ZERADES JOURNAL / TECH DAILY

8 Ekim 202613 dk okuma

ZERADES Tech Daily — 8 Ekim 2026: GPT-6 ChatGPT'de, Claude Haiku 5.5, Liquid AI d1

OpenAI ChatGPT Chat sekmesini Intelligent UI'lı GPT-6'ya taşıdı, Anthropic çok daha ucuz Claude Haiku 5.5'i çıkardı. Liquid AI d1 ve Perplexity'nin güncellenen karar modeliyle açık karar modelleri büyüyor.

Özet: OpenAI, ChatGPT'nin Chat sekmesini GPT-6'ya taşıdı. Cevaplar artık grafik, buton ve form içeren etkileşimli arayüzlerle gelebiliyor. Anthropic aynı gün Claude Haiku 5.5'i çıkardı: Haiku 4.5'e göre çok daha ucuz ve ajan benchmark'larında çok daha güçlü. xAI tarafında ise Grok Bot'un artık Claude Opus 5.5 gibi rakip modelleri de kullanacağı açıklandı. Açık model cephesinde "karar modelleri" kategorisi büyümeye devam ediyor: Liquid AI d1'i açık ağırlıklı yayınladı, Perplexity de Qwen tabanlı karar modelini güncelledi.

Günün öne çıkanları

GPT-6 tüm ChatGPT kullanıcılarına açılıyor: Intelligent UI ile etkileşimli cevaplar

OpenAI, 7 Ekim'de GPT-6'nın ChatGPT'deki tüm planlara açıldığını duyurdu. Plus, Pro, Business ve Enterprise kullanıcılarına dağıtım 7 Ekim'de GPT-6 Sol ile başladı. Free ve Go kullanıcıları 8 Ekim'den itibaren GPT-6 Luna'ya geçiyor. Yeni modeller ChatGPT'de GPT-5.6 Sol ve Luna'nın yerini alıyor. Değişiklik yalnızca Chat sekmesini kapsıyor: Codex'te ve ChatGPT Work'te önceki (Eylül) GPT-6 sürümleri kullanılmaya devam ediyor.

Lansmanın merkezinde Intelligent UI var. GPT-6 cevabı metin, görsel ve etkileşimli öğelerden oluşturabiliyor: açıklama için grafik ve diyagram, sohbet içinde kullanılabilen buton, form, hesap makinesi ya da küçük oyunlar. OpenAI'ye göre arayüz, yerel bir bileşen kütüphanesi ve bir derleyici sayesinde model ürettikçe kademeli olarak ekrana geliyor. Model ayrıca düşünmeye devam ederken cevap vermeye başlayabiliyor. OpenAI'nin verisine göre GPT-6 Instant, web araması gerektiren sorularda cevaba GPT-5.6 Instant'tan ortalama %44 daha erken başlıyor. Bu ölçüm toplam tamamlanma süresini değil, ilk cevabın başlama süresini gösteriyor.

Aynı gün yayınlanan system card'a göre OpenAI, Ekim sürümlerini Preparedness Framework kapsamında siber güvenlik ile biyoloji ve kimya alanlarında "High" kabiliyetli olarak sınıflandırıyor ve GPT-5.6 için uyguladığı güvenlik önlemlerini koruyor. Kart; jailbreak direnci, olgusallık ve aldatıcı davranış ölçümlerinde iyileşme raporluyor. Bazı içerik kategorilerinde (örneğin self-harm, Luna'da ayrıca gore ve cinsel içerik) istatistiksel olarak anlamlı gerilemeler de var. OpenAI, bu gerilemelerin manuel incelemede düşük şiddette çıktığını söylüyor.

Neden önemli: ChatGPT'nin en büyük kullanıcı kitlesi olan ücretsiz katman da artık aynı nesil modele geçiyor. Intelligent UI ise sohbet arayüzünü metin akışından küçük uygulamalara doğru itiyor. Bu, ChatGPT içinde içerik veya araç sunan ürünlerin ve rakip asistanların beklenti çıtasını yükseltiyor. Geliştiriciler açısından not: Duyuru API tarafında yeni bir model ya da Intelligent UI erişimi vaat etmiyor.

Kaynak: https://openai.com/index/gpt-6-for-everyone/
Kaynak (system card): https://deploymentsafety.openai.com/gpt-6-october/vision
Kaynak (ek): https://community.openai.com/t/gpt-6-and-intelligent-ui-in-chatgpt/1404139

Claude Haiku 5.5: Haiku 4.5'e göre ortalama %75 daha ucuz, ajan işlerinde çok daha güçlü

Anthropic, 7 Ekim'de Claude Haiku 5.5'i (claude-haiku-5-5) yayınladı. Fiyatlandırma prompt uzunluğuna göre iki kademeli. 100K token'a kadar milyon token başına $0,10 girdi ve $0,50 çıktı; 100K üzerinde $0,50 girdi ve $2,50 çıktı. Cache okuma $0,01/$0,05, cache yazma $0,125/$0,625. Haiku 4.5'in liste fiyatı $1 girdi, $5 çıktıydı. Anthropic maliyetin ortalama yaklaşık %75 düştüğünü söylüyor. Dipnota göre düşüş 100K altında %90, üstünde %50; yeni tokenizer ise görev başına biraz daha fazla token harcıyor.

Haiku 5.5, efor seviyesi ayarlanabilen ilk Haiku sınıfı model. Anthropic onu standart hızda en hızlı modeli olarak tanımlıyor; Fast Mode'daki Opus bunun dışında. Şirketin paylaştığı skorlarda Haiku 4.5'e göre büyük bir sıçrama görünüyor. OSWorld 2.1 (offline) skoru %15,7'den %72,4'e çıkıyor. Terminal-Bench 4.0'da skor %0'dan %39,2'ye yükseliyor; Sonnet 5.5 burada %70,6'da. Diğer skorlar: HLE (araçsız) %45,9, GDPval-AA v2.1'de 1620. Skorların tamamı Anthropic'in kendi ölçümü.

Aynı duyuruda başka değişiklikler de var:

Sonnet 5.5'te cache okuma fiyatı $0,20'den $0,10'a iniyor. Anthropic bunun çoğu ajan iş yükünü yaklaşık %20 ucuzlattığını söylüyor.
Bu hafta Max 5x planına aylık $100, Max 20x'e $200, Team planlarına ise havuzlanmış olarak $500'a kadar API kredisi ekleniyor.
Python ve TypeScript SDK'larına computer use ve browser use beta olarak geliyor.

Siber güvenlik korumaları Haiku 4.5'ten sıkı, son büyük modellerden gevşek tutulmuş; pentest kullanımı yine engelli.

Model ilk günden AWS Bedrock, Google Cloud ve Azure'da. GitHub Copilot'ta Pro, Pro+, Max, Business ve Enterprise planlarında genel kullanıma açıldı. Claude Code'da Anthropic API üzerindeki varsayılan Haiku modeli artık 1M context'li Haiku 5.5.

Neden önemli: Küçük model sınıfında fiyat bir kademe aşağı inerken kabiliyet bir kademe yukarı çıkıyor. Sınıflandırma, alt ajan, tarama ve computer use gibi yüksek hacimli işlerin maliyet hesabı yeniden yapılmalı. Ancak tokenizer değiştiği için gerçek tasarrufu kendi iş yükünüzde ölçmek gerekiyor.

Kaynak: https://www.anthropic.com/claude-haiku-5-5
Kaynak (AWS): https://aws.amazon.com/blogs/machine-learning/introducing-claude-haiku-5-5-on-aws/
Kaynak (GitHub): https://github.blog/changelog/2026-10-07-claude-haiku-5-5-in-github-copilot/
Kaynak (Claude Code): https://code.claude.com/docs/en/changelog

xAI'nin Grok Bot'u rakip modellere açılıyor: Claude Opus 5.5, Midjourney, Suno

Elon Musk, 7 Ekim 09:46'da (İstanbul) X'te SpaceX'in bundan sonra her iş için "en iyi arka uç modeli" kullanacağını yazdı ve örnek olarak Claude Opus 5.5, Midjourney ve Suno'yu saydı. xAI mühendisi Lauren (@poteto), gönderiye verdiği yanıtlarda Grok Bot'un kendisinin Opus 5.5 üzerinde çalışacağını ve dağıtımın başladığını yazdı. Hangi işlerin hangi modele yönlendirileceği, Grok modellerinin hangi rolde kalacağı ve fiyatlandırmanın değişip değişmeyeceği resmi bir duyuruda açıklanmadı. City AM ve The Next Web haberi aynı X gönderilerine dayandırıyor.

Neden önemli: Kendi frontier modelini geliştiren bir şirketin amiral gemisi ajan ürününde rakip modeli kullanması, ajan ürünlerinde modelin değil orkestrasyonun öne çıktığına dair güçlü bir sinyal. xAI'nin Colossus 1 kapasitesini Anthropic'e kiraladığı biliniyordu; ilişki artık ürün katmanına da taşınıyor. Resmi ayrıntılar gelene kadar bu bilgi X gönderilerine dayanıyor.

Kaynak: https://x.com/elonmusk/status/2107724314451878104
Kaynak (xAI mühendisi): https://x.com/poteto/status/2107734770990133319
Kaynak (ek): https://www.cityam.com/musk-turns-to-rival-anthropic-to-power-grok/
Kaynak (ek): https://thenextweb.com/news/grok-bot-claude-opus-midjourney-suno-musk

AI ve modeller

Liquid AI d1'i açtı: metin üretmeyen, tek forward pass'te karar veren açık modeller

Liquid AI, 7 Ekim'de karar modeli ailesi d1'in açık ağırlıklı sürümlerini yayınladı. d1-3B, LFM2.5-VL-3B'den eğitilmiş; metin ve görsel girdi alıyor. Deneysel d1-omni-600M ise LFM2.5-Encoder-350M üzerine vision ve audio encoder'ları eklenerek eğitilmiş; metin+görsel veya metin+ses kabul ediyor. Modeller çıktı token'ı üretmiyor. Cevabı tek bir forward pass'te olasılık olarak veriyorlar.

Liquid'in Decision Index v0.2.1 public split ölçümünde d1-3B 48,57 puan alıyor ve 35B-A3B boyutundaki Decider modeliyle (47,11) başa baş gidiyor. d1-omni-600M'in skoru 15,95. Şirketin verdiği gecikme değerleri d1-3B için şöyle: RTX 4090'da 8 ms, Jetson AGX Thor'da 16 ms, AGX Orin'de 26 ms, Orin Nano'da 50 ms. llama.cpp desteği ilk günden var. Lisans LFM Open License v1.0. Bu, Apache tarzı serbest bir lisans değil; ticari kullanım koşulları için lisans metnine bakmak gerekiyor.

Neden önemli: OpenAI'nin bir gün önce açtığı Decisions API ile Perplexity, Cloudflare ve Liquid'in modelleri "metin yerine olasılık dönen model" kategorisini hızla standart bir yapı taşına dönüştürüyor. d1, bu işi edge cihazlarda milisaniyeler içinde ve API'ye bağımlı olmadan yapma seçeneği sunuyor. Robotik, moderasyon ve yönlendirme gibi düşük gecikme gerektiren işler için öne çıkıyor.

Kaynak: https://www.liquid.ai/blog/d1-open
Kaynak (Hugging Face): https://huggingface.co/LiquidAI/d1-3B
Kaynak (ek): https://huggingface.co/blog/LiquidAI/open-d1

Perplexity pplx-decider-v1.1-27b: Qwen3.8 tabanlı açık karar modeli güncellendi

Perplexity, 7 Ekim gece yarısını hemen geçe (00:11, İstanbul) pplx-decider-v1.1-27b'yi Apache 2.0 lisansıyla yayınladı. Model Qwen3.8-27B tabanlı, yaklaşık 26B parametreli ve BF16. Perplexity, Decision Index skorunun v1'deki 56,4'ten 61,56'ya çıktığını söylüyor. Şirket bu artışı causal mask'in kaldırılmasına ve tasksource dahil ek eğitim verisine bağlıyor. Model Perplexity'nin Decisions API'sinde ve OpenRouter'da milyon girdi token'ı başına $0,02 fiyatla sunuluyor; bu, v1'in yarısı.

Not: Perplexity ve Liquid'in kullandığı Decision Index sürümleri ve split'leri aynı olmayabilir. Bu yüzden iki şirketin skorları doğrudan karşılaştırılmamalı.

Neden önemli: Batılı bir şirketin açık ağırlıklı ürün modeli yine Çin menşeli bir Qwen tabanı üzerine kurulu. Karar modellerinde fiyat, milyon token başına birkaç sent seviyesine indi.

Kaynak: https://community.perplexity.ai/t/pplx-decider-v1-1-27b-our-updated-open-weights-multimodal-decision-model-is-now-available/6286
Kaynak (Hugging Face): https://huggingface.co/perplexity-ai/pplx-decider-v1.1-27b

Perplexity pplx-embed-v2-late: görsel belgeler için açık late-interaction embedding

Perplexity, 7 Ekim'de pplx-embed-v2-late modellerini MIT lisansıyla açtı. İki boy var: 0,6B (340M aktif) ve 9B (7,4B aktif). Modeller Qwen3.5 üzerine çift yönlü attention ile kurulu ve ColBERT tarzı çalışıyor: her token için 128 boyutlu bir vektör üretiliyor, eşleşme MaxSim ile hesaplanıyor. İki boy aynı embedding uzayını paylaşıyor; yani 9B ile oluşturulan bir indeks 0,6B ile sorgulanabiliyor. Modeller, şirket içindeki 18B'lik bir teacher modelden distill edilmiş.

Perplexity'nin verdiği ViDoRe v3 nDCG@10 değerleri (görsel/markdown girdi) şöyle: 0,6B için %62,3 ve %61,2, 9B için %65,2 ve %64,7. Kullanım için sentence-transformers 6.0.0 veya üstü gerekiyor. Aynı girdide metin ve görseli birlikte vermek desteklenmiyor. Model, geçen hafta çıkan pplx-embed-v2-context'in devamı.

Neden önemli: PDF, slayt ve ekran görüntüsü ağırlıklı RAG'de OCR'a dayalı pipeline'lara güçlü ve açık lisanslı bir alternatif. Ortak embedding uzayı sayesinde büyük modelle indeksleyip küçük modelle sorgulamak, maliyet açısından pratik bir mimari.

Kaynak: https://www.perplexity.ai/hub/blog/multimodal-embeddings-beyond-a-single-vector
Kaynak (Hugging Face): https://huggingface.co/perplexity-ai/pplx-embed-v2-late-9b

Google Nano Banana 2.1 (6 Ekim gecesi): görsel üretim ve düzenlemede yeni sürüm

Dünkü sayıya yetişmeyen bir gelişme: Google, 6 Ekim akşamı (Android Authority haberi 23:49, İstanbul) Nano Banana 2.1'i yayınladı. DeepMind'ın model kartına göre model Gemini 3.6 Flash tabanlı. Girdi olarak metin ve görsel alıyor, context 1M token. Model; Gemini uygulaması, AI Studio, Gemini API, Search AI Mode, Google Ads, Flow ve Stitch'te sunuluyor. Google'ın insan tercihine dayalı Elo ölçümlerinde 2.1, hem metinden görsel üretmede hem de düzenlemede Nano Banana 2 ve Nano Banana Pro'nun önünde. En büyük fark çoklu karakter tutarlılığında görülüyor. Bilgi grafiği olgusallığı da 0,179'dan 0,521'e (thinking modunda) çıkıyor.

Gemini API changelog'una göre gemini-nano-banana-2.1 genel kullanımda. Yeni sürümle 1:4, 4:1, 1:8 ve 8:1 en-boy oranları 1K/2K/4K'da kullanılabiliyor. gemini-3.1-flash-image ise kullanımdan kaldırılma sürecine alındı. Changelog'da kapanış tarihi yok; ikincil kaynaklarda geçen 29 Ekim tarihi doğrulanmadı.

Neden önemli: Görsel üretim modeli kullanan uygulamalar için hem kalite artışı hem de bir geçiş takvimi anlamına geliyor. 3.1 Flash Image kullananlar geçişi planlamalı.

Kaynak: https://deepmind.google/models/model-cards/nano-banana-2-1/
Kaynak (changelog): https://ai.google.dev/gemini-api/docs/changelog
Kaynak (ek): https://www.androidauthority.com/google-launches-nano-banana-2-1-3719823/

Provider ve platform

Grok 4.7, Microsoft Foundry'de genel kullanımda

Microsoft, 6 Ekim tarihli blog yazısıyla Grok 4.7'nin Foundry'de genel kullanıma açıldığını duyurdu. Global Standard fiyatı, 200K token'ın altında milyon token başına $2 girdi, $6 çıktı ve $0,50 cache. 200K ve üstünde fiyatlar $4, $12 ve $1. US DataZone fiyatları yaklaşık %10 daha yüksek. Model Chat Completions ve Responses API'leriyle kullanılabiliyor. 500K'ya kadar context "planlanıyor" olarak geçiyor. Microsoft, DeepSWE v1.1 skorunu %71,0 olarak veriyor.

Neden önemli: xAI'nin son modeli, Azure faturalaması ve kurumsal uyumluluk çerçevesiyle kullanılabilir hale geldi. Kurumsal tarafta model seçimi giderek tek bir bulut kataloğu içinde yapılıyor.

Kaynak: https://techcommunity.microsoft.com/blog/azure-ai-foundry-blog/introducing-grok-4-7-on-microsoft-foundry/4562168

OpenRouter'a ElevenLabs geldi: ses üretimi ve transkripsiyon tek API'de

OpenRouter, 7 Ekim'de ElevenLabs'i sağlayıcı olarak ekledi. Eleven v4 ve v4 Turbo dahil 9 TTS ve Scribe v2 ile Scribe v2 Medical olmak üzere 2 STT modeli /api/v1/audio/speech ve /api/v1/audio/transcriptions endpoint'lerinden kullanılabiliyor. 19 Ekim saat 18:00'e (İstanbul; 08:00 PT) kadar %50 indirim uygulanıyor.

Neden önemli: Metin modelleri için kullanılan tek anahtar ve tek fatura modeli artık ses tarafına da genişliyor. Sesli ajan geliştirenler için sağlayıcı entegrasyonu sadeleşiyor.

Kaynak: https://openrouter.ai/blog/announcements/elevenlabs-on-openrouter/

Google Developer Knowledge API: ajanlar için resmî dokümantasyon kaynağı

Google, 7 Ekim'de Developer Knowledge API ekosistemini tanıttı. API; Google Cloud, Firebase, Android ve diğer Google ürünlerinin dokümantasyonunu Markdown olarak, semantik ve anahtar kelime aramasıyla ve kaynağa dayalı soru-cevapla sunuyor. Erişim yolları: gcloud developer-knowledge komutları, bir MCP sunucusu, npx skills add google/skills --skill retrieving-developer-knowledge ile kurulan bir agent skill ve yedi dilde client library. Google, skill'in Antigravity, Claude Code, Cursor ve GitHub Copilot ile çalıştığını söylüyor.

Neden önemli: Coding ajanlarının eğitim verisindeki eski bilgiyle hata yapması bilinen bir sorun. Sağlayıcıların kendi dokümanlarını MCP ve skill olarak sunması bu sorunu doğrudan hedefliyor ve yaygınlaşan bir model haline geliyor.

Kaynak: https://developers.googleblog.com/supercharge-your-development-with-the-google-developer-knowledge-api-ecosystem/

Araştırma ve açık kaynak

vLLM: DeepSeek-V4.1-Flash'ta üç haftada 5 kata varan throughput artışı

vLLM ekibi, 7 Ekim'de DeepSeek-V4.1-Flash optimizasyonlarını anlatan bir yazı yayınladı. Inferact ve vLLM topluluğu, modelin çıkışından sonraki üç haftada düşük eşzamanlılıkta 1,9 kat hız ve SemiAnalysis AgentX ajan benchmark'ında yaklaşık 5 kat throughput artışı elde etmiş. Kazancın kaynakları şunlar:

DeepSeek V4.1'in getirdiği "SWA bounded replay" yöntemi, CUDA graph'larla birlikte kullanıldığında TTFT'yi yaklaşık %30 düşürüyor.
DeepSeek'in modelle birlikte açtığı MegaAttention, Mega-mHC, Mega-Gate ve DeepSelect kernel'leri entegre edildi.
Kalan işlemler için ek kernel birleştirmeleri yapıldı.

Yazıya göre V4.1'in global KV cache'i, FP4 sıkıştırma ve katmanlar arası paylaşım sayesinde token başına yaklaşık 890 byte'a iniyor. Model, decode sırasında 16B, prefill sırasında 8B aktif parametre kullanıyor.

Neden önemli: Çin menşeli açık modellerin gerçek maliyeti yalnızca ağırlıklara değil, serving yığınının olgunluğuna da bağlı. DeepSeek'in kernel'lerini de açması, modeli kendi altyapısında çalıştıranlar için maliyeti doğrudan düşürüyor.

Kaynak: https://vllm.ai/blog/2026-10-07-deepseek-v41-flash

Amazon ALoDLM: Qwen3 tabanlı 1,7B ve 8B difüzyon dil modelleri

Amazon AGI araştırmacıları, 6 Ekim civarında ALoDLM adlı difüzyon dil modellerini yayınladı. Hugging Face deposu 7 Ekim'de güncellendi. Modeller 1,7B ve 8B boyutlarında, Qwen3'ten ince ayar yapılmış ve CC BY-NC 4.0 (ticari olmayan) lisanslı. Zor token'lar için 4 adede kadar iyileştirme döngüsü kullanıyorlar. Yazarlara göre 8B model, vLLM üzerinde GSM8K'da Qwen3-8B'nin yaklaşık 2,7 katı throughput'a ulaşıyor. 11 benchmark ortalaması iki model için 65,5 ve 80,3.

Neden önemli: Difüzyon tabanlı LLM'ler, otoregresif modellere hız alternatifi olarak araştırma gündeminde kalıyor. Lisans ticari kullanıma izin vermiyor; bu yüzden şimdilik deneme ve araştırma için uygun.

Kaynak: https://huggingface.co/papers/2610.04198
Kaynak (proje): https://alo-dlm.github.io/

Sektör

DeepSeek ve Moonshot halka arza hazırlanıyor

6 Ekim akşamı gelen iki rapor Çin'in iki önde gelen model laboratuvarının finansman planlarını gösteriyor. CNBC'ye göre DeepSeek, yürüttüğü yatırım turunu 50 milyar yuanlık hedefin iki katına, 100 milyar yuana (yaklaşık 14,9 milyar dolar) kadar çıkarmayı değerlendiriyor. Bloomberg'e göre en az 80 milyar yuan büyük ölçüde garantilenmiş ve en büyük yatırımcılar Tencent ile CATL. Hedef değerleme yaklaşık 500 milyar yuan (yaklaşık 75 milyar dolar). Halka arz için 2027 başında Şanghay STAR Market konuşuluyor. Bloomberg'in Bloomberg Law'da yayınlanan haberine göre ise Moonshot AI (Kimi), yaklaşık 50 milyar dolar değerleme üzerinden son halka arz öncesi turunu yapıyor. Şirket 2027'nin ilk çeyreğinde Hong Kong'da 5 milyar dolara kadar halka arz planlıyor. Rakamların tamamı isimsiz kaynaklara dayanıyor; şirketlerden resmi açıklama yok.

Neden önemli: Açık ağırlık stratejisinin en güçlü iki Çinli temsilcisi sermaye piyasalarına yöneliyor. Halka arz süreci, model yayın politikası ve şeffaflık üzerinde yeni baskılar yaratabilir. Kısa vadede ise daha fazla compute ve daha hızlı sürüm takvimi anlamına geliyor.

Kaynak: https://www.cnbc.com/2026/10/06/deepseek-funding-round.html
Kaynak (Moonshot): https://news.bloomberglaw.com/capital-markets/moonshot-said-to-eye-early-2027-ipo-after-value-hits-50-billion

Kısa notlar

Wity (Alphanimble), 7 Ekim'de "System 1.5" olarak tanımladığı karar modelini duyurdu. Model gerektiğinde kendisi "düşünme" moduna geçiyor; noul, score, choice ve generate primitiflerini destekliyor. 128K context'li, çok modlu ve on-prem kurulabilir. Şirket tipik gecikmenin 109 ms, maliyetin 1.000 çalıştırma başına $3,29 olduğunu söylüyor; bunlar bağımsız olarak doğrulanmadı. Kaynak: https://wity.alphanimble.com/blog/introducing-wity
Meta Muse, iPhone'dan bir ay sonra iPad'e geldi. Sensor Tower'a göre uygulama 8 Eylül'den beri 6,6 milyonun üzerinde indirildi. Yeni bağlayıcılar arasında Asana, Canva, Dropbox, Figma, QuickBooks, GitHub, Notion ve Zoom var. Kaynak: https://techcrunch.com/2026/10/07/metas-muse-launches-on-ipad-just-a-month-after-its-mobile-debut/
Çin laboratuvarları: Tatil 7 Ekim'de bitti ama DeepSeek, Qwen, Kimi, GLM, MiniMax, StepFun, Tencent, Baidu ve ByteDance'ten 7 Ekim'de doğrulanmış yeni bir model sürümü yok. Günün Çin cephesindeki haberleri finansman ve ekosistemden geldi: DeepSeek ve Moonshot'un yatırım turları, DeepSeek kernel'lerinin vLLM'e girmesi, Perplexity ve Amazon modellerinde Qwen tabanı.
Yaklaşan tarihler: 9 Ekim'de Gemini uygulamasında ücretsiz katman Flash Lite'a iniyor. 10 Ekim'de Alibaba Model Studio'da üçüncü taraf model kapanışları var. 15 Ekim'de StepFun Step 5'in açık ağırlıkları bekleniyor. Mistral Large 4 ağırlıkları ay sonuna kadar, Reflection Beam ağırlıkları ise ay içinde bekleniyor. Kaynak: https://www.theverge.com/ai-artificial-intelligence/1005451/google-gemini-free-flash-lite-only ve https://mistral.ai/news/mistral-large-4/

ZERADES bakışı

Günün ana teması, küçük ve ucuz modellerin kabiliyet çıtasını yükseltmesi. Haiku 5.5, şimdiye kadar daha büyük modellere bırakılan ajan işlerini milyon token başına 10 ila 50 sentlik girdi fiyatıyla yapmayı vaat ediyor. Karar modelleri (OpenAI Decisions, Perplexity Decider, Liquid d1, Wity) ise sınıflandırma ve yönlendirme gibi işleri metin üretiminden tamamen ayırıyor. İkinci tema, ajan ürünlerinin modelden bağımsızlaşması. xAI'nin kendi ajanında Claude kullanmaya başlaması, kullanıcının artık "hangi model?" yerine "hangi ürün işi daha iyi yapıyor?" diye sorduğunu gösteriyor. Üçüncüsü, Çin ekosisteminin etkisinin model sürümlerinden çok altyapı ve tabanlar üzerinden hissedilmesi: Qwen tabanları Batı'daki açık modellerin altında, DeepSeek kernel'leri vLLM'in içinde.

Denemeye değer olanlar: Yüksek hacimli Haiku 4.5 veya benzeri küçük model trafiğiniz varsa Haiku 5.5'i kendi verinizle test edin. Karşılaştırmaya yeni tokenizer'ın token sayısını da dahil edin. Görsel belge araması yapıyorsanız pplx-embed-v2-late'i (MIT) ve edge'de karar gerektiren işler için d1-3B'yi deneyin. Ürününüz ChatGPT ile rekabet ediyorsa Intelligent UI'ın kullanıcı beklentisini nasıl değiştireceğini izleyin.