OpenAI, yapay zeka tarafından yazılmış yüzlerce matematiksel ispatı devre dışı bırakarak alanı karmaşa içinde bıraktı
OpenAI, henüz yayınlanmamış bir öncü modelden elde edilen 372 matematiksel sonucu GitHub deposuna yükledi. The Verge, 372 sonuç ailesine ait 722 makale sayıyor. Birçok ispat Lean'de zaten doğrulanmış durumda, bu nedenle yenilik henüz belirlenmemiş olsa bile mantık muhtemelen sorunsuz.
Şirket, dört boyutlu Kakeya varsayımı üzerinde zaferler elde ettiğini, önemli algoritmalarda iyileştirmeler yaptığını ve hatta Riemann hipotezine doğru "gerçek ilerleme" kaydettiğini iddia ediyor. Bir sözcü Scientific American'a, neredeyse her sonucun tek bir ajana verilen tek bir komuttan kaynaklandığını, daha önce Navier-Stokes denklemini çözen milyonlarca dolarlık 10.000 ajandan oluşan sürüden kaynaklanmadığını söyledi. Ortalama maliyet: yaklaşık üç saatlik ChatGPT Pro düşünme süresi.
Matematikçilerin hepsi bu duruma sevinmiyor. MIT'den Andrew Sutherland temelde şunu söyledi: modeli gösterin veya tek seferlik hikayeyi doğrulanmamış olarak kabul edin. OpenAI'nin kendi danışma grubu ise komut istemleri, model adları ve hesaplama sonuçları istedi. OpenAI bunun yerine ortalamaları ve bazı Yalın formülasyonları yayınladı. "Kanıtları attık, lütfen sindirin" cesur bir araştırma stratejisi.
Mistral, açık siklet kategorisinde üstünlüğü hedefleyen, 1 trilyon parametreli "Le Chonk" lakaplı Large 4 modelini tanıttı
Fransız laboratuvarı Mistral, resmi olmayan adıyla ML4, "resmi olarak: le Chonk" olarak bilinen Mistral Large 4'ün halka açık ön izlemesini başlattı. Toplam 1 trilyon parametre ve 49 milyar aktif parametreye sahip, doğal olarak çok modlu bir karışımdır. Ortaklar ve hükümetlerle yapılan testlerin ardından, ağırlıkların ay sonuna kadar açıklanması bekleniyor.
Eğitim, Mistral'in kendi Avrupa veri merkezlerinde bulunan 3.800 adet NVIDIA Grace Blackwell GPU üzerinde gerçekleştirildi. Sunumda egemenlik ve güçlü performans vurgulanıyor: siber güvenlik, finans, hukuk, çip tasarımı. Mistral, bir modelin gerçek bir güvenlik açığını yeniden üretmesini ve yamalamasını isteyen bir Yapay Zeka Analizi siber testinde ML4'ün %82 ile en yüksek puanı aldığını, bazı büyük şirketlerin ise neredeyse sıfır puan aldığını belirtiyor.
Yani Avrupa hâlâ kapalı ABD laboratuvarları ve açık Çin ağırlık sistemleri arasında üçüncü bir yol istiyor. Bunun kalıcı olup olmayacağı ise ayrı bir konu. Takma adın kendisi bile, parametre yarışının dışarıdan ne kadar absürt göründüğünün farkında olduklarını gösteriyor.
Claude, Google Dokümanlar, E-Tablolar ve Slaytlar'a birinci taraf kenar çubuğu olarak ekleniyor
Anthropic'in Google Workspace için Claude eklentisi, ücretli planlarda herkese açık beta sürümünde. Marketplace eklentisini yükleyin, bir dosya açın ve Claude, belgeyi okuyabilen ve yerinde düzenleyebilen bir kenar çubuğunda yerini alsın. Yeni bağlantılar ayrıca, Claude sohbetinin kendisinden Google dosyaları oluşturmanıza ve düzenlemenize olanak tanır.
Dokümantasyonda, biçimlendirmeyi bozmadan bir cümleyi düzeltebilir veya daha büyük yeniden yazmaları öneri kartları olarak gösterebilirsiniz. E-Tablolar formüller, özet tablolar, grafikler ve hatta karmaşık birleştirmeler için Python çözümü sunar. Slaytlar mevcut temanızdan yeni slaytlar oluşturabilir ve ardından çakışan gereksiz kısımları işaretleyebilir. Varsayılan mod, düzenlemelerden önce onay ister. Risk almayı seviyorsanız "Tümünü Kabul Et" modu da mevcuttur.
Gemini zaten burada yaşıyor ve Microsoft Copilot, Office sürümünü yapıyor - bazen de insan modelleri üzerinde, ki bu eğlenceli bir çelişki. Claude şimdi her iki ekosistemde de yapay zeka katmanı olmaya çalışıyor. Buna ürün stratejisi deyin ya da sadece taraf seçmeyi reddetmek deyin. Muhtemelen ikisi de.
Meta ve Sierra, mağazaların iyi botları kötü botlardan ayırt edebilmesi için Kişisel Ajan Protokolü taslağı hazırladı
Sierra ve Meta, Genesys, Instinct, Rocket, Shopify, Stripe ve Walmart ile birlikte, kişisel yapay zeka temsilcilerinin işletmelerle nasıl iletişim kuracağına dair açık bir standart oluşturuyor. Tüketiciler, temsilcilerinin nelere erişebileceğini seçiyor. Şirketler, temsilcilerin web sitelerinde, API'lerde veya şirket temsilcisi aracılığıyla neler yapabileceğini belirliyor. Oturumlar OAuth üzerinden gerçekleşiyor.
Bu ayın sonlarına doğru v0.1 spesifikasyonu ve referans uygulaması yayınlanacak. Bret Taylor'ın ifadesi açık ve net: Böyle bir şey var olana kadar durum bir nevi kaos. Amazon, Meta'nın Muse'unu engelledi. Walmart, Muse ile ortaklık yapıyor ve hala CAPTCHA engeli nedeniyle temsilcilerin sistemden atıldığını görüyor. Havayolları ve diğerleri daha sert kurallar koyuyor.
OpenAI ve Anthropic henüz toplantıda değil. Taylor, rakiplerinin toplantıyı atlamaları durumunda gerçekten hayal kırıklığına uğrayacağını söylüyor. Standartların lansmanı için oldukça açık sözlü bir yaklaşım. Ayrıca, OpenAI başkanının protokolü birlikte yazıyor olması biraz garip bir durum.
OpenAI'nin Kararlar API'si, hızlı evet-hayır tarzı yanıtlar için halka açık beta sürümüne geçti
OpenAI, Decisions API'yi gpt-6-luna üzerinde POST /v1/decisions isteğiyle halka açık beta sürümünde kullanıma sundu. Metin, resim veya her ikisini de girerek, Responses API'ye kıyasla yaklaşık 10 kat daha hızlı yazılı yanıtlar alabilirsiniz: bir koşulun doğru olma olasılığı, listenizden bir seçim veya sıralı seviyelere göre bir puan.
Örneğin, "iki kez ücretlendirildi" şikayetini faturalandırmaya yönlendirmek veya bir ürün fotoğrafındaki çatlağı işaretlemek gibi. Görsellerin satır içi base64 formatında olması gerekiyor. Fiyatlandırma, milyon giriş belirteci başına 0,10 ABD dolarıdır ve bu uç noktada çıkış belirteci ücreti yoktur. Uygun müşteriler için Sıfır Veri Saklama ve HIPAA yolları mevcuttur.
DevDay'de sınırlı önizleme olarak gösterildi ve şimdi herkese açık. Genel kullanıma sunulması "önümüzdeki haftalarda" olacak. Bu, tesisat ürünlerinin ihtiyaç duyduğu, her seferinde roman yazmaya gerek kalmadan sınıflandırıcı sağlayan, gösterişten uzak bir çözüm.
Google DeepMind'ın EmbeddingGemma 2'si metin, resim, ses ve video dosyalarını cihaz üzerinde tek bir vektör alanına paketliyor
EmbeddingGemma 2, metin, kod, resim, video ve sesi paylaşılan 768 boyutlu bir alana eşleyen 740 milyon parametreli bir Apache 2.0 modelidir. Gemma 4 üzerine inşa edilmiştir. Telefonlar ve diğer sıkı donanımlar için tasarlanmıştır, bulut tabanlı dev bir gömme platformu değildir.
Yalnızca ihtiyacınız olanı yükleyin: Metin için 270 MB, görüntü veya ses ekleyin veya tüm yığını kullanın. Matryoshka kırpma yöntemi, vektörleri 128 boyuta kadar küçülterek depolama alanını 6 kata kadar azaltabilir. Bağlam 8K belirteçtir - yaklaşık 5,5 dakikalık ses veya düzinelerce kare için yeterlidir. Google, MTEB Code'un ilk EmbeddingGemma'ya kıyasla neredeyse 10 puan arttığını söylüyor.
Nicelleştirme özelliğine sahip bir Pixel 11 Pro'da, yalnızca metin içeren uygulamalar yaklaşık 191 MB aktif RAM gerektirirken, tam çok modlu uygulamalar yaklaşık 567 MB gerektiriyor. Orijinal metin modeli 20 milyon indirmeyi çoktan geçti. Google'ın daha sessiz lansmanları bazen gösterişli olanlardan daha önemli olabiliyor.
Güney Kore Bilim Bakanı, Mythos'tan sonra 3,5 milyar dolarlık öncü yapay zeka programına olan bağlılığını yineledi
Parlamento denetiminde konuşan Başbakan Yardımcısı Bae Kyung-hoon, Seul'ün egemen vakıf modeli projesini sürdüreceğini ve ayrı bir ileri yapay zeka programı ekleyeceğini söyledi. 4,7 trilyon wonluk (3,5 milyar dolar) bu hamleyi, Anthropic'in Claude Mythos'u etrafındaki "Mythos şoku" ve siber güvenlik tehditleriyle ilişkilendirdi.
Egemen girişim ikinci değerlendirmeyi de başarıyla geçti ve üçüncüye doğru ilerliyor. Bae, mevcut sonuçları küresel olarak orta seviye olarak nitelendirdi ve önde gelen açık ağırlıklı sistemlere daha yakın bir şey istiyor. Ayrıca yıl sonuna kadar "Herkes İçin Yapay Zeka" hizmetini (ücretsiz, kullanım sınırlaması yok) ve veri merkezleri, fiziksel yapay zeka ve çipler üzerine mega projeleri de gündeme getirdi.
Yani hikaye "ev modelini iptal etmek" değil, "yanına daha büyük, daha korkutucu bir pist eklemek". Ulusal yapay zeka yarışları giderek daha pahalı hale geliyor. 3,5 milyar doların ABD ve Çin ölçeğine karşı yeterli olup olmadığı açık. Bae, yerinde saymanın daha kötü olduğunu düşünüyor gibi görünüyor.
SSS
OpenAI, henüz yayınlanmamış öncü matematik modeliyle birlikte GitHub'a ne yükledi?
OpenAI, henüz yayınlanmamış bir öncü modelden 372 matematiksel sonuç ailesi (yaklaşık 722 el yazması) yayınladı. Birçok kanıt Lean'de zaten doğrulandı. Şirket, dört boyutlu Kakeya varsayımı, algoritma iyileştirmeleri ve Riemann hipotezi üzerinde çalışmalar yapıldığını iddia ediyor. Bir sözcü, neredeyse her sonucun tek bir ajana verilen tek bir komuttan geldiğini ve bunun da ortalama üç saatlik ChatGPT Pro düşünme süreci gerektirdiğini, yani büyük bir çoklu ajan sürüsünden kaynaklanmadığını söyledi.
Matematikçiler OpenAI'nin tek seferde matematiksel ispatlar sunma iddiasına neden şüpheyle yaklaşıyor?
MIT'den Andrew Sutherland, OpenAI'ye modeli göstermesi veya tek seferlik iddiayı doğrulanmamış olarak ele alması çağrısında bulundu. OpenAI'nin kendi danışma grubu ise komut istemleri, model adları ve hesaplama sonuçları istedi. Bunun yerine şirket ortalamaları ve bazı Yalın formülasyonları yayınladı. Kanıtlar biçimsel olarak doğru olabilir, ancak yenilik ve tek ajan anlatısı, daha kapsamlı kanıtlar ortaya çıkana kadar tartışmalı kalacaktır.
Mistral Large 4 nedir ve ağırlıklar ne zaman gelecek?
Mistral Large 4 (ML4 veya "Le Chonk" olarak da bilinir), toplam 1 trilyon parametre ve 49 milyar aktif parametreye sahip, doğal olarak çok modlu bir uzmanlar karışımı modelidir. Mistral'in Avrupa veri merkezlerinde 3.800 adet NVIDIA Grace Blackwell GPU üzerinde eğitilmiştir. Genel bir önizleme yayında; ortaklar ve hükümetlerle yapılan testlerin ardından ay sonuna kadar tam ağırlıkların açıklanması bekleniyor. Mistral, siber güvenlik, finans, hukuk ve çip tasarımı alanlarında kullanım alanları önerdi.
Claude Google Dokümanlar, E-Tablolar ve Slaytlar'da nasıl çalışıyor?
Google Workspace için Claude, Marketplace eklentisi aracılığıyla ücretli planlarda herkese açık beta sürümünde. Dosyaları okuyup yerinde düzenleyebilen veya Claude sohbeti üzerinden Google dosyaları oluşturup ince ayar yapabilen bir kenar çubuğunda yer alıyor. Docs'ta cümleleri düzeltebilir veya öneri kartları oluşturabilir; Sheets'te formüller, özet tablolar, grafikler ve isteğe bağlı Python kodları ekleyebilir; Slides'ta ise temanızdan slaytlar oluşturabilirsiniz. Varsayılan mod, düzenlemelerden önce onay ister; "Tümünü Kabul Et" modu ise onay istemlerini atlar.
Meta ve Sierra Kişisel Temsilci Protokolü hangi sorunu çözmeyi amaçlıyor?
Kişisel yapay zeka ajanları, alışveriş yaparken veya işletme API'lerini çağırırken sıklıkla CAPTCHA'lara takılıyor veya doğrudan engellemelerle karşılaşıyor. Sierra ve Meta, Genesys, Shopify, Stripe ve Walmart gibi ortaklarıyla birlikte, tüketicilerin ajan erişimini kontrol edebilmesi ve şirketlerin OAuth üzerinden izin verilen eylemleri belirleyebilmesi için açık bir standart taslağı hazırlıyor. v0.1 spesifikasyonu ve referans uygulaması bu ayın sonlarında yayınlanacak. OpenAI ve Anthropic henüz bu projede yer almıyor.
OpenAI'nin Responses API'si yerine Decisions API'sini ne zaman kullanmalısınız?
Hızlı, evet-hayır tarzı bir cevaba ihtiyacınız olduğunda Kararlar API'sini kullanın; bir koşulun doğru olma olasılığı, bir listeden seçim veya sıralı seviyelerde bir puanlama gibi. gpt-6-luna üzerinde POST /v1/decisions ile çalışır, metin ve satır içi base64 resimleri kabul eder ve Yanıtlar API'sinden yaklaşık 10 kat daha hızlıdır. Fiyatlandırma, çıktı token ücreti olmadan milyon giriş tokeni başına 0,10 ABD dolarıdır. Uygun müşteriler için Sıfır Veri Saklama ve HIPAA yolları mevcuttur; Genel Kullanıma sunulması önümüzdeki haftalarda beklenmektedir.
Google DeepMind'ın EmbeddingGemma 2'sini telefonlarda kullanışlı kılan nedir?
EmbeddingGemma 2, metin, kod, görüntü, video ve sesi 768 boyutlu tek bir alana eşleyen 740 milyon parametreli bir Apache 2.0 modelidir. Yalnızca metin (270 MB) yükleyebilir, görüntü veya ses ekleyebilir veya tüm yığını kullanabilirsiniz. Matryoshka kırpma yöntemi, vektörleri 128 boyuta kadar küçülterek 6 kata kadar daha az depolama alanı sağlar. Nicelleştirilmiş bir Pixel 11 Pro'da, yalnızca metin için yaklaşık 191 MB aktif RAM ve tam çok modlu uygulama için yaklaşık 567 MB gerekir; bu da 8K belirteçlik bir bağlamla sağlanır.