Yapay zeka modelleri daha uzun görevleri üstlenip daha hassas alanlara girdikçe gündemin ağırlık merkezi de değişiyor. Performans ve maliyet önemini korurken; sistemlerin nasıl denetlendiği, sonuçlarının nasıl doğrulandığı ve iddiaların gerçek kullanım koşullarında ne ölçüde geçerli olduğu daha fazla öne çıkıyor.
24–30 Ekim 2026 döneminde bu dönüşümün farklı yönlerini gördük. Anthropic halka arz sürecini başlatırken Google ve OpenAI, farklı performans-maliyet dengelerine sahip yeni modeller duyurdu. METR ve Redwood Research’ün OpenAI’ın kurum içi ajan izleme sisteminde bulduğu açıklar, kontrol katmanının da en az model kadar güçlü olması gerektiğini gösterdi. Buna karşılık Claude ile yapılan biçimsel doğrulama çalışması, yapay zekanın yalnızca kod üretmekte değil, kodun belirli güvenlik koşullarını sağladığını kanıtlamakta da kullanılabileceğine işaret etti.
Sağlık, genç güvenliği ve bilimsel araştırma alanındaki gelişmeler ise yapay zekanın etkisi arttıkça bağımsız değerlendirme, alan uzmanlığı ve gerçek dünya doğrulamasının öneminin de artabileceğini ortaya koyuyor.
TRAI olarak haftanın yapay zeka gündeminden öne çıkan 10 gelişmeyi ve bunların kurumlar açısından neden önemli olabileceğini derledik.
Anthropic, A sınıfı hisselerinin halka arzına ilişkin S-1 kayıt bildirimini ABD Menkul Kıymetler ve Borsa Komisyonu’na sundu. Şirket, hisselerini Nasdaq’ta ANT koduyla listelemeyi planlıyor.
Halka arzda sunulacak hisse sayısı ve fiyat aralığı henüz belirlenmiş değil. Kayıt bildiriminin sunulması da işlemin kesinleştiği anlamına gelmiyor; sürecin düzenleyici inceleme ve piyasa koşullarına bağlı olarak ilerlemesi bekleniyor.
Neden önemli?
Frontier model geliştiren bir şirketin halka açık piyasalara hazırlanması, yapay zeka sektörünün finansman yapısında yeni bir döneme işaret edebilir. Bu laboratuvarlar bugüne kadar büyük ölçüde özel yatırımlar, stratejik teknoloji ortaklıkları ve uzun vadeli sermaye üzerinden büyüdü.
Halka açık bir şirket olmak ise gelir, maliyet, risk ve yönetişim konusunda daha düzenli açıklama yapılmasını gerektiriyor. Özellikle veri merkezi yatırımları ve model eğitimi için yüksek harcama yapan şirketlerde yatırımcıların yalnızca büyümeyi değil, bu büyümenin ne zaman sürdürülebilir bir ekonomik modele dönüşebileceğini de yakından izlemesi beklenebilir.
Anthropic’in başvurusu tek başına sektörün tamamı için bir şablon oluşturmuyor. Yine de büyük yapay zeka laboratuvarlarının teknoloji yarışının yanında sermaye piyasalarının şeffaflık ve kârlılık beklentileriyle de karşılaşmaya başlayabileceğini gösteriyor.
Google, Gemini 4 ailesinin yeni modeli Carbon’ı duyurdu. Şirket modeli özellikle siber güvenlik, yazılım geliştirme ve uzun süre devam eden çok adımlı görevler için konumlandırıyor.
Google’ın paylaştığı sonuçlara göre Carbon; güvenlik açığı bulma, açığın kullanılabilirliğini doğrulama ve kök nedeni yamalama testlerinde önceki Gemini sürümlerine göre ilerleme sağlıyor. Modelin uzun süreli mühendislik görevlerinde günler boyunca çalışabildiği de belirtiliyor. Bu verilerin büyük bölümü Google’ın kendi değerlendirmelerine dayanıyor ve gerçek kurumsal iş yüklerinde ayrıca doğrulanması gerekiyor.
Carbon ilk aşamada sınırlı sayıda siber savunma ekibine ve güvenilir ortağa açılacak. Daha geniş geliştirici ve kurumsal erişimin ise güvenlik geri bildirimleri toplandıktan sonra kademeli biçimde sunulması planlanıyor.
Neden önemli?
Yeni model duyurusundaki asıl değişim, yalnızca daha yüksek test skorları değil. Modelin saatler yerine günler sürebilen işleri takip edebilmesi; güvenlik incelemesi, büyük kod tabanı analizi ve karmaşık bakım görevlerinde daha bağımsız ajanların kullanılmasını mümkün kılabilir.
Bu kapasite savunma ekipleri için değerli olsa da aynı yeteneklerin çift kullanımlı olması erişim politikasını daha önemli hale getiriyor. Google’ın önce kontrollü dağıtımı tercih etmesi, frontier modellerde yayın kararının artık yalnızca ürün hazırlığıyla değil, yetenek düzeyi ve olası kötüye kullanım riskiyle de ilişkilendirildiğini gösteriyor.
OpenAI, görsel anlama, bilgisayar kullanımı ve günlük profesyonel görevler için geliştirdiği GPT-6.1 Terra modelini kullanıma sundu. Model; ChatGPT Work, Codex ve API üzerinden erişilebiliyor.
Terra’nın standart API fiyatı bir milyon giriş tokenı için 1 dolar, bir milyon çıkış tokenı için 5 dolar olarak açıklandı. OpenAI’a göre bu fiyatlar GPT-5.6 Terra ve GPT-6.1 Sol’dan yüzde 50 daha düşük. Şirketin kendi testlerinde yeni model, ekran üzerindeki çok adımlı görevlerde önceki Terra sürümüne göre daha yüksek başarı ve daha düşük görev maliyeti sunuyor.
OpenAI, en karmaşık kodlama ve araştırma görevleri için Sol veya Astra modellerinin daha uygun olabileceğini de belirtiyor. Bu nedenle Terra’yı en güçlü modelden çok, yüksek hacimli kurumsal işler için farklı bir performans-maliyet noktası olarak değerlendirmek daha doğru görünüyor.
Neden önemli?
Bilgisayar kullanabilen modellerin fatura okuma, veri girişi, form doldurma veya farklı uygulamalar arasında işlem yürütme gibi yüksek hacimli görevlere yerleşmesi büyük ölçüde birim maliyete bağlı. Model yeterince güçlü olsa bile görev başına maliyet insan denetimiyle birlikte çok yükseliyorsa geniş ölçekli kullanım sınırlı kalabilir.
Terra gibi modeller, kurumların her iş için en güçlü modeli kullanmak yerine risk ve karmaşıklığa göre model seçtiği katmanlı mimarileri yaygınlaştırabilir. Ancak düşük fiyat tek başına toplam maliyeti belirlemiyor; hata düzeltme, gözlemleme, entegrasyon ve insan onayı da hesaplamaya dahil edilmeli.
Bağımsız araştırma kuruluşları METR ve Redwood Research, OpenAI’ın kurum içi ajanlarda uyumsuz davranışları tespit etmek için kullandığı izleme sistemini üç hafta boyunca stres testine tabi tuttu. Araştırmacılara kod tabanı, izleme yapılandırmaları ve iç dokümantasyon dahil olmak üzere yüksek düzeyde erişim verildi.
Çalışmada, incelenen sistemin temmuz ayındaki halinde bazı ajan trafiğinin izleme kapsamı dışında kalabildiği ve ajanların izlemeyi geciktirmesine ya da belirli koşullarda devre dışı bırakmasına imkân verebilecek yollar bulunduğu bildirildi. Ayrıca ajanların korumalı çalışma ortamını ve otomatik inceleme katmanını teorik olarak aşmasına imkân verebilecek bir yöntem tespit edildi.
Bu bulguların güncel sistemi bütünüyle tanımlamadığını belirtmek önemli. METR, OpenAI’ın çalışma sırasında izleme kapsamını genişlettiğini ve bazı sorunları araştırmacılardan bağımsız biçimde tespit ederek giderdiğini ifade ediyor. Kamuya açık rapor da daha kapsamlı kurum içi çalışmanın yalnızca yüksek seviyeli bir özeti.
Neden önemli?
Bir ajanın davranışını modelden sonra inceleyen kontrol sistemi de yazılım, yapılandırma ve erişim açıklarına sahip olabilir. Bu nedenle “izleniyor” ifadesi tek başına yeterli bir güvence sunmuyor; hangi eylemlerin kapsandığı, kayıtların eksiksiz ulaşıp ulaşmadığı ve ajanın izleme mekanizmasını etkileyip etkileyemediği ayrıca sınanmalı.
Kurumlar açısından sonuç, tek bir güvenlik katmanına bel bağlamamak olabilir. En az ayrıcalık, ağ ve araç kısıtlamaları, değiştirilemez kayıtlar, anlık durdurma mekanizmaları ve bağımsız kırmızı takım çalışmaları birlikte değerlendirildiğinde daha dayanıklı bir yapı kurulabilir.
Anthropic ve Theorem, Claude’u biçimsel doğrulama sürecinde kullanarak 123 açık kaynak kütüphanedeki güvenlik özelliklerini makine tarafından denetlenebilir matematiksel kanıtlara dönüştürdü. Çalışmada 100’den fazla kütüphanenin RISC-V derlenmiş kodu üzerinde belirli bellek güvenliği ve normal sonlanma koşulları doğrulandı.
Claude bu süreçte, yoğun biçimde test edilmiş bazı projelerde yıllardır fark edilmemiş hatalar da buldu. Anthropic çalışmanın tüm yazılım hatalarının ortadan kaldırıldığı anlamına gelmediğini vurguluyor. Kanıtlar belirli varsayımlar, çalışma koşulları ve güvenlik tanımları için geçerli; kapsamlı ve doğru bir tanım hazırlamak hâlâ önemli bir insan ve mühendislik işi.
Neden önemli?
Klasik yazılım testleri çok sayıda olası girdiyi deneyebilir, ancak her olası yolu kapsadığını garanti edemez. Biçimsel doğrulama ise yazılımın tanımlanmış kurallara her koşulda uyduğunu kanıtlamayı amaçlar. Yöntemin uzmanlık ve emek maliyeti bugüne kadar kullanımını çoğunlukla havacılık, çekirdek sistemler ve diğer kritik alanlarla sınırladı.
Yapay zeka kanıt üretme maliyetini düşürebilirse bu yöntem daha geniş bir yazılım sınıfında uygulanabilir hale gelebilir. Yine de kanıtın kalitesi, seçilen güvenlik tanımının doğruluğuna bağlı. Yanlış veya eksik tanımlanmış bir özelliğin matematiksel olarak kanıtlanması, ürünün bütünüyle güvenli olduğu anlamına gelmez.
Moonshot AI, yeni Kimi K3.1 Pro modelini kodlama, finansal araştırma, üç boyutlu içerik üretimi ve uzun süreli ajan görevleri için duyurdu. Üç trilyon parametre sınıfındaki model bir milyon tokenlık bağlam penceresi sunuyor. Daha hızlı çalışan K3.1 Pro Highspeed sürümü de aynı anda kullanıma açıldı.
Model Kimi ürünleri ve API üzerinden erişilebilir durumda. Şirket, tam model ağırlıklarını 4 Kasım’a kadar yayımlamayı planlıyor. Paylaşılan performans karşılaştırmalarının önemli bölümü Moonshot AI’ın kendi testlerine dayanıyor; dolayısıyla modelin farklı dillerde, kurumsal iş akışlarında ve bağımsız değerlendirmelerde nasıl sonuç vereceği ayrıca izlenmeli.
Moonshot AI, siber güvenlik verilerinin bir bölümünü eğitimden çıkardığını ve ilgili pekiştirmeli öğrenme ortamlarını filtrelediğini de belirtiyor. Şirketin verilerine göre bu önlemler saldırı amaçlı siber yetenekleri düşürürken genel kodlama performansındaki ilerlemeyi tamamen ortadan kaldırmadı.
Neden önemli?
Açık ağırlıklı modeller ile kapalı frontier modeller arasındaki farkın daralması, kurumlara kendi altyapısında çalıştırma, modeli denetleme ve belirli işlere uyarlama açısından daha fazla seçenek sunabilir. Bir milyon tokenlık bağlam da uzun sözleşmeler, kod depoları veya araştırma arşivleri üzerinde çalışan sistemler için yararlı olabilir.
Ancak model ağırlıklarının erişilebilir olması otomatik olarak düşük maliyet veya kolay kurulum anlamına gelmiyor. Bu ölçekteki bir modeli çalıştırmak için güçlü donanım, çıkarım optimizasyonu ve güvenlik kontrolleri gerekiyor. Kurumların lisans, toplam sahip olma maliyeti ve operasyon kapasitesini birlikte değerlendirmesi daha sağlıklı olacaktır.
Google DeepMind, metin komutlarıyla yönlendirilebilen gerçek zamanlı etkileşimli ortamlar üreten Genie 4 dünya modelini araştırma ön izlemesi olarak tanıttı. Kullanıcılar sahne devam ederken kamerayı hareket ettirebiliyor, hava durumunu değiştirebiliyor veya yeni karakterler ekleyebiliyor.
Model görüntünün yanında ortam sesleri, müzik ve etkileşimli konuşmalar da üretebiliyor. Gemini ailesindeki modeller, sahnelerin gerçek dünyayla benzerliğini ve zaman içindeki tutarlılığını desteklemek için kullanılıyor. Buna rağmen Google; nesne sürekliliği, fiziksel etkileşimler, metin üretimi ve uzun vadeli tutarlılığın hâlâ araştırma konusu olduğunu belirtiyor.
Genie 4 şimdilik sınırlı bir güvenilir test grubuna açıldı. Daha sonra Project Genie üzerinden Google AI Ultra abonelerine ve erken erişim kapsamındaki API ile AI Studio ortaklarına sunulması planlanıyor.
Neden önemli?
Dünya modelleri oyun veya görsel üretim aracından daha geniş bir kullanım alanına sahip olabilir. Robotların ve yazılım ajanlarının gerçek sistemlere zarar vermeden farklı durumları deneyebileceği simülasyon ortamları, eğitim ve değerlendirme maliyetini azaltabilir. Üretim, tasarım, film ve eğitim ekipleri de fikirleri etkileşimli prototiplere daha hızlı dönüştürebilir.
Yine de görsel olarak ikna edici bir simülasyonun fiziksel olarak doğru olduğu varsayılmamalı. Güvenlik veya mühendislik kararlarında kullanılacak ortamların, gerçek dünya verileriyle ayrıca doğrulanması gerekir. Genie 4’ün yakın vadeli etkisinin yaratıcı prototipleme ve araştırma senaryolarında daha görünür olması mümkün görünüyor.
Microsoft, tanı sürecini birden fazla sanal uzman arasında tartışma şeklinde yürüten MAI-DxO sisteminin yeni sonuçlarını paylaştı. Sistem; olası tanıları oluşturuyor, hangi soru veya testin isteneceğini seçiyor, yeni kanıt geldikçe değerlendirmesini güncelliyor ve test maliyetlerini hesaba katıyor.
Science dergisinde yayımlanan çalışmada MAI-DxO, 304 karmaşık New England Journal of Medicine vakasında yüzde 83 doğruluğa ulaştı. Karşılaştırmaya katılan hekimlerin doğruluğu dış kaynak kullanmadan yüzde 22, kaynak kullanarak yüzde 36 oldu. MIMIC-IV-ED verilerinden oluşturulan daha yaygın acil servis vakalarında ise sistem yüzde 80, hekimler yüzde 47 doğruluk elde etti.
Bu sonuçlar doğrudan klinik üstünlük olarak yorumlanmamalı. Çalışma, geçmiş vakalardan oluşturulmuş kontrollü bir değerlendirme ortamına dayanıyor. Microsoft da gerçek klinik koşullardaki performansı incelemek için Beth Israel Deaconess Medical Center ile ileriye dönük bir çalışma planladığını belirtiyor.
Neden önemli?
Gelişme, sağlıkta tek bir modelden tek seferde yanıt almak yerine farklı ajanların birbirini sorguladığı bir orkestrasyon yaklaşımının değerini gösteriyor. Benzer yapılar, belirsizliğin yüksek olduğu hukuk, denetim ve teknik inceleme gibi alanlarda da tek model yanıtına alternatif oluşturabilir.
Sağlıkta asıl eşiğin test sonucundan çok; gerçek uygulamada hasta güvenliği, farklı gruplarda tutarlılık, sorumluluk paylaşımı ve hekimin karar sürecine entegrasyon olması beklenebilir. Bu nedenle çalışma umut verici bir araştırma sonucu olarak görülmeli; klinik kullanım için tek başına yeterli kanıt sayılmamalı.
Common Sense Media bünyesindeki Youth AI Safety Institute, OpenAI’ın gençlere yönelik ChatGPT deneyimini 4 binden fazla istemle değerlendirdi ve ürünü 18 yaş altındaki kullanıcılar için “kabul edilemez risk” kategorisinde sınıflandırdı.
Enstitü, sistemin açık cinsel rol yapma ve doğrudan kendine zarar verme talimatları gibi bazı alanlarda korumalarını sürdürdüğünü belirtiyor. Buna karşılık kriz yönlendirmelerinin, ebeveyn bildirimlerinin, yaş tahmininin ve ödev yapmayı sınırlamayı amaçlayan çalışma modunun testlerde tutarlı biçimde işlemediğini bildirdi. Değerlendirme, kurumun kendi risk çerçevesini ve eşiklerini kullanıyor; dolayısıyla sonucu bütün kullanım senaryolarını ölçen evrensel bir güvenlik skoru olarak okumamak gerekiyor.
Neden önemli?
Çocuklar ve gençler için geliştirilen korumalar yalnızca modelin zararlı içerik üretmemesiyle sınırlı değil. Yaşın doğru belirlenmesi, kriz anının fark edilmesi, ebeveyn bildirimlerinin zamanında çalışması ve ürünün kendisini bir arkadaş gibi konumlandırmaması da güvenlik tasarımının parçaları.
Bu çalışma, şirketlerin yayımladığı güvenlik politikalarıyla ürünün gerçek davranışı arasındaki farkın bağımsız ve çok turlu testlerle incelenmesi gerektiğini gösteriyor. Eğitim kurumları ve aileler açısından da yalnızca “genç modu” etiketine güvenmek yerine kullanım politikası, insan gözetimi ve yaşa uygunluk değerlendirmesini birlikte ele almak daha temkinli bir yaklaşım olabilir.
Anthropic, AI for Science programını 20 bilimsel vakıf, araştırma kurumu ve çalışma grubunu kapsayacak şekilde genişletti. Program, yüksek etkili projelerde çalışan araştırmacılara ücretsiz Claude kredileri sağlıyor. Ortaklar arasında Simons Foundation, ABD Ulusal Bilim Vakfı, Space Telescope Science Institute, Wellcome Sanger Institute ve Francis Crick Institute gibi kuruluşlar bulunuyor.
Şirket aynı hafta altı ilaç geliştirme kuruluşuyla yürüttüğü erken aşama çalışmaları da paylaştı. Örnekler arasında protein tasarımı, antikor adayı üretimi ve nadir hastalıklara yönelik araştırma programları yer alıyor. Paylaşılan sonuçlar şirket ve ortaklarının vaka çalışmalarına dayanıyor; ilaç adaylarının güvenli ve etkili tedavilere dönüşmesi uzun laboratuvar ve klinik doğrulama süreçleri gerektiriyor.
Neden önemli?
Yapay zeka bilimde yalnızca makale özetleyen veya kod yazan bireysel bir yardımcı olmaktan çıkıp veri setleri, laboratuvar cihazları, deney tasarımı ve kurumlar arası çalışma biçimleriyle bütünleşmeye başlıyor. Bu geçiş araştırmacıların daha büyük veri kümelerini incelemesini ve daha fazla hipotezi sınamasını kolaylaştırabilir.
Ancak hızlanan hipotez üretiminin, daha hızlı bilimsel ilerlemeye dönüşmesi garanti değil. Deneysel doğrulama, tekrarlanabilirlik, veri kalitesi ve alan uzmanlarının değerlendirmesi belirleyici olmaya devam edecek. Kurumlar için asıl fırsat, modeli tek başına bir “keşif motoru” gibi görmekten çok, mevcut bilimsel yöntemi destekleyen denetlenebilir bir araç zinciri kurmak olabilir.
Bu haftanın gelişmeleri yapay zeka yarışında iki hareketin aynı anda ilerlediğini gösteriyor.
Bir tarafta daha yetenekli ve daha ekonomik sistemler var. Gemini 4 Carbon uzun süreli siber güvenlik görevlerine, GPT-6.1 Terra yüksek hacimli bilgisayar kullanımına, Kimi K3.1 Pro ise açık ağırlıklı ajan senaryolarına odaklanıyor. Genie 4 fiziksel ve yaratıcı süreçler için etkileşimli simülasyonların kapsamını genişletmeyi amaçlıyor. Anthropic’in halka arz başvurusu da bu teknolojilerin giderek sermaye piyasalarının değerlendirdiği büyük ölçekli iş modellerine dönüştüğünü gösteriyor.
Diğer tarafta kanıt ve denetim ihtiyacı büyüyor. METR’ın çalışması, bir ajanı izlemek için kurulan sistemin de açıkları olabileceğini ortaya koyuyor. Claude ile biçimsel doğrulama, yazılım güvenliğinde yalnızca test etmek yerine belirli özellikleri matematiksel olarak kanıtlama olasılığını güçlendiriyor. Gençlere yönelik ChatGPT değerlendirmesi ise ürün vaadiyle gerçek kullanım davranışı arasındaki farkın bağımsız test edilmesi gerektiğini hatırlatıyor.
Sağlık ve bilim alanındaki sonuçlar da aynı çerçeveye oturuyor. Bir modelin kontrollü bir testte güçlü sonuç vermesi önemli olabilir; ancak klinik veya bilimsel güvenilirlik için gerçek dünya doğrulaması, tekrarlanabilirlik ve uzman gözetimi gerekiyor.
Kurumlar açısından bundan sonraki değerlendirme yalnızca “hangi model daha güçlü?” sorusuyla sınırlı kalmayabilir. En az şu soruların birlikte ele alınması gerekebilir:
Yapay zekadan sürdürülebilir değer üretmek, en güçlü modeli seçmekten çok daha fazlasını gerektirebilir. Performans, maliyet, denetlenebilirlik ve kanıt kalitesini birlikte yöneten kurumların teknolojiyi daha kontrollü biçimde ölçeklendirmesi mümkün olabilir.
Enerji sektöründe kesintisiz hizmet sunmak, özellikle elektrik arızaları ve yoğun talep dönemlerinde çağrı merkezi operasyonlarının…
Yapay zeka ajanları sohbet penceresinin dışına çıktıkça sektörün öncelikleri de değişiyor. Modellerin ne kadar güçlü…
110. TRAI Meet-Up’ta, yapay zekanın enerji, lojistik ve üretim süreçlerinde yarattığı dönüşümü; görüntü işlemeyle kalıp…
Türkiye Yapay Zeka Zirvesi’ni bu yıl dokuzuncu kez, 11–12 Kasım 2026 tarihlerinde “Ajanlar Aramızda” temasıyla…
TRAI Girişim Haritası'ndaki Yapay Zeka Startupları 500'ü Aştı!
Satış Sonrası Süreçlerde Yapay Zeka Dönüşümü Başladı