Haftalık Yapay Zekâ Haberleri: Bilim, Robot, Açık Modeller

Bu hafta yapay zekâ yalnızca yeni modellerle değil, bilim, robotik ve açık kaynak tarafında da dikkat çekici sonuçlarla gündemdeydi. Plazma fiziğinde bir varsayıma karşı örnek, 217 yıllık bir şifreli mektubun çözümü, badminton oynayan bir insansı robot ve birkaç yeni açık model bu listenin başında.

Bu yazı, YouTube'daki AI Search kanalının haftalık yapay zekâ haberleri videosunun diğer yazılarda ele almadığım bölümlerini özetleyip proje sayfaları ve duyuru metinleriyle genişletiyor; videonun bağlantısı en sonda. Bu bir haber ve derleme yazısıdır; çalışmaları ben denemedim ya da doğrulamadım. Rakamlar yazarların kendi sayfalarından alındı.

Haftanın büyük model ve ürün haberleri ayrı yazılarda: Claude Sonnet 5.5, GPT-6.1 Sol, OpenAI Dots ve Gemini 4 Argon.

Yapay zekâ bilimde: plazma varsayımı ve Napolyon'un şifresi

Plazma fiziğinde Grad varsayımına karşı örnek

Füzyon reaktörleri, aşırı sıcak yüklü parçacık gazı olan plazmayı manyetik alanlarla yerinde tutmak zorunda. Stellaratör denen reaktör türü bunun için çok karmaşık üç boyutlu manyetik alanlar kullanıyor. Plazma fiziğinde bir soru uzun süredir açıktı: plazma, basınç yerden yere değişse bile üç boyutlu bir manyetik alanın içinde kararlı ve pürüzsüz bir denge durumunda durabilir mi? Uzun süre bunun ancak alanın belirli simetrilere sahip olmasıyla mümkün olabileceği düşünüldü (Grad varsayımı).

Bu hafta iki çalışma bu görüşe karşı örnekler sundu. Birincisi, Javier Gómez-Serrano, Lukas Liehr ve Mitchell A. Taylor'ın "Counterexamples to Grad's conjecture" makalesi; GitHub deposu, ana sonucun Lean 4 ile biçimsel olarak doğrulanmış halini içeriyor. Teorem, yalnızca N katlı dönme simetrisine sahip, pürüzsüz bir manyetohidrostatik denge ailesinin var olduğunu söylüyor; ailenin iç üyeleri yalıtılmış değil, yani sürekli bir aile. İkinci çalışma Landreman'ın "analytic 3D MHD equilibria" deposu. Videoya göre araştırmacılar GPT-6 Astra'yı kullanarak plazmanın kararlı ve pürüzsüz kalabildiği iki farklı sıra dışı yapılandırma buldu.

Burada yapay zekânın rolü karşı örnek bulmak; bir sonucu üretmek ve kanıtını doğrulamak ayrı işler. Lean ile biçimsel doğrulama, ikincisini makinenin kontrol edebilmesi demek. Videodaki sunucu, bu tür çözümlerin saf matematiğe yakın problemlerde artacağını düşünüyor: çözümü bulmak zor, doğrulamak kolay. Bu bir görüştür. Depolar: Grad-Conjecture, analytic_3d_equilibria.

Napolyon'un 217 yıllık şifreli mektubu

Carter Church, Fransız ordusunun 1809'da General Marmont'a yazdığı şifreli bir mektubu çözdüğünü anlattığı bir yazı yayımladı (18 Eylül 2026). Mektup, 1969'da bir Fransız ordu dergisinde yayımlanmış tek bir levhadan biliniyordu ve çözülmemiş tarihî şifreler listesindeydi. Yazarın bulguları:

• Tarih: Mektup, dergideki yanlış tarihin aksine Mart 1809'a, Avusturya'nın Bavyera'yı işgalinden önceki iki haftaya yerleştiriliyor. Napolyon 16 Mart 1809'da üvey oğlu Eugène'e, Marmont'a şifreli bir mektup göndermesini emretmişti.
• Yapı: 1.300 şifre birimi ve 155 farklı işaret. Bu bir homofonik şifre: sık harflere birden çok işaret veriliyor, yani harf sayarak çözmek işe yaramıyor. İşaretlerden 29'u harf değil, bütün kelime ("de", "que", "les", "vous", "général" gibi).
• Daha önce bilinen: Fransız kriptoloji tarihçisi Daniel Tant'ın tablosu yalnızca 33 harf değerini veriyor; bu, 1.300 birimin 435'ini, yani yaklaşık üçte birini kapsıyor.
• Süreç: GPT-6 Astra levhayı satırlara kesti, 175 el çizimi işaretten hangilerinin aynı işaret olduğuna karar verdi, sonra şifreyi kırdı. Bir çözücü, kalan işaretlere harfleri benzetimli tavlama ile atadı ve her adayı Fransızca harf istatistiklerine (3, 4 ve 5'li dizilimler) göre puanladı. Her işaretin önerilen değeri, levhadaki bütün geçişleriyle karşılaştırıldı.
• Süre: Yaklaşık altı saatlik model çalışma süresi. Hepsi tek bir görselden çıktı.
• Doğrulama: Çözücü, dil modelinden Marmont'un anıları ve bütün Napolyon dönemi metinleri çıkarılarak sıfırdan yeniden çalıştırıldı ve aynı okumayı buldu; yani anahtar, modelin o tarihi önceden bilmesine bağlı değil.

Sonuç, Avusturya'nın savaşa girmesinden hemen önce Fransız ve müttefik orduların konumlarını anlatan askerî bir bilgilendirme. Yazar, çözümü üreten betiği de indirilebilir paket olarak sunuyor. Ayrıntılı yazı: Breaking the Marmont Cipher, 1809.

Robotik: dokunma duyusu ve badminton

TactileStep: ayaklarda dokunma duyusu

İnsansı robotların parkur politikaları arazide ilerleyebiliyor, ama görevin tamamlanması sert iniş, kenara basma ve dengesiz duruş gibi sorunları gizleyebiliyor. İnsanlar ayaklarındaki basınç geri bildirimiyle yere temas yumuşaklığını ayarlıyor; çoğu insansı robotta bu duyu yok. TactileStep (CoRL 2026 Spotlight, Tsinghua Üniversitesi), robota ayak tabanlarındaki basınç sensörleri üzerinden dokunma duyusu veriyor. Hafif bir dokunsal simülatör, sert ayak-arazi temasını basınç dizisine çeviriyor; politika bu temas özelliklerini hem eğitimde hem gerçek robotta kullanıyor, yürüyüş fazları çevrim içi kestiriliyor.

Unitree G1 üzerinde bildirilen sonuçlar:

• Temas anındaki tepe kuvvette %48,8'e varan düşüş.
• Tepe A-ağırlıklı darbe sesinde 30,1 dB'e varan düşüş (güçlü bir algısal temel yönteme göre).
• Duruş temas alanında %23,8'e kadar artış.

Demolarda robot merdiven inişi ve çıkışı, eğim, platform ve düz zeminde nazikçe yürüyor. Kod "yakında". Sayfa: tactilestep.github.io.

İnsansı robot badminton oynuyor

Tsinghua, Hong Kong Çin Üniversitesi ve başka kurumlardan araştırmacıların "Humanoid Badminton" çalışması (CoRL 2026'da kabul edildi), videoya göre bir Unitree G1'i badminton oynamaya eğitti. Yazarlar, bunun sürekli, çok becerili insan-robot top değişimlerini zıplayarak karşılamayı da içeren ilk gerçek dünya insansı raket sporu sistemi olduğunu söylüyor. Demoda robot forehand, backhand ve zıplayarak karşılama yapıyor.

Zorluk büyük: tüy top hızlı hareket ediyor, vuruş penceresi dar, robotun bacak, gövde, kol ve raketi birkaç saniyede koordine etmesi gerekiyor; üstelik kullanılabilir insan hareket verisi az ve kusurlu. Çözüm üç aşamalı hiyerarşik pekiştirmeli öğrenme: (1) seyrek işaretlenmiş vuruş olaylarını görev-rastgele hareket çoğaltımıyla çeşitli vuruş varyasyonlarına genişletmek ve sürekli bir beceri uzayı kurmak, (2) üst düzey bir planlayıcının tüy topun durumuna göre becerileri anlık birleştirmesi, (3) doğal beceri kullanımını teşvik eden bağlama duyarlı bir çekişmeli düzenleyici. Sayfa: humanoid-badminton.

3B ve nesne etkileşimi: PAMI ve Point2Part

PAMI (Tübingen Yapay Zeka Merkezi ve Max Planck Enformatik Enstitüsü): Metin istemi ve bir nesneden, nesneyle etkileşen bir insanın tam vücut 3B hareketini üretiyor. Fikir, Hough dönüşümünden esinlenerek vücut parçası çapalarının nesnenin hareketi için "oy kullanması". Önce PamiGen, gizli uzayda kaba bir etkileşim üretiyor; sonra PamiRefiner, uzun ve kısa menzilli yüzey sensörleriyle temas geometrisini inceltiyor. Amaç, nesne kayması, kaçırılan temas ve iç içe geçmeyi azaltmak. InterAct veri kümesinde sınanmış. Videoya göre kod yayında, modellerin de yayımlanması planlı, lisans MIT. Sayfa: coral79.github.io/pami.

Point2Part (Carnegie Mellon Üniversitesi): Her istenen parça için bir nokta koyuyorsunuz; model, nesneyi bütünün tam bir bölümlemesi olarak parçalara ayırıyor. Parçalar birbirinin içine girmiyor ve birleşimleri tüm nesneyi kapsıyor. Sayfadaki tek görselden kapalı parçalar üretme karşılaştırması:

Yöntem	Parça CD (düşük iyi)	Parça [email protected]	İç içe geçme %	Su geçirmez %
Point2Part	0,0534	0,686	0,01	100
OmniPart	0,0643	0,610	0,96	94,7
PartPacker	0,0811	0,540	1,25	86,0
PartCrafter	0,1275	0,300	2,45	70,5

Videoya göre kod yayında, model ve eğitim kodu için plan var. Sayfa: Point2Part.

Yeni açık modeller

AstaBrief (Ai2)

Ai2, 2 Ekim'de AstaBrief 8B'yi açık kaynak yaptı. Qwen3-8B tabanlı; bir araştırma sorusunu ve getirilmiş literatür alıntılarını kaynak gösteren bir rapora çeviriyor ve raporu bölüm bölüm değil tek geçişte yazıyor. Eğitimde pekiştirmeli öğrenme yerine denetimli ince ayar ve doğrudan tercih optimizasyonu (SFT + DPO) kullanılmış; ekip, kararsız ve pahalı olabilen pekiştirmeli öğrenmeye karşı daha ucuz bir tarif denemek istemiş. Asta'nın "Rapor üret" özelliğinde Claude destekli "Düşünme" modunun yanında "Hızlı" mod olarak sunuluyor: Asta hattında rapor başına ortalama 51,1 saniye, Düşünme modunda 178,5 saniye (yaklaşık 3,5 kat hızlı). Ağırlıklar, eğitim verisi ve kendi PDF'lerinizden rapor üretmek için örnek bir iş akışı açık. Ai2, eğitimin ve değerlendirmenin çoğunun 2025'te yapıldığını, karşılaştırma modellerinin o günün öncü modelleri olduğunu da belirtiyor. Tam 8B model yaklaşık 32 GB; güçlü bir ekran kartı gerekir. AstaBrief.

Olmo-core 3 (Ai2)

Yeni bir sohbet botu değil; 1 Ekim'de açılan, büyük "uzmanlar karışımı" (MoE) modelleri eğitmek için açık bir eğitim altyapısı. MoE'de modelin yalnızca bir kısmı her girdi için çalışır; ama tüm model yine GPU belleğinde durmak zorunda ve girdileri doğru uzmana yönlendirmek kümede iletişim maliyeti doğurur. Olmo-core 3, bir önceki tam parçalanmış veri paralelliği (FSDP) uygulaması yerine dağıtık veri paralelliğine (DDP) geçip uzmanları GPU'larda sürekli tutuyor ve ilgili veriyi onlara yolluyor. Sayfadaki ölçümler:

• Sekiz NVIDIA B300 ekran kartında 47 milyar parametreli bir MoE, GPU başına saniyede 52.000 token işledi; önceki uygulamada bu 19.400'dü (yaklaşık 2,7 kat).
• Uzman havuzu 8'den 128'e çıkarıldı, token başına dört uzman seçilmeye devam etti (etkin parametre yaklaşık 3,2 milyar); toplam parametre 4,6 milyardan 47 milyara çıkarken eğitim hızı %5'ten az düştü.
• Aynı altyapı bir trilyonun üzerinde toplam parametrede de ölçüldü.

Teknik rapor, kod ve etkileşimli demo açık. Olmo-core 3.

IQuest-Q1

Ajan tabanlı kodlama, akıl yürütme ve çok adımlı araç kullanımı için bir MoE modeli; Claude Code ve Codex gibi komut satırı araçlarıyla kullanılmak üzere ayarlanmış. Yaklaşık 320 milyar toplam parametre, token başına yaklaşık 15 milyar etkin parametre; 88 katman, 256 uzmandan 8'i etkin, 524.288 token bağlam. Yalnızca metin; çok kipli değil. Geliştiriciler önerilen ayarları (sıcaklık 1,0, top-p 0,95, top-k 20) ve Claude Code 2.1.140 ya da Codex 0.142 ile kullanmayı öneriyor. Üretim için SGLang ya da vLLM, OpenAI uyumlu API ile. IQuest-Q1.

AREX-2 (BAAI)

Pekin Yapay Zeka Akademisi'nin 27 milyar parametreli, yoğun (dense) uzun soluklu ajan modeli; Apache 2.0 lisanslı, 262.144 token bağlam. Çözümü birden çok turda geliştirmeyi öğreniyor: öner, ölç, düşün, düzelt. Skorları, günlükleri, hataları ve süreleri okuyup neyi değiştireceğine karar veriyor. Sonucun doğrulanabildiği makine öğrenmesi ve algoritmik programlama görevlerinde eğitilmiş; bu davranışın derin araştırmaya da aktarıldığı belirtiliyor. Model yaklaşık 55 GB. AREX 2.

Ne öğrendik?

Bireysel geliştirici için en pratik başlık açık modeller: IQuest-Q1 ve AREX-2 büyük donanım istiyor, AstaBrief gibi 8 milyar parametrelik modeller daha erişilebilir. Bilim haberleri, yapay zekânın sonucu doğrulanabilir alanlarda (biçimsel matematik, şifre çözme) en hızlı ilerlediğini gösteriyor; Lean doğrulaması ve "anahtar Fransızcaya benziyor mu" testi bunun iki örneği. Robotikte ise iki çalışma da aynı kalıbı izliyor: az ve kusurlu insan verisini simülasyonda çoğaltıp gerçek robota taşımak.

Sık Sorulan Sorular

Plazma varsayımını yapay zekâ mı çürüttü?

İki çalışma bu varsayıma karşı örnekler sundu. Videoya göre araştırmacılar GPT-6 Astra'yı kullanarak iki farklı yapılandırma buldu. Gómez-Serrano, Liehr ve Taylor'ın sonucu Lean 4'te biçimsel olarak doğrulandı.

Napolyon'un mektubu ne kadar sürede çözüldü?

Yaklaşık altı saatlik model çalışma süresinde, tek bir levha görselinden. Mektup, Mart 1809'da General Marmont'a gönderilmiş bir askerî bilgilendirmeydi.

TactileStep ne sağlıyor?

Robotun ayak tabanlarındaki basınç sensörlerinden gelen veriyle eğitilerek temas anındaki tepe kuvveti %48,8'e kadar, darbe sesini 30,1 dB'e kadar azaltıyor; temas alanını %23,8'e kadar artırıyor.

Olmo-core 3 bir model mi?

Hayır, MoE modellerini daha verimli eğitmek için bir eğitim altyapısı. Ai2'nin ölçümünde 47 milyar parametreli bir MoE'de önceki uygulamaya göre yaklaşık 2,7 kat verim sağladı.

Kaynak

• AI Search, Gemini 4, GPT 6.1, Dots, Claude Sonnet 5.5, Ideogram 4.5, Flux 3: AI NEWS (YouTube, 4 Ekim 2026): bu yazıdaki bütün başlıklar.
• Carter Church, Breaking the Marmont Cipher, 1809 (18 Eylül 2026).
• Gómez-Serrano, Liehr ve Taylor, Grad-Conjecture (Lean 4 biçimselleştirmesi); Landreman, analytic_3d_equilibria.
• TactileStep, Humanoid Badminton, PAMI, Point2Part: proje sayfaları.
• Ai2, AstaBrief (2 Ekim 2026) ve Olmo-core 3 (1 Ekim 2026); IQuest-Q1; BAAI, AREX-2.