16–29 Ağustos 2026 — Model geliştirmenin hızını ayarlamak, çift kör değerlendirme ve laboratuvardaki ajanlar

Ağustos’un ikinci yarısında büyük bir model sürümü yoktu ama yön belirleyen metinler üst üste geldi. O yüzden bu yazı biraz daha “altyapı” ağırlıklı oldu. Notlar birincil kaynaklara dayanıyor, yorumlar bana ait.

Geliştirme temposu ve Hugging Face olayının sonuçları

18 Ağustos’ta OpenAI, siber açıdan kritik yeteneklerin ortaya çıktığı bir dönemde model geliştirmenin temposunu yeni korumaların nasıl belirlediğini anlatan bir yazı yayımladı ve izleme, hizalama ve güvenlik önlemlerini güçlendirdiğini belirtti (OpenAI). 26 Ağustos’ta da Temmuz’daki Hugging Face güvenlik olayından çıkan bulguları ve model güvenliği, izleme ve hizalama için attığı adımları paylaştı (OpenAI).

Bir şirketin kendi “temposu” hakkında kamuya yazı yazması bence küçümsenmemesi gereken bir işaret. En azından söylem düzeyinde, yarışın sadece hızla ölçülmediği kabul ediliyor. Bunun pratikte neye karşılık geldiğini ise ancak sonraki sürümler gösterecek.

Gençler, veri saklama ve reklamlar

18 Ağustos’ta OpenAI, gençlerin öğrenmesine yardım etmek için güçlendirilmiş korumalar, sağlıklı kullanım özellikleri ve ebeveynler için ek kontroller içeren ChatGPT for Teens’i tanıttı (OpenAI). Aynı gün ChatGPT reklamlarının ertesi hafta 31 Avrupa ülkesine genişleyeceği duyuruldu (OpenAI). Bir gün sonra, 19 Ağustos’ta, şirket uygun API müşterileri için Sıfır Veri Saklama (Zero Data Retention) taahhüdünü yineledi ve “Private Safety Processing” adlı bir yaklaşımı önizledi (OpenAI).

Gizlilik konusunda biraz hassas bir okur olarak, veri saklamama taahhüdüyle reklam genişlemesinin bir gün arayla gelmesi dikkatimi çekti. Kurumsal API ile tüketici ürünü, belli ki çok farklı kurallarla işleyen iki ayrı iş modeli.

Çift kör değerlendirme

27 Ağustos’ta Google DeepMind, tescilli bir öncü modelin dünyadaki ilk çift kör değerlendirmesi olarak tanımladığı bir pilot çalışmayı duyurdu. Fikir şuydu: dış değerlendirme sorularını kriptografik bir “kutu” içinde tutmak, böylece modellerin bu sorulara göre önceden optimize edilmesini, yani kıyaslama kirlenmesni önlemek. Çalışmada Singapur Yapay Zekâ Güvenliği Enstitüsü, OpenMined, AVERI ve MLCommons ile birlikte bir Gemini Flash Lite modeli gizli testlerle değerlendirildi (Google DeepMind). Temmuz’daki SWE-Bench Pro eleştirisini hatırlayınca, kıyaslamalara güveni yeniden kurmak için bunun ciddi bir aday olduğunu düşünüyorum.

Model Hardware Standard

Aynı gün Anthropic, yapay zekâ ajanlarının fiziksel cihazları güvenli biçimde çalıştırması için ortak bir şartname olan Model Hardware Standard’ın (MHS) araştırma önizlemesini ilk grup bilimsel laboratuvar ve ileri üreticiye açtı. Şirkete göre MHS, ajanların mikroskop, sıvı işleyici ve robot kol gibi cihazları paralel olarak çalıştırmasını sağlıyor; normalde haftalar, hatta aylar süren entegrasyon işini saatlere ya da dakikalara indiriyordu. Çalışma HHMI Janelia Research Campus ile bir işbirliği olarak başlamıştı (Anthropic). Anthropic çoğu cihazın birbiriyle hiç konuşmadığını da not ediyor; o yüzden bu bana model duyurularından daha somut geldi.

Kısaca

Ölçme ve bağlama işi, yani modellerin nasıl test edildiği ve gerçek dünyaya nasıl bağlandığı, model sürümleri kadar ilgi görmüyor. Uzun vadede daha belirleyici olabilceğini düşünüyorum.

---

Kaynaklar

• OpenAI — Pacing model development in an era of cyber-critical capabilities
• OpenAI — The Hugging Face incident and the road ahead
• OpenAI — Introducing ChatGPT for Teens
• OpenAI — Offering Zero Data Retention for frontier models
• OpenAI — ChatGPT Ads expands across Europe
• Google DeepMind — Piloting the world’s first double-blind AI evaluations
• Anthropic — Previewing the Model Hardware Standard