5–18 Temmuz 2026 — GPT-5.6, sesli modeller ve kıyaslamalara şüpheyle bakmak

Temmuz’un ilk yarısında en çok bir değerlendirme yazısı aklımda kaldı. Popüler bir kodlama kıyaslamasındaki sorunları anlatan, model duyurularının gölgesinde kalan bir analiz. Bu yazıda o iki haftadan beş başlığı birincil kaynalardan derledim; yorumlar bana ait.

GPT-Live ve GPT-5.6

8 Temmuz’da OpenAI, ChatGPT Voice’u çalıştıran yeni nesil ses modelleri GPT-Live’ı tanıttı (OpenAI). Ertesi gün GPT-5.6 geldi. OpenAI modeli “her tokendan daha fazla zekâ” ve dolar başına daha güçlü performans vaadiyle sundu (OpenAI).

Aynı gün iki duyuru daha vardı: GPT-5.6’nın Microsoft 365 Copilot’ta tercih edilen model olduğu (OpenAI) ve uygulamalar ile dosyalar arasında işlem yapıp bir projeyle saatlerce ilgilenebilen ChatGPT Work ajanı (OpenAI). Bir model aynı gün hem tüketici sohbetine, hem ofis yazılımına, hem de bir ajan ürününe giriyordu. Yılın dağıtım hızını bundan daha iyi özetleyen bir gün hatırlamıyourm.

Kıyaslamalara şüpheyle bakmak

8 Temmuz’da OpenAI, yaygın kullanılan kodlama kıyaslaması SWE-Bench Pro’daki sorunları ortaya koyan bir analiz yayımladı (OpenAI). Bunu listeye almamın sebebi biraz kişisel. Bu blogda şirketlerin kıyaslama rakamlarını sık sık aktarıyorum. Kıyaslamanın kendisi sorunluysa “yüzde X daha iyi” cümlesi aslında çok az şey söylüyor ve rakamları “şirketin iddiası” diye etiketlemeye devam etmemin bir nedeni de bu.

Öğretmenler için Claude

14 Temmuz’da Anthropic, Claude for Teachers’ı duyurdu. ABD’de doğrulanmış K-12 öğretmenleri premium Claude özelliklerine ücretsiz erişim, bir öğretim becerileri kütüphanesi ve 50 eyaletin standartlarıyla eşleştirilmiş, kanıta dayalı müfredatlara bağlantı alıyordu. Anthropic, ilk bulgulara göre öğrenciler için yapay zekâ araçlarının etkisinin karışık olduğunu, öğretmenlere yönelik araçların ise öğretimi güçlendirebildiğini yazdı (Anthropic). Bu ayrım bana çok yerinde geldi. Aracı öğrencinin yerine değil, öğretmenin yanına koymak.

GPT-Red: kendi kendine kırmızı takım

15 Temmuz’da OpenAI, kendi kendine oynama (self-play) yöntemiyle güvenlik ve dayanıklılığı geliştirmeyi amaçlayan otomatik kırmızı takım sistemi GPT-Red’i tanıttı (OpenAI). Birkaç gün önce, 9 Temmuz’da, GPT-5.5 için bir biyoloji hata ödül programının ayrıntıları da paylaşılmıştı (OpenAI). İnsan kırmızı takımlarının yetişemediği yerde modelin kendini zorlaması ilginç bir fikir. Yine de bence dış değerlendiricilerin yerini almamalı, yanlarında durmalı.

Biyolojik dayanıklılık

16 Temmuz’da Google DeepMind ve Isomorphic Labs, biyolojik dayanıklılık konusundaki ortak yaklaşımlarını paylaştı. Amaç, modellerin kötüye kullanılmasını önlerken hükümetlerin, bilim insanlarının ve biyogüvenlik uzmanlarının bu teknolojilerden yararlanmasını sağlamaktı. Şirketlere göre son 12 ayda hükümet kurumları, biyogüvenlik kuruluşları ve araştırma gruplarıyla 15’ten fazla ortaklık geliştirilmişti (Google DeepMind).

Kısaca

Yeteneklerin nasıl ölçüldüğü, yeteneklerin kendisi kadar önemli. Kıyaslama eleştirisi, otomatik kırmızı takım, biyogüvenlik ortaklıkları; hepsi aynı sorunun farklı yüzleri gibi duruyor. Bir modelin gerçekte ne yapabildiğini nereden bileceğiz?

---

Kaynaklar

• OpenAI — Introducing GPT-Live
• OpenAI — GPT-5.6: Frontier intelligence that scales with your ambition
• OpenAI — GPT-5.6 is now the preferred model in Microsoft 365 Copilot
• OpenAI — ChatGPT is now a partner for your most ambitious work
• OpenAI — Separating signal from noise in coding evaluations
• Anthropic — Introducing Claude for Teachers
• OpenAI — GPT-Red: Unlocking Self-Improvement for Robustness
• OpenAI — GPT-5.5 Bio Bug Bounty
• Google DeepMind — Our approach to bioresilience