Günün özeti: 3 Kasım, gözüme takılan 10 haber
Claude mesaj dizileri, açık robot ve bilgisayar kullanım modelleri, MIT araştırması, yeni testler ve güvenlik araçları: birincil kaynaklarıyla 10 haber.
Claude sohbet geçmişini tutuyor
Claude mesaj dizileri, sohbet geçmişini sunucuda tutarak yalnız yeni mesajları göndermeyi sağlıyor. Beta sürümünde dizi, beş dakikalık hareketsizlikten sonra sona eriyor.
Açık modeller robot kontrolünde
Yeni araştırma, açık modelleri robot kontrolüne bağlayan ortak bir altyapı sunuyor. Çalışmada 19 gerçek dünya görevi incelenmiş. Bu, evde kullanıma hazır bir robot demek değil.
Bilgisayar kullanan CUA-Master
CUA-Master bilgisayarı kullanarak görev yapıyor. Araştırmacıların kendi OSWorld Verified testinde puanı 80,2. Bağımsız ölçüm değil; bizim de yerel denememiz değil.
CUA-Master araştırmacıları birincil kaynağı ↗ · CUA-Master model kartı ↗
Üç boyutta açık NorthCUA
Bilgisayar kullanan üç açık model yayımlandı. Apache 2.0 lisansı, uyarlama ve kullanım imkânı sunuyor.
Model ağırlıklarına kodla müdahale
Büyük bir model, küçük bir modelin eğitim sırasında ayarlanan sayısal değerlerini kodla düzenledi. Araştırmacılar matematik testinde iyileşme bildiriyor. Bu erken deney, eğitimin gereksiz olduğunu göstermiyor.
Ajanlar uygulama hatalarını buluyor mu?
Yeni QA Bench testi, yapay zekâ yardımcılarının uygulama hatalarını bulma becerisini ölçüyor. Dört uygulamada 1.396 hata var. Testi, bu alanda kendi ürünü de olan Momentic hazırladı; bağımsız ölçüm değil.
Zor uzmanlık işlerini ölçen GDPx
Yeni GDPx testi, modelleri uzun ve zor uzmanlık işlerinde değerlendiriyor. 206 görev var. Bu benchmark puanını, bütün işlerde başarı oranı olarak okumamak gerekiyor.
Kritik açık ödülleri artırıldı
OpenAI, kritik güvenlik açıkları için ödülleri artırdı. Şirketin açıklamasına göre ana ürünlerde kritik açık ödülü 30.000 dolara kadar çıkıyor; bu tavan her rapora ödeme garantisi değil.
Sorunlu ajanı durdurma düğmesi
CrowdStrike’ın açıklamasına göre yeni özellik, yetkili yöneticinin görevleri kendi başına yürüten bir yapay zekâyı sorun çıkardığında durdurmasını sağlıyor. Durdurma ilk aşamada ağ trafiğini yöneten sistemde çalışıyor; bilgisayar üzerinde doğrudan durdurma sonraya bırakılmış.
Yapay zekâ harcamalarına kota
Modellere ortak erişim ve harcama yönetimi genel kullanıma açıldı. Snowflake’in sürüm notuna göre kullanıcı başına harcama sınırı koyulabiliyor. Bazı ek araçlar ise hâlâ önizlemede.
- metin denetimi
- Codex
- ses
- ElevenLabs eleven_v4 · Yunus
- arka plan görselleri
- Qwen-Image-2.1 · RTX 5090 (arşiv)
- arka plan animasyonu
- Wan2.2-I2V-A14B · RTX 5090 (arşiv)
- yazılar ve grafikler
- Kodla çizildi (Python)
- kurgu ve web videosu
- Python · FFmpeg (720 × 1280)
Haberleri ben denemedim; şirketlerin duyurularını ve model kartlarını özetledim. Üretici ölçümleri öyle belirtildi.