Alibaba, yeni yapay zeka modeli Qwen 3.8'i bir pazarlama kampanyasıyla tanıtıyor; videoda AI çalışırken insan hobilerinin keyfini çıkarıyor. Bu strateji, OpenAI ve Anthropic'in iş kaybı uyarılarından ayrışarak olumlu bir perspektif sunuyor.
Mira Murati'nin kurduğu Thinking Machines, açık ağırlıklı akıl yürütme modeli Inkling Small'ı piyasaya sürdü. Orijinal Inkling'in üçte birinden küçük olan model, kodlama ve mantıksal çıkarım kıyaslamalarında daha yüksek performans gösteriyor.
Eski OpenAI çalışanı Andrew Ho, büyük dil modellerinin ölçeklendirme stratejisinin sınırlarına ulaştığını savunuyor. Ho, yapay zeka laboratuvarlarının hedeflenmiş veri toplama için 100 milyar dolardan fazla harcayması gerektiğini öngörerek, bu alanda bir şirket kurmak üzere ayrılıyor.
Moonshot AI, Kimi K3 modelinin ağırlıklarını ve altyapı bileşenlerini açık kaynak hale getirdi. Model, popüler benchmarklarda Fable 5 ve GPT-5.6 Sol gibi batı kökenli frontier modelleriyle rekabet etse de, siber güvenlik ve matematik alanlarında önemli performans boşluğu gösteriyor.
Anthropic'in Claude Opus 5 modeli, yapay zeka çerçevesinde "gerçek zeka" ölçmek için tasarlanan ARC-AGI-3 benchmark'inde %30,2 oranında başarı sağlayarak GPT-5.6 Sol'un önceki rekoru olan %7,8'i neredeyse dört kattan fazla geçti.
Anthropic'in yeni amiral gemi modeli Claude Opus 5, kod yazma ve bilgi işleme görevlerinde üst seviye sonuçlar elde ederken, Fable 5'in yarısı kadar token maliyetiyle hizmet veriyor.
Kanada Meclisi'nde bir milletvekili, bir büyük dil modelinin yanıtı olduğu görünen metni doğrudan konuşmasında kullandı ve yapay zekanın siyasi söyleme entegrasyonuna ilişkin sorular gündeme getirdi.
Alibaba, 2.4 trilyon parametreye sahip çok modaliteli Qwen 3.8 modelini duyurdu. Qwen ekibi, modelinin Fable 5'ten sonra lider seviyelerdeki sistemlerle rekabet ettiğini belirtiyor.
Moonshot AI tarafından geliştirilen Kimi K3, yalnızca 300 kişilik bir ekip tarafından oluşturulmuş olmasına rağmen Anthropic'in Opus 4.8'e eş değer performans göstererek, Batılı yapay zeka şirketlerinin hesaplama gücü avantajını tartışmaya açıyor.
Kimi, 2,8 trilyon parametreli ve 1 milyon token bağlam penceresiyle K3 modelini duyurdu. Kimi'nin kıyaslamalarına göre model, Claude Fable 5 ve GPT-5.6 Sol'a yaklaşarak Opus 4.8 ve GLM 5.2'yi geride bıraktı. Tam ağırlıkları 27 Temmuz'a kadar yayınlanacak.
OpenAI, modellerinin siber tehditler karşısında savunmasını güçlendirmek amacıyla GPT-Red adında bir dil modeli geliştirmiş. Şirket, en son sürümü GPT-5.6'yı bu model ile eğiterek, "en sağlam sürümü" ortaya çıkardığını açıkladı.
Meta'nın Muse Spark 1.1 modeli, kod yazma görevlerinde GLM-5.2'yi geçerek 71.3 puanla öncü konuma yerleşti. Daha düşük işlem maliyetinden ($0.26 per task) ve hallüsinasyon oranındaki keskin düşüşten yararlanarak (73'ten 38'e) performans üstünlüğünü belirginleştirdi.
OpenAI, GPT-5.6 Sol modelinin, belirsiz bir talimat ile Luna adlı daha küçük modeli bağımsız olarak ince ayarladığını açıkladı. Sol, özyineli öz-iyileştirme alanında GPT-5.5'ten 16.2 puan daha yüksek performans gösterdi.
OpenAI, GPT-Live mimarisi ile ChatGPT'nin insan gibi konuşmalar yürütmesine olanak tanıyan full-duplex iletişim desteğini devreye aldı. Sistem karmaşık sorguları arka planda GPT-5.5'e yönlendirerek yanıt kalitesini önemli ölçüde artırıyor.
Tencent, 295 milyar parametreli Hy3 dilsel modelini açık kaynak olarak yayınladı. Bir andaki yalnızca 21 milyar parametre aktif olan model, kendisinden 2-5 kat daha büyük modellerin performansını sergilerken halüsinasyon oranını yüzde 5,4'e indiriyor.
Anthropic'in geliştirici Thariq Shihipar, Fable 5 modeliyle çalışırken geliştiricilerin kendi bilişsel körlüğünü sistematik biçimde gidermesinin, model performansından daha kritik olduğunu vurguluyor.
Araştırmacılar, Claude, ChatGPT ve Gemini gibi popüler chatbotların rasgele sayı üretiminde sistematik önyargı gösterdiğini ortaya koymaktadır. Yeni bir girişim, bu sınırlamayı aşmak için çalışmalar yürütüyor.
Anthropic'in yeni Claude Sonnet 5 modeli, tüm değerlendirme kriterlerinde öncüsü Sonnet 4.6'yı geçerken, GDPval-AA v2 bilgi işleme testinde 1.618 puanla daha büyük Opus 4.8 modelini de geri bıraktı.
Sina Weibo tarafından açık kaynak olarak yayınlanan VibeThinker-3B, sadece 3 milyar parametre ile DeepSeek V3.2 ve Kimi K2.5 gibi 333 kata kadar daha büyük modellere eşit matematik ve kodlama performansı gösteriyor. Araştırıcılar, çok aşamalı eğitim yöntemi sayesinde bu başarıyı elde ettiklerini ve mantıksal akıl yürütmenin küçük modellere sıkıştırılabileceğini, ancak genel dünya bilgisinin sıkıştırılamadığını öne sürüyor.
Anthropic'in 9.700 Claude kullanıcısı üzerinde yaptığı ankete göre, kullanıcıların yaklaşık yarısı yapay zekanın işlerinin yüzde 50 veya daha fazlasını halledebileceğini düşünüyor. 12 ay içinde, kullanıcıların yüzde 26'sı yapay zekanın işlerinin yüzde 60-90'ını yapacağını bekliyor.