OpenAI’dan 722 çalışma, Mistral’den yeni model

VGN

OpenAI’nın 722 matematik çalışması ve Mistral’in yeni modeli yapay zeka gündeminde öne çıktı. Hark Pro kişisel asistanlıkta, Glean ile Pave kurumsal kullanımda farklı çözümler sunuyor.

Günün yapay zeka gelişmelerinde bugün, OpenAI’nın 722 matematik çalışmasını kamuoyuna açması ve Mistral’in bir trilyon parametreli Large 4 modelini tanıtması öne çıkıyor. Hark Pro kişisel asistan rekabetine katılırken, yazılım karşılaştırmalarından kurumsal maliyetlere ve uygulama denetimine uzanan kullanım alanları da dikkat çekiyor.

OpenAI, 722 matematik çalışmasını incelemeye açtı

OpenAI, 6 Ekim’de henüz kamuya sunmadığı bir iç modelin ürettiği matematik çalışmalarını yayımladı. Koleksiyon, birbiriyle bağlantılı ana sonuçları, yardımcı argümanları ve alternatif kanıtları bir araya getiren 372 sonuç ailesinde düzenlenmiş 722 taslaktan oluşuyor.

Şirket, açık matematik problemlerine çözüm veya ilerleme sunduğunu belirttiği bu çalışmaların farklı doğrulama aşamalarında bulunduğunu vurguluyor. Bu nedenle yayımlanan taslakların sayısı, aynı sayıda problemin kesin olarak çözüldüğü anlamına gelmiyor.

Koleksiyonda, Riemann hipotezinin daha zayıf bir biçimi olan “quasi-Riemann hipotezi” için de kanıt iddiası bulunuyor. Bu çalışma, asal sayıların dağılımıyla bağlantılı asıl Riemann hipotezinin çözüldüğü şeklinde sunulmuyor.

Ana sonuçları Lean adlı bilgisayarlı kanıt denetleme diliyle biçimselleştirilen 162 çalışma var. OpenAI, henüz biçimselleştirilmemiş sonuçlarda sorunlar bulunabileceğini ve yeni doğrulamalar geldikçe koleksiyonu güncelleyeceğini belirtiyor.

Değerlendirme sürecinde modele yaklaşık 4 bin problem yöneltildi. Şirketin hesabına göre, elde edilen her sonuç ortalama üç saatlik ChatGPT Pro düşünme işlemine denk hesaplama gücü gerektirdi. Yayınlanan sonuçların matematiksel kapsamı ve doğruluğu üzerindeki incelemeler önemini koruyor.

Mistral, bir trilyon parametreli Large 4’ü tanıttı

Fransız yapay zeka şirketi Mistral AI, “Le Chonk” adını verdiği Large 4 modelinin kamuya açık önizlemesini 6 Ekim’de başlattı. Toplam bir trilyon parametreye sahip modelde, işlem sırasında 49 milyar parametre etkin kullanılıyor.

Mistral, modelinin ABD ve Avrupa’da geliştirilen açık ağırlıklı modeller karşısında güçlü sonuçlar verdiğini savunuyor. Şirketin paylaştığı kodlama karşılaştırmasında Large 4 yaklaşık yüzde 62’ye ulaşırken, Kimi K3 yüzde 68 ve Reflection AI’ın Beam modeli yüzde 44 düzeyinde gösteriliyor.

Siber güvenlikte şirket, gerçek yazılım açıklarını yeniden oluşturup giderme testinde yüzde 82 başarı bildirdi. Bazı rakip modellerin aynı görevleri güvenlik gerekçesiyle reddetmesi, sonuçların yalnızca teknik yetenek farkı olarak okunmasını zorlaştırıyor. Hukuk alanında da şirket, dış değerlendirme kuruluşu Vals’ın Harvey karşılaştırmasında GPT-6 Astra’ya kıyasla yaklaşık üç katlık sonuç raporladığını belirtiyor.

Model ağırlıkları henüz herkese açık değil. Mistral, bunları ekim ayı sonunda yayımlamayı planlıyor. Önizleme döneminde siber güvenlik uzmanları, incelenmiş ortaklar ve kamu otoriteleri, daha az filtreli sürümle gerçek kullanım koşullarında değerlendirme yapabiliyor.

Hark Pro, kişisel asistan rekabetine katıldı

Figure AI kurucusu Brett Adcock’un girişimi Hark, web, iOS ve Android üzerinden kullanılabilen Hark Pro’yu duyurdu. Şirket, kullanıcı tercihlerini hatırlayan ve yapılması gereken işleri önceden fark etmeye çalışan bir kişisel asistan sunuyor.

Hark Pro’nun araştırma, alışveriş, rezervasyon ve içerik ya da uygulama hazırlama gibi görevleri yerine getirmesi amaçlanıyor. Sistem, buluttaki bilgisayarını kullanarak internet sitelerinde işlem yapabiliyor.

Ürünün yaklaşımı, kullanıcının her adımı ayrıca tarif etmesine gerek kalmadan ilgili sonraki işleri belirlemek üzerine kurulu. Örneğin bir etkinlik planında ulaşım veya otopark gibi ihtiyaçlar için öneri sunabiliyor. Bu yetenekler şirketin ürün açıklamalarını yansıtıyor; hesaplara erişim ve işlem yetkilerinin kapsamı kullanıcı açısından belirleyici olmaya devam ediyor.

Astra ile yazılım planları karşılaştırılabiliyor

GPT-6 Astra’nın tarayıcı ve bilgisayar kullanımı yetenekleri, küçük ekiplerin yazılım seçeneklerini karşılaştırması için de kullanılabiliyor. Bir karşılaştırmada ekip büyüklüğü, gerekli özellikler, bütçe ve incelenecek fiyatlandırma sayfalarının baştan belirtilmesi gerekiyor.

Aylık faturalandırma ile yıllık taahhüt karşılığında gösterilen aylık fiyatın ayrılması, kişi başı bedelden toplam ekip maliyetine geçilmesi ve kullanıcı sınırlarının kontrol edilmesi önemli. İlk ürünün verileri kontrol edildikten sonra diğer seçeneklerin aynı ölçütlerle değerlendirilmesi, karşılaştırmayı daha anlaşılır hale getiriyor.

Görevin yalnızca araştırma ve öneriyle sınırlı tutulması, deneme üyeliği, satış formu veya satın alma işlemlerinin ayrıca ele alınması da kullanıcı kontrolünü koruyor. Eksik fiyat bilgileri görünür bırakılmalı; son tutar satın alma öncesinde yeniden incelenmeli.

Glean, kurumsal yapay zekada maliyet farkını vurguladı

Glean’in 26 Ağustos tarihli şirket içi değerlendirmesi, kurumsal yapay zekada model seçiminin maliyet üzerindeki etkisine odaklanıyor. Şirket, 180’den fazla görevde kendi asistanının yanıtlarının Claude Cowork karşısında yüzde 78 oranında tercih edildiğini açıkladı.

Görev başına ortalama token maliyeti Glean için 0,58 dolar, Claude Cowork için 2,98 dolar olarak verildi. Testte Glean’in otomatik model yönlendirmesi açık tutulurken, Claude Cowork tarafında Claude Sonnet 5 kullanıldı.

Sonuçlar, şirketin kendi verileri ve belirlediği test düzeniyle elde edildi. Dolayısıyla tüm işletmeler için aynı maliyet veya kalite farkının oluşacağını göstermiyor. Glean, verimlilikte kurumsal bağlamın ve görevin uygun modele yönlendirilmesinin rolünü öne çıkarıyor.

Pave, uygulama üretimine yetki ve yayınlama denetimi ekliyor

Quickbase’in Pave ürünü, doğal dille tarif edilen ihtiyaçlardan kurumsal uygulamalar oluşturmayı hedefliyor. Rol tabanlı izinler, kullanıcı yönetimi ve taslaktan yayına geçiş adımı, çalışanların ürettiği uygulamalar üzerinde şirket denetimini destekliyor.

Quickbase, müşteri verilerinin yapay zeka eğitimi için kullanılmadığını belirtiyor. Ürün, uygulama geliştirme hızını erişim yetkileriyle birlikte ele alıyor; kimin hangi veriyi görebileceği ve hangi değişikliklerin yayımlanacağı yöneticiler tarafından düzenlenebiliyor.