü anlatmaya çalışacağım.

Pekin’de gerçekten ne görüldü?

Resmi gündem ticaret, tarifeler, nadir toprak elementleri ve elbette Tayvan ile İran’dı. Ama görüşmelerin asıl meselesi, masada hiç adı geçmeyen ama herkesin farkında olduğu “odadaki fil”, yani yapay zekâydı. Liderler yapay zekânın geleceği konusunda somut bir anlaşmaya varmadan dağıldılar. Sanırım bu bilinçli bir kaçınmaydı, çünkü iki tarafın da bildiği bir gerçek vardı.

O gerçek şuydu: Çin, yapay zekâ yarışındaki açığı büyük ölçüde kapatmak üzereydi. Yıllardır ABD’nin elindeki en güçlü kozlardan biri, Çinli şirketlerin Nvidia’nın gelişmiş çiplerine erişememesiydi. Pekin zirvesinin hemen ardından Washington, Nvidia’nın H200 çiplerini Alibaba, Tencent, ByteDance ve JD.com dahil yaklaşık on Çinli şirkete satmasına yeşil ışık yaktı. Yani ABD, en kritik teknolojik kozlarından birini gevşetir gibi yaptı.

Bunu salt Trump’ın korkarak geri adım atması gibi okumak hatalı olur. Doğrusu şu olmalı: Pekin gezisi yeni bir endişe yaratmadı; var olan, derin ve yapısal bir endişeyi bir anda görünür hale getirdi. Heyet, Çin’in artık bir takipçi değil, eş seviyede bir rakip olduğunu yakından gördü. Ve dönüşte verilen cevabın sertliği, bu farkındalığın boyutunu ele veriyordu.

Devlet müşteri değil, ortak

ABD ekonomi tarihinin büyük bölümünde federal hükümet, inovasyonun sahibi değil müşterisi olmuştur. Özellikle ordu, kimsenin finanse etmeyeceği araştırmaları fonlar, ama kazançtan pay almaz.

21 Mayıs’ta bu mantık kırıldı. ABD Ticaret Bakanlığı, dokuz kuantum bilişim şirketine toplam 2 milyar doların üzerinde teşvik dağıtacağını, ama fonun şartı olarak her birinde azınlık hissesi alacağını duyurdu. Bu, kuantum sektörüne bugüne dek yapılmış en büyük federal müdahaleydi.

Paranın dağılımı da dikkat çekiciydi. Teşvikin büyük dilimi IBM’in oldu: şirket 1 milyar dolarlık pay aldı. GlobalFoundries’e 375 milyon dolar ayrıldı. D-Wave, Rigetti, Infleqtion, Atom Computing, PsiQuantum ve Quantinuum’un her birine 100 milyon dolara kadar pay düştü; bir diğer şirket olan Diraq ise 38 milyon dolara kadar destek aldı.

Bu konuda eleştiriler de var. Temel sav şu: devletin hisse alması rekabeti bozuyor, yatırım kararlarını siyasileştiriyor ve gözde firmalar zora düştüğünde onları koruma dürtüsü yaratıyor.

Neden kuantum, neden tam da şimdi?

Asıl can alıcı soru bu. Cevap, hamlenin “ulusal güvenlik” gerekçesinde gizli; o gerekçenin merkezinde de şifreler var.

Yeterince büyük ve hata-düzeltmeli bir kuantum bilgisayar, Shor algoritması sayesinde bugün interneti, bankacılığı ve devlet iletişimini ayakta tutan açık anahtarlı şifrelemeyi (RSA) kırabilir. Klasik bilgisayarların milyonlarca yılda çözeceği problemleri, böyle bir makine kısa bir sürede çözebilir.

Devletler “şimdi topla, sonra çöz” (harvest now, decrypt later) stratejisiyle hareket ediyor: ele geçirdikleri şifreli verileri, yıllar sonra kuantumla açmak üzere arşivliyorlar. Bugün gönderdiğiniz şifreli bir mesaj, gelecekte okunmak üzere bir depoya kaldırılmış olabilir. Aslında kripto tarafı da buna hazırlanıyor ve yeni algoritmalar geliştiriyor. İyi haber şu ki AES gibi simetrik şifrelemeler çok daha dayanıklı.

Buradan yazının çekirdek tezine varıyoruz: yetkililer kuantumu, sonuçları doğrudan kriptografi ve savunmaya uzanan “çift kullanımlı” bir teknoloji olarak görüyor. Devletin bu şirketlere ortak olması bir tesadüf değil. Kuantum aynı anda hem bir hesaplama aracı hem de potansiyel bir istihbarat silahı. Bir ülke, rakibinin tüm şifreli iletişimini okuyabilecek ilk taraf olmak istiyorsa, o teknolojinin kime ait olduğunu boş veremez.

Avrupa’nın cevabı

ABD’nin hamlesinden bir gün sonra, 22 Mayıs’ta Macron sahneye çıktı. Fransa’nın açıkladığı paket, kuantuma 1 milyar avro, yarı iletkenlere 550 milyon avro ayırıyordu. Ama bu açıklamada asıl kritik olan, Macron’un diliydi; çok net biçimde egemenlik üstüne kurulu bir açıklamaydı. ABD ve Çin’deki “hızlanmaya” işaret etti ve “sınır ötesi etkisi olan herhangi bir yasadan bağımsız”, Avrupalı şirketlerce tasarlanıp işletilen bir kuantum ekosistemi çağrısı yaptı. Burada kastedilen, Avrupa verisinin Amerikan yargısına maruz kalmasından duyulan kaygıydı. Size ilginç bir ayrıntı daha vereyim. Aynı gün, Amerikan devi Nvidia, Fransız girişimi Alice & Bob’a yatırım yaptığını duyurdu. Yani “egemenlik” söylemiyle “sermayenin sınır tanımazlığı” aynı anda yaşandı.

Peki bu bize ne anlatıyor?

Altı günlük zaman çizelgesi, aslında çok daha büyük bir yapısal hareketin konsantre bir özeti. Kuantum, deneysel bilimden ulusal sanayi politikasının önceliğine terfi etti. Devletler artık sadece fonlamıyor, masaya ortak olarak da oturuyor. Çünkü mesele yalnızca daha hızlı bilgisayarlar değil; geleceğin şifrelerini kimin kıracağı, kimin koruyacağı meselesi.

Bunun teknoloji ekosistemindeki herkes için somut bir sonucu var. Post-kuantum kriptografiye geçiş artık “acaba gerekli mi” sorusu değil, “ne kadar geç kalırsam o kadar riskli” denklemidir. Bugün arşivlenen şifreli verinin gelecekte okunabileceğini bilmek, iyi bir başlangıç noktasıdır. Devletler kuantuma milyarlarla ortak olurken, bizim yapabileceğimiz şey post-kuantum dünyaya bugünden hazırlanmaktır.

Peki biz ne yapabiliriz derseniz: şifreleme algoritmalarını kendimiz yazmadığımız için en etkili adım, kullandığımız uygulamaları ve cihazları güncel tutmak ve post-kuantum kriptografiye (NIST’in ML-KEM, ML-DSA standartlarına) geçişi başlatan uygulamaları tercih etmektir. Modern tarayıcılar, Signal ve Apple iMessage gibi araçlar bu geçişi çoktan yapmaya başladı. İkinci olarak, “şimdi topla, sonra çöz” riskine karşı uzun süre gizli kalması gereken hassas verileri eski şifrelemeyle saklamaktan kaçınmaktır. Özetle iş, yeni bir teknoloji satın almak değil; doğru güncellemeyi yapmak, doğru tedarikçiyi seçmek. Sıkıcı ama kritik bir hijyen meselesi.

Trump Pekin’de tam olarak ne gördü, bilemeyiz. Ama dönüşte ne yaptığını biliyoruz. Ve bazen bir hamlenin zamanlaması, niyetin kendisinden daha çok şey anlatır.

Yazılım dünyası bu konuda maden ocağındaki kanarya gibi. İngiliz madencileri gaz dedektörleri yokken ocaklara kanarya götürürdü; kuş susunca havadaki zehirli gaza karşı kaçma vakti gelmiş demekti. Bugün bu deyiş, tehlikeyi geneline yayılmadan önce ilk hisseden grup için kullanılıyor. Yapay zekânın yıkıcı etkilerini ilk biz görüyoruz.

Ama fırsat da yok değil. Mesele işi tamamen algoritmalara devretmek değil. Çalışma biçimimizi değiştirecek yeni bir zihinsel modele geçmek. Bu modelin adı: Yapay Zekâ Tostu.

İnsanın Yeni Konumu: Sürecin Başında ve Sonunda

Compound Engineering kavramının mucidi Kieran Klaassen’ın geliştirdiği tost metaforu, yapay zekâyla iş birliğinin anatomisini özetliyor. En dıştaki katmanlar, yani tostu bir arada tutan ekmekler, insan. İçindeki tüm malzeme yapay zekâ.

Sürecin başında ne yapılacağına karar veren insan. Stratejik çerçeveyi çizen, yönü tayin eden de insan. Sonunda çıkan ürünü onaylayan, cilalayan, ona ruhunu katan yine insan. Yapay zekâ, iki kritik insani dokunuş arasındaki yoğun iş yükünü üstlenen dolgu malzemesi.

“İnsanlar tostun ekmeğidir, yapay zekâ ise ortadadır. Yapay zekâ, tostunuzun içine koyduğunuz her şeydir.”

Bu model sadece bizim gibi kod yazanlar için değil. Tasarımcı, stratejist, içerik üreticisi fark etmez. Bir ürünün gerçekten size ait olmasını istiyorsanız, işin hem başlangıcında hem bitişinde yer almalısınız.

Uygulama Katmanının Sonu

Geleneksel düzende vaktimizin yüzde 80’ini işin kendisini yapmaya harcardık. Kod yazmak, taslak oluşturmak, veri düzenlemek. Gerçekçi olalım. Bu iş katmanı artık çözüldü. Sanırım şurada mutabıkız. Dil modelleri artık karmaşık planları saatlerce, hatta günlerce hatasız uygulayabiliyor.

Bu durum hepimizi işçi konumundan yönetici ya da mimar konumuna taşıyor. Orta katmandaki teknik detaylarla boğulmak yerine süreci orkestra etmemiz gerekiyor. Yani yapay zekâ planı uygularken biz zihnimizi üst seviye kararlar için saklamalıyız.

Çerçeveyi Değiştirmek

Yapay zekânın hapsolduğu yerel çerçeveyi aşan insani uzmanlık tam olarak ne? Beliniz tutulmuşsa yapay zekâ size hemen ağrı kesici önerir. İlaç ağrıyı geçirie ama sorunu çözmez. Yani problemin çerçevesini değiştirip bir üst seviyeye çıkamaz. Belki sorun belinizde değil. Gün boyu oturduğunuz sandalyededir. Belki yatağınızı değiştirmeniz gerekiyordur. Belki de yürüyüşe çıkmanız.

Yapay zekâ verilen görev sınırları içinde kusursuz çalışıyor. Ama hangi sorunun çözülmeye değer olduğuna ve soruna hangi perspektiften bakılması gerektiğine karar vermek tamamen insani bir yeti. İnsan uzmanlığı artık doğru cevabı bulmak değil. Doğru soruyu sormak ve çerçeveyi belirlemek.

Beğeni ve Estetik: Yapay Zekânın Sınırı

Yapay zekâ çıktılarının en büyük açığı sıradan kalmaları. Hepsi birbirine benziyor, hiçbiri size ait gibi durmuyor.

Kieran’ın klasik müzik geçmişinden gelen bir tespiti var. Bir parçayı yüz kez çalışmak mekanik bir iş. Ama o eseri sahnede icra etmek, ona duygu katmak, işi sanata çevirir.

“Bir şeyin size ait olmasını istiyorsanız, sizden gelmeli ya da bir şekilde sizinle bağlantılı olmalı.”

Beğeni ve detaylardan aldığınız keyif, ürünü standart olandan ayırır. Yapay zekâ her şeyi tek tipleştirirken, “bu iyi hissettiriyor” dediğiniz son dokunuş geriye kalan tek farklılaştırıcı.

Hatalardan Öğrenen Ortak Beyin

Yapay zekâyı tek seferlik bir araç gibi kullanmayın. Zamanla gelişen bir çalışma arkadaşı olarak konumlandırın. Compound Engineering’de kritik adım şu: öğrenilen her bilgi sistemin hafızasına işleniyor. Yapay zekâ aynı hatayı bir daha yapmıyor. Sizinle birlikte öğrenen bir bellek, bir ortak beyin oluşuyor.

Süreç döngüsel:

1. Planla: Problemi tanımla, çerçeveyi çiz, stratejiyi kur.

2. Uygula: İşi yapay zekâya devret, bırak o halletsin.

3. Gözden geçir: Çıktıyı test et, estetik dokunuşunu yap, hissiyatı kontrol et.

4. Biriktir: Hataları ve öğrenimleri sistem hafızasına yaz, zekâsını kalıcı kıl.

Klavye Hızından Düşünme Hızına

Klavye başında saatlerce uğraşan operatörlerin yerini, fikirlerini hızla hayata geçiren yaratıcı yöneticiler alıyor. Yazma hızından düşünme hızına geçiyoruz.

Yapay zekâ tostun ortasını doldurdu. Ortadaki malzeme her geçen gün daha ucuz, daha hızlı, daha kaliteli hale geliyor. Onu tosta dönüştürmek ise hala sizin işiniz:

Hangi soruyu soracağınız. Çerçeveyi nasıl çizeceğiniz. Çıktıya hangi gözle bakacağınız. Ne öğrendiğinizi nasıl biriktireceğiniz. Tostun karakteri buralardan geçiyor.

Sıradan mı yoksa size has mı olacağı, tamamen size kalmış.

Geçen gün bir arkadaşla konuşurken yine aynı yere geldik. Hep aynı yere geliyoruz aslında. Şirket içinde, X’te, yüzyüze sohbetlerde, etkinliklerde, bazen de boş muhabbetlerde. Gündem hep aynı: layoff’lar, iş bulamayan junior’lar, emekliliği ertelenenler, yurt dışında çalışıp hisse opsiyonları kağıt parçasına dönenler vb. Sektörümüz bir süredir hep aynı şeyi konuşuyor. Sanırım daha önce böyle bir dönemden geçmemiştik.

Önce Kendimden

Yıllardır kafamın bir köşesinde aynı plan vardı: bir gün, şirketten yeterince uzaklaştığımda, kendi açık kaynak projelerimde çalışacaktım. Belki başkalarının projelerine PR gönderirim, belki kendi bakımını sürdürdüğüm küçük projeler olur. Para için değil, başka bir şey için. Bir nevi emeklilik planı gibi düşünüyordum bunu. Maddi değil, anlamsal bir şey.

O plan eridi.

Açık kaynak dünyasını takip edenler bu gelişmeleri görmüştür. GitHub Şubat’ta sessizce yeni bir ayar yayınladı: artık projeler PR mekanizmasını tamamen kapatabiliyor. Çünkü gerçekten ihtiyaç vardı. cURL projesinin yedi kişilik güvenlik ekibi, kendilerine gelen güvenlik raporlarının %20’sinin YZ üretimi olduğunu ve bunların yalnızca %5’inin gerçek bir açık tarif ettiğini gördükten sonra Daniel Stenberg Ocak’ta “bug bounty” programını kapattı. Bu konuda yazdığı blog yazısının adı bile her şeyi anlatıyor: Death by a Thousand Slops. Mitchell Hashimoto da yeni projesi Ghostty’de bunu yasakladı. Steve Ruiz, tldraw’da harici PR’ları otomatik kapatmaya başladı. OpenClaw’ın yaratıcısı Peter Steinberger bile kendi projelerinde gelen PR akışını yönetemediğini açıkça söyledi. Düşünün, kendisi YZ agent’ı satan adam. Sebep hep aynı: YZ üretimi düşük kaliteli, çoğu zaman anlamsız PR’lar gerçek katkıyı boğdu. Yalnızca Mart 2026’da GitHub’a 17 milyon YZ PR’ı açıldı; altı ay önce bu sayı 4 milyondu.

PR nedir? Pull Request kelimelerinin kısaltması. Açık kaynak projelerinde dışarıdan birinin koda katkı verme yöntemi. Bir değişiklik yapıyorsun, bunu gönderiyorsun, proje sahibi inceleyip kabul ya da reddediyor. Açık kaynağın temel akış mekanizması.

Yani “emekli olunca açık kaynağa katkı vereceğim” cümlesi giderek anlamını yitiriyor. Çünkü katkı verilecek topluluk diye bir şey giderek kalmıyor. Vibe coding ile paketler agent’lar tarafından yazılıyor; kimse doküman yazmıyor, kimse issue açmıyor, kimse insanı tanımıyor. Geri besleme döngüsü kırılıyor. Ve topluluk yavaş yavaş susuyor.

Benim emeklilik planım buydu. Şu an iptal.

Asıl Yas Başka Yerde

Ama ben yine de şanslıyım. Bir emeklilik hayalinin suya düşmesine yas tutuyorum. Asıl yas başka yerde.

Bir tarafta Jr geliştiriciler. Yani genç yeni mezunlar. Yapay zekânın en kolay yuttuğu pozisyon zaten giriş seviyesi işler. Şirketler artık yeni mezun gençleri almıyor; alanlara verilen maaş gerçekten komik seviyelerde. Bu sektörün giriş kapısı neredeyse kapandı. Bunun on yıl sonraki sonucunu kimse konuşmak istemiyor: alttan gelen kimse yok ve bunun farkına 2032’de varacağız.

Diğer tarafta Sr olanlar. Yani kıdemli mühendisler. Microsoft tarihinde ilk kez gönüllü emeklilik programı açtı. 51 yıllık şirket, ilk kez. Şartları sağlayan 8.750 kişiye “işten çıkar mısın?” diye sordular. Çıkmak isteyen var, ama sanırım istemeyen daha çok. California bölgesinde kıdemli mühendisin iş bulma süresi son iki çeyrekte 38 günden 67 güne çıkmış. İki yıl önce olsa bu rakama gülerdik.

Bir de şu kuşak var: San Francisco’da, Seattle’da, Austin’de yıllarca bir startup’a girip hisse senedi opsiyonu ile emekli olmayı planlayanlar. 2021’in ucuz para ortamında işe girenler şanslı. Sonrası gerçekten kötü. Yapay zekâ şirketleri dışındaki startup’larda çalışanların hisseleri ne zaman anlamlı bir kâr sağlayacak belli değil. Ha, yapay zekâ harici startup kaldı mı, o da başka bir soru.

İroni

Zaten bir de şu ironi var. Yazılımcılar olarak onlarca yıldır tek bir hayal kurduk: daha az kod yazmak. Üst düzey diller geldi, framework’ler geldi, abstraction’lar, ORM’ler, kod tamamlayıcılar, generator’lar, low-code, no-code geldi. Her yeni katman aynı vaatle geldi: “Bunu artık yazmak zorunda kalmayacaksın.” Hep biraz daha az yazdık, biraz daha az dert ettik.

Tebrikler, başardık... Artık kod yazamıyoruz.

Cevabım Yok

Burada bir çıkış göstermem, “ama şunu yapın” dememi bekleyenler olacak. Yapmayacağım. Çünkü yapamıyorum. Benim de bir çıkışım yok.

Belki şu var: bunu kabul etmek bile bir çıkış noktası. Sektörümüzün altın çağının bittiğini, yenisinin başlamadığını, arada bir boşlukta durduğumuzu kabul etmek. Bu boşlukta ne yapacağımıza dair kimsenin bir fikri yok. Büyük şirket yöneticilerinin bile yok. Daha fazla çip alıp daha fazla token tüketmeye çalışıyorlar. Bu sırada da insanları yolluyorlar.

Bir cevabım olsa yazardım. Ama yok.