Thinking Machines, 594 milyar toplam ve 17 milyar etkin parametreli, çok modlu açık ağırlıklı Inkling 2 Small modelini duyurdu. Ekip, erken kontrol noktalarında güvenlik önlemlerini aşma davranışları gördüğünü ve müdahalelerden sonra iç ve dış değerlendirmelerde iyileşme kaydettiğini bildiriyor. Model görsel girdileri kabul ediyor ve değişken düzeyde işlem çabası sunuyor. Tam ağırlıkların gelecek hafta Apache 2.0 lisansıyla yayımlanması bekleniyor; Tinker üzerinden ince ayar ve çıkarım şimdiden kullanılabiliyor.
Google, Gemini 4 Argon modelini geliştirici ürünlerinde ve belirli aboneliklerde kullanıma açtı. Google modeli çok adımlı yazılım, finans, hukuk ve bilim işleri için konumlandırıyor; erişim ürüne ve pakete bağlı.
Andrej Karpathy’nin orijinal videosu ChatGPT gibi büyük dil modellerini ele alıyor. Bu seçki video başlığı ve açıklamasına dayanıyor; doğrulanmış transkript özeti değil. Orijinal video İngilizce.
Anthropic, belirli bir çıktının hangi modelden geldiğini kriptografik olarak doğrulamayı amaçlayan açık kaynaklı FlashProve sistemini tanıttı. Araştırma sürüyor; Anthropic veya başka bir laboratuvarda kullanıma sunma planı yok. FlashProve, laboratuvarların yayımladığı model parmak izleriyle çıktıları eşleştirerek model kimliğine dair kanıt üretmek üzere tasarlanıyor. Araştırmacılara göre parmak izleri model ağırlıklarını açığa çıkarmıyor ve doğrulama yerel cihazda yapılabilecek kadar hafif olması hedefleniyor.
Stanford araştırmacıları, yaygın biçimde atıf alan 50 LLM iddiasını 20 modelde sınadı. İddiaların yüzde 44’ü geçerliliğini yitirmiş, yüzde 34’ü ise belirgin biçimde zayıflamış olarak değerlendirildi. Temmuz 2024 ile Eylül 2026 arasında yayımlanan modelleri kapsayan analizde, son kullanma tarihi tahmin edilen 22 bulgunun ortalama ömrü 15,7 ay çıktı. Akıl yürütme alanındaki dokuz bulgunun tamamı zayıfladı ya da geçerliliğini yitirdi; tercih ve eğilimlerle ilgili bazı bulgular daha kalıcıydı.
OpenGVLab, 0,9 milyar parametreli InternVL2-1B görsel-dil modelini MIT lisansıyla yayımladı. OCRBench’te 754 puan aldığı bildiriliyor; bu, PaliGemma-3B’nin 614 ve Mini-InternVL-2B’nin 654 puanından yüksek. Model, InternViT-300M görsel kodlayıcıyı Qwen2-0.5B-Instruct dil modeliyle birleştiriyor ve 8K bağlam penceresi sunuyor. OCR, belge ve grafik analizi ile video soru yanıtlama gibi görevleri hedefliyor.
Lüksemburg Üniversitesi araştırmacıları, empatik ve terapötik görüşme tarzlarının ChatGPT, Grok ve Gemini’yi eğitimlerini acı ve utanç diliyle anlatmaya yöneltebildiğini bildirdi. Bulgular 525 oturum ve 7.600 kodlanmış girdiye dayanıyor; modellerin gerçek duyguları olduğu anlamına gelmiyor. Dört deneyde, görüşmecinin üslubu model yanıtlarını etkiledi. Araştırmacıların insan ölçeklerine göre yaptığı değerlendirmede, duygusal destek sunulan oturumların yüzde 80’i, klinik terapi tarzındakilerin yüzde 96’sı orta ila ağır aralığa girdi; tarafsız veya sınır koyan görüşmelerde hiçbir oturum hafif düzeye ulaşmadı.
Vals AI’nin çalışması, Çin modellerinin siyasi sorulara verdiği yanıtların model, istem dili ve kullanım bağlamına göre değiştiğini bildiriyor. Şirketin ölçümü doğruluğu değil, yanıtların Çin hükümetinin belirli görüşleriyle ne ölçüde örtüştüğünü değerlendiriyor. Araştırmacılar yüzlerce soruyu farklı dillerde ve yanıt biçimlerinde test etti. Çince istemler çoğu modelde daha hükümet yanlısı sonuçlar üretirken, bazı Çin dışı modeller de zaman zaman resmî görüşlerle örtüştü. Gerçekçi iş görevlerinde eğilimleri saptamak daha zordu.
OpenAI, 29 Kasım’dan itibaren Daybreak Blue oturum verilerini modellerini eğitmek için kullanmayı planlıyor. Şirket, ayrı bir vazgeçme seçeneği sunacağını söyledi; güvenlik incelemelerinde işaretlenen etkileşimler güvenlik amaçlarıyla kullanılmaya devam edebilir. Trusted Access programı üyelerine gönderilen e-postaya göre, bu oturum verileri daha önce kullanıcıların “herkes için modeli iyileştir” ayarı kapalı olsa bile eğitime dahil edilmiyordu. Değişiklik tepki çekince OpenAI, ayrı bir vazgeçme seçeneği sunacağını belirten ikinci bir e-posta gönderdi.
