— Bu haftada sizlerle beraberiz. Çok zorlu koşullarda geldim bugün; oldukça yağmurlu ve hareketli bir gündü Lizbon'da, neyse ki sizlerle beraberiz. Hoş geldin Ozan.
— Hoş bulduk abi. Nasılsın, iyi misin?
— Güzel. Gayet iyi. Yoğun bir haftaydı; yavaş yavaş ortasına geldik haftanın. Bitecek işler var, onları yavaş yavaş halletmeye çalışıyorum. AI tarafında benim için bayağı hareketli bir hafta oldu, o yüzden bol bol da konuşacağımız şeyler var. Sen neler yaptın bu hafta boyunca?
— Vallahi benim de hafta bayağı yoğundu ya. Genelde bu hafta "Text to SQL" işine yoğunlaştım ben. Güzel bir konu, ilginç bir konu. Aslında biraz daha basit olacak diye düşündüğüm bir konuydu ama database karmaşıklaştıkça epey işin içinden çıkılmaz bir hale geldi. Agentic yaklaşım pek işe yaramamaya başladı; yani yarı yolda bıraktı daha doğrusu, doğru kararlar alma konusunda. O yüzden biraz daha rule base'de çekip bir şeyler deniyorum. Orada da tabii response süresi birazcık artıyor. Yani çok böyle, bayağı advanced bir SQL komutunu yazıp çalıştırması...
Tabii bir taraftan çalıştırıyor, database'den datayı da getiriyor, tablo falan oluşturuyor. Bir 25 saniyeleri falan buluyor. Aslında baktığımda çok fazla da değil yani; hani birisi de girip kodu yazsa etse falan ama şeyde fazla oluyor, öyle bir chat deneyiminde fazla görünüyor. Enter'a basıyorsun, soruyu sorup ve bekliyorsun. O biraz...
— Tabii Lizbon'daki en büyük sorun da zaten kullanıcının sabır eşiği de giderek düşüyor ya, modeller hızlandıkça beklentisi de artıyor. Yani mutlaka ekranda bir feedback görmek istiyor. O yüzden yani çok haklısın. Hatta geçen bununla ilgili Y Combinator'un da yayınladığı güzel bir video vardı, UX of AI ile alakalı olarak. Orada da bundan bayağı bir bahsediyorlar.
— Yani şeyde mesela, N8n'de bir built-in şey var, SQL agent'ı var. Bunu bir deneyeyim dedim. Ohoo, ya 32 iterasyon falan yapıyor yani. Gidiyor bir şeyi soruyor, şemasını çekiyor, onu yapıyor. Bulamıyor, yazıyor yazıyor... Yani 1,5-2 dakika falan boyunca bir şeyler yapıyor orada SQL ile. O kadar da gerek yok ya.
— Ya bu evet, N8n'in en büyük dezavantajı değil mi ya? Hâlâ streaming bir şeyde olmamaları bayağı büyük bir sorun yani. AI ile ilgili bir entegrasyon yapıyorsun, bir şeyler yapıyorsun, full oradan bir gol yiyorsun. Bu arada bu da çok güzel video. Bana Mirza Ming göndermişti. Bayağı da bir hoşuma gitti, kafamı açtı. Hatta burada bir yerden bayrakları da asabiliyoruz. Polimet'ten de bahsediyorlar. Bir polimetre olsun diyorlar falan burada.
— Aa evet evet, gördüm. Şey, LinkedIn'de paylaşımından gördüm ya.
— Aynen, aynen. İzledim ben. Sonra izledim ben. Kimin ilk işi Polimet'te? Çok güzel işler yapıyorlar. Ondan da biraz burada bahsediyor. Vallahi UX of AI gerçekten kritik konu. Birazcık şey açısından seni zorlamış ama istediğin çıktıları alabiliyorsan sonuç olarak 25-30 saniye.
— Eee oluyor, oluyor. Birkaç tane test de yaptım. Çok popüler textosql.ai var, biliyorsundur. Böyle ilk bu işi yapanlardan. Bayağı da kullanılıyor.
— Bu da Türk bu arada.
— Textosql Türk mü?
— Hı hı, Mustafa.
— Gerçekten mi?
— Aynen aynen. Bizim event'e gelmişti hatta.
— Aa süper. Ya buradan iyi şu an benim çıktılar ama tabii ki çok database özelinde, benim database özelinde yani buradaki. Bunu test amaçlı kullandım aslında. Hani bu arada buranın altyapısı da çok güzel. Çünkü bütün database şemasını falan çekiyor. Çoğu yer bu kadar detaylı olarak çekmiyor. Burada da yine bütün database şemasını çekiyor falan ama şeyleri doğru düzgün tanımıyor tabii ki. Oradaki veri tiplerindeki yanlışlıklar, büyük yazımlar, küçük yazımlar... Yani hep assumption'lar hep doğru ama assumption'ı bir filtreye, WER filtresine çevirdiğinde, atıyorum büyük yerine normal yazması gerektiği gibi yazıyor.
— Biraz AI'ın da kafasını yakmış olabilirsin yani.
— Şey bir şey yaptım zaten ben ya. Level level böldüm aslında yaklaşımı. Önce tabloları küçülttüm, şemalarını. Yani essential olan şemalar ilk level'da giriyor. Orada eğer aradığı data yoksa ancak büyük şemalara tekrar bakmaya başlıyor. Çünkü soruların çok büyük bir bölümü zaten aslında... Ya bir tanesinde 70 tane sütun var bu arada. Yani az buz değil. Ama muhtemelen 10 tanesi falan kullanılıyor sorguların %90'ında. O yüzden orada biraz daha küçülttüm. Küçülttükçe daha kolay açıklayabilir duruma getirdim. O zaman çok iyi çalışmaya başladı hakikaten de.
— Süper, çok iyi. Ben de bu hafta daha çok şeye odaklandım. Bu sana geçen hafta bahsettiğim benchmark işi bayağı bir benim odağımdaydı. Yani model sayısı arttıkça, artık sanki şöyle bir şeyden bahsediyoruz: Yani kimin hangi modele hangi senaryoda gideceğini falan belirleyebilmek iyice zorlaştı. Ben de bununla alakalı zaten ta geçen haftadan bahsettiğim bir benchmark projesi üzerine çalışıyordum. Bununla ilgili bir rapor da yazacağım hatta Zeo için. Seninle de konuştuk yani Zeo'da yapmak istediğimiz böyle Türkiye spesifik, Türkçe spesifik benchmark'lar, sektör spesifik benchmark'lar falan var.
Hem onun için de bizim için güzel bir girdi olsun diye. İşte burada da bir deep research'ü bayağı aktif kullanmıştım. Hem bir şeyle kombine etme şansım oldu. İşte deep research'ün, OpenAI'ın, Grok'un ve Perplexity'nin, Jina'nın hepsini kullandım yani. OpenAI bayağı clear winner bence o tarafta. Hiç oraya kimse herhalde bir şey diyemez. Şaşırtıcı olabilir. Hazır deep research'ten de konuya yavaştan girelim. Yani benim yaptığım çıktı da genel olarak şey üzerine: Her task tipinde hangi LLM daha başarılı. İşte ThinkPad'de bunları birazcık aktif routing için kullanmaya çalışıyoruz. İşte Flash'i hangi senaryolarda kullanmak lazım, Haiku'nun ne çıktığı, neler var falan. Bunlarla alakalı böyle biraz kontekst biriktirdim aslında. Bunlar üzerinden bir AI yapıyorum.
Bakalım finalize edince artık ThinkPad'e bir soru soracaksın. Sadece ki Ozan bu soru biyolojiyle ilgili. Ben işte AIMA 2024 benchmark'larına göre sana Gemini 2 Pro öneriyorum falan. Çünkü şurada şu kadar iyi rank etmiş gibi böyle net bir şey, neden de versin istiyorum. Onun üzerine birazcık çalıştım. Biraz da elimi boşaltınca şu deep research işine birazcık girişmek istiyorum. Güzel bir haber olarak bu hafta Jina kendi deep research implementasyonunu open source'ladı. Bu da çok güzel bir gelişme. Jina'yı bilmeyenler için, yani bağımsız bir şirket. Çok güçlü API'lar çıkarıyorlar farklı farklı konularda. Hani şu anda sektörde en çok tanındıkları API sanırım bu Reader API'ydı. Herhangi bir URL verdiğinde sana Markdown formatında onu veriyor. Bir de çok geniş rate limitlerle falan veriyorlar bu API'yı.
Buradan tanınır oldular. Sonra da farklı farklı alanlara giriş yaptılar. Ben bayağı şey yapıyorum. İşte bu tarz böyle soruları yani çok da geniş bir şekilde düşünce akışını stream ederek falan yapıyor. Biraz Grok'un stiline benziyor. Bunun da çıktılarını bayağı bir beğendim. Biraz şeye bakıyorum işte, bu deep research'ün nasıl çalıştığına bakıyorum. Bende de genel olarak gelişmeler böyleydi. Biraz benchmark'lar, biraz şeyler. Gene ThinkPad için birkaç business kararı vermem gerekiyordu. Mesela rakiplerin pricing'lerini tek tek araştırttım. Onların her birini birer deep research dokümanı haline getirdim. Sonra bunları bir araya getirip Gemini'da, özellikle Flash Thinking'de, 2 numaralı, çok güzel dokümanlar çıkarabiliyorsunuz. Hani böyle elinizde 100.000 token edecek, böyle 10.000'er tokenlık 10 doküman var diyelim.
Bence kesinlikle Gemini 2 Thinking en iyi nokta. Hem attention'ı çok iyi. Yani metnin her noktasına geri dönüp tekrar bakıp oralardan bir şeyler çıkarabiliyor size. Hem de genel anlamda çıktı sayısı da uzun. Yani 20.000-30.000 kelimelik çıktılar verebiliyor. Ya ben OpenAI'ın reasoning modellerini bu arada hiç beğenmiyorum yani. Hiçbirini hiç beğenmiyorum. Bayağı kötü yani. Şu an Google...
— Deep research'ü de çok beğenemedim ben bu arada.
— Deep research'ü beğenmedim. Deep research bence iyiydi ya. Yani.
— Çok çok şey.
— Diğer sektörlere göre iyi yapıyor.
— Ama gerçekten sanki bir sürü kaynak... Perplexity çok daha kısasını yapıyor. Yani yanına bile yaklaşamaz uzunluk olarak ama. Kullandığı kaynaklara bakıyorum. Yani her seferinde Perplexity daha iyi kaynak seçmiş şeye göre. Aynı soruyu atıyorum bu arada. Birebir aynı soruyu atıyorum. Şimdi Grok'la da denemeye başladım. Mesela Grok da bayağı bayağı bayağı iyi görünüyor.
— Grok'unki çok iyi bak. Ben dün mesela bir tane iş yaptırdım. Farklı farklı LLM'lerin input-output token price'larını bulmasını istedim mesela. Gerçekten çok iyi sonuçlar aldım. Hani direkt tekte gitti, doğru yerlere baktı. Mesela her LLM provider'ın şeylerine gitti, spesifik olarak karşılıklarına gitti. İşte birkaç şey soruyordum ben burada da. LLM'lerin input-output tokenlarını, fiyatlarını yani bulsun getirsin ben uğraşmayayım diye vermiştim. Şey hoşuma gitti. Özellikle referans listeleri burada. Hani zaten deep research'in en önemli konu da biraz da referansı doğru seçmesi ya.
— Evet abi, referans ve kaynak yani zaten. Yoksa onu seçip okuduktan sonra hepsi yazıyor ki. Yani doğru araştırmayı yapıp doğru kaynağı seçmesi bence en önemli şey o deep research'te.
— Aynen öyle. Yani çok başarılı Grok da bu konuda. Ama ben OpenAI'ın deep research'ünü alın okuyun diye demiyorum. OpenAI'ın deep research'ünü alın, başka bir AI ile bir şeyler daha yapın. Onu yalınlaştırın, bir şeyler yapın falan. O anlamda benim açıkçası.
— Çünkü en detaylı da şey benim gördüğüm kadarıyla O1 Pro yazıyor yani.
— Ya ben onu anlamadım biliyor musun? Sanırım deep research'te sen model seçimine bakmıyor o senin. Yani deep research kendi modelini kendi seçiyor. Çünkü GPT-4.5'la da deep research yaptırabiliyorsun mesela.
— Bence seçiyorsundur ya.
— Ben emin olamadım. Sanki deep research bilen varsa chat'e yazsın. Deep research model independent diye biliyorum ben.
— Olabilir, olabilir.
— Bir bakmak lazım. Deep research hakkında bir OpenAI yakınlarda da bir paper yayınlamıştı diye hatırlıyorum. Aynen. Bir incelemek lazım. Benim bildiğim kadarıyla bir O3 mini fix olarak üzerine gidiyorlar. Ben de çünkü çok arada kaldım. Dönem dönem böyle ikisini farklı falan seçtim. Ama son şeyim, fikrim bu olmuştu. Gene de bir bakmak lazım. Hazır model çeşitliliğinden bahsetmişken, Zeo'nun hesabından 4.5 kullanıyor musun hiç? ThinkPad'de yok. Ben arada girip bir bakıyorum.
— Ya biraz denedim evet.
— Hoşuma gitti.
— Son hafta ben şeyi çok kullandım ya. 3.7'den ben memnun kaldım bu arada. 3.7 ile konuşması zevkli. Yani bayağı diyalog kurabilir duruma gelmiş. En azından cevapları falan daha böyle insansı. Bu database projesinde database'leri eritirken, şema çıkartırken hem O3 mini high ile çalıştım hem de 3.7 ile çalıştım sonra. Yani yine biraz Claude'yi daha önde buldum açıkçası. İstediklerimi tek seferde yapma konusunda bence biraz daha önde. Kod tarafı da epey gelişmiş bence 3.7 ile. Yani neredeyse hatasız kod yazıyor şu an advanced task'larda da.
— Ben de biraz kullandım. Cursor'da geçen bir proje yaptım. Hani böyle çok böyle büyük bir sıçrama o hissettirmedi açıkçası 3.7. Benim kendi vibe coding workflow'umda. Ama bu aralar çok kod yazmıyorum. Belki benimle alakalıdır. Bir de şu Claude Code'un şeyi çıkmış. Yani onun agentic yapısı çok beğeniliyor bu aralar.
— Evet. Sonra da bir iki YouTube videosunda koymaya başlamışlar MCP ile falan beraber.
— Aynen. Bir de biri şey yapmış. Claude Code'un prompt'unu çıkarmış. Ben mesela bu konuda da herkese tavsiye ederim. Bu LLM creator'ların, LLM yapıcı şirketlerin yazdığı prompt'ları ben ekstra bir dikkatli okuyup analiz etmeye çalışıyorum. Çünkü hani en iyi researcher'lar, yani en iyi prompt engineering'i ben biraz AI researcher'lardan beklerim diye düşünüyorum. Çünkü AI'ın düşünme internal'larını, kendi modellerini en iyi tanıyan insanlar. Bu da Claude Code'un sistem prompt'uymuş. Gene birileri sanırım bunu ya extract etti ya da şeyden aldılar. Source code'dan aldılar. Birileri de gidip source map'leri açıkmış bu Claude Code'un.
Bu aslında bir CLI ürünü ama herhalde bunun da bir source map'i oluyormuş. Kaynak kodunu şey yapmış, open source'lamış. Bu da bir ekstra hoşuma gitti. Buna da bir bakılır. Yani buradaki prompt'lara falan bakılır. Yani eminim Cursor'da çalışan, Windsurf'te çalışan mühendisler bayağı bir üstüne düşmüşlerdir diye düşünüyorum. Bunu da meraklılara, hani prompting konusunda kendini geliştirmek isteyen arkadaşlara tavsiye ederim. Ben de şeyden paylaşayım linki. Buradaki chat'ten. Sen yeni modellerden bahsettin Ozan bu hafta çıkan. Senin özel olarak.
— İki tane model var. Bir tanesi bu Selen kardeşimiz. Ben bilmiyordum bu arada. Bu şirketin adıyla nasıl okunuyor bilmiyorum. Zaten mini bir modeli varmış LLM'e zecacıda. Yani şey değil bu arada bir büyük bir frontier model, SOTA model olarak çıkmıyor da. Sadece LLM'e zecacı olarak bir model çıkartıyorlar. Son çıkarttıkları yani O3 mini'nin falan da önündeymiş. Yani bütün en iyi modellerin önünde şu an LLM'e zecacı olarak. Bu Selen One olan büyük olan modeli. Küçük olanı da biraz daha score bazlı task'lar için öneriyorlar.
Bak birazcık aşağıda hemen örneği var aslında. Biraz yukarı çıkarsan. Çok az yukarı. Bak burada bir medikal bir şeyle alakalı olarak mesela nasıl bir sistem yapıyor ediyor. Onu gösteriyor çok basitçe. Bir bunu kullanmak istiyorum. Çünkü çok advanced task'larda hem self consistency'e böyle birazcık gidebilmek için. Ama self consistency'de de çok advanced olduğu için hiçbiri birbirinin aynısı olmuyor. Oraya çok iyi bir işte LLM'e zecacı gerekiyor. Bu gelenlerden hangi ikisi en şey ya da bu üç arasında hangisi gerçekten de en iyisi diye. Yine bu SQL benzeri bir projede kullanmayı düşünüyorum.
Bir deneyeceğim bakalım. Onun sonuçları ne olacak. Hem farklı modellerin cevaplarını deneyeceğim. Hem de farklı yaklaşımların cevaplarını. Bir taraftan da bileceğim yani ben zaten hangisi daha iyi. Çünkü denemiş olacağım. Bu LLM'e zecacı'nın sonuçlarına bir bakmak istiyorum.
— Çok iyi. Ben LLM'e zecacı yani bunlar genellikle benchmark'larda kullanılıyor. Bu arada aralarda ben çok teknik gidersem sen beni basitleştir. Ben çok teknik gidersem sen beni. Aynı tam tersi. Yani bu tarz LLM'e zecacı dediğimiz konsept aslında işte bu benchmark'larda ya da kendi evaluation'larınızda. İşte mesela bir prompt yazdınız. Mesela 3 tane prompt yazdınız bir task için. Sonra gittiniz buna 100 tane data generate ettiniz. Ve bu datalarla bu prompt'ları deniyorsunuz. Mesela işte bir metnin detaylarını kaybetmeden özetleme yapan 3 tane prompt'unuz var. Bunun başına bir tane LLM'e zecacı koyuyorsunuz. Yani bu aslında şunu yapıyor. Bu prompt'un çıktılarına bakıyor. Gerçekten bu çıktılar yukarıdaki belirtilen sistem prompt'undaki instruction'ları yani görevleri tam olarak karşılıyor mu? Gerçekten bu görevleri gerçekleştiriyor mu?
Bunlar üzerinden skorlama yapıyor. Yani bir tane bütün LLM'leri belki değerlendiriyorsunuz. Belki prompt'larınızı değerlendiriyorsunuz. Ama bir tane LLM başına koyuyorsunuz. O diyor ki olmuş olmamış. Olmuş olmamış. Bu da LLM'e zecacı oluyor. Bunlar da sırf buna özel model train etmişler. İlginç gerçekten. Bir base bir model yok galiba. Bir şeyin fine tune'u falan da değil anladığım kadarıyla.
— Ben de öyle anladım. Yani bir şey bulamadım.
— Evet evet değilmiş. İlginç. Vallahi sevindirici ya. Böyle dikey modeller gelsin artık. Yani herkesin foundational modellerini hani yarıştırdığı benchmark'lar da yetmiyor. Böyle dikey modellerin olmasını ben de çok istiyorum. Bu medikalde bu model olsun. Şurada şu model olsun gibi. E tabii bizim de ekmeğimize yağ sürülüyor. Multi LLM yapan şirketler olarak dört gözle bekliyorum. Güzelmiş gerçekten. Atlayarak daha yakından bakmak.
— Şeyi de o yüzden çok aslında. Hani DeepSeek muhabbeti o yüzden önemliydi ya zaten. Eğer böyle ise tamam işte dikeyleri. Çünkü yoksa nasıl eğiteceksin ki? Deli gibi ödenek bulman lazım. Funding alacaksın da yapacağın. Harvey'i görüyoruz işte. Harvey LLM'i. O legal tech'de herhalde kullanan var ama hala çok açık bir şey değil benim bildiğim kadarıyla.
— Evet bunlar herhalde en lider bunlar değil mi? Dikey spesifik işler.
— Yani öyle alayım da kullanayım yapabileceğin şeyler değil yani. Kim bilir nasıl bir şeyi vardır bunun. Ama yok bayağı başlamış artık. Tamam yani. Artık bir product haline gelmiş bu. Ben en son baktığımda geçti bayağı üzerinden. Hala daha geliştiriliyordu falan filan.
— Ama gene en sevmediğim kafa yani. Kontaktas'ın arkasına şu ürünlerinizi.
— Abi pahalı demek ki bir de bu çok yani.
— Ama deneyim.
— İnsana gelmesin şeyini ilk bakışta veriyor zaten. Çok iddialı. Yani çok da iyi yatırım almışlardı bunlar. O yüzden şey sağlam bir iş çıkaracaklarına göre.
— Evet evet uzun süredir yani. OpenAI'ın ta en başından beri GPT-3.5'dan beri falan partneri zaten. Hatta bütün frontier modeller ilk önce bu tarz şirketlere açılıyor zaten. Yani değerlendirmesini de etiketlenmesinde falan da rol oynuyorlar. O yüzden de. Çok başarılı. Aynen. Startup fund'dan girmiş. 2022'den beri yani iyi bir ürün çıkarmışlardır. Vallahi keşke bizim ülkemizden de böyle güzel AI ürünleri çıksa değil mi? Türkçe diline bu şirketlerin girmesi falan çok zaman alıyor. Bir iki benim bir arkadaşım abim yapıyor. Buna benzer bir şey. Daha public yayınlamadığı için şimdi adını vermeyeyim. Onu birazcık kurcalamıştım. Emsal kararları üzerinden falan güzel şeyler yapıyordu.
— Çok güzel kafa. Çünkü Türkiye'de o sektör inanılmaz kötü bir sektör. Yani o kadar teknolojiyle alakalı olup ve bu kadar önemli de olup bir taraftan iş görme açısından yani. Yoksa yapamazsın zaten yani doğru düzgün gerçekten de bu hukuk işini. İnanılmaz bir dokümantasyon var. Ama bu kadar kötü teknolojiden uzak olan bir yer de olamaz. Ara yüzler falan. Bir avukat bir arkadaşla konuşmuştuk da biz bunu. Yani inanamazsınız. Nasıl bir şeyle biz onları yazıyoruz ediyoruz. Çok kötü. Gözünüz kanar falan diyordum.
— Ya bu arada şu an yani avukatlık hani şimdi bir şey söyleyeyim de linçleneyim popülaritemiz artsın. Şu an bu modellerle birlikte hani avukatlık yapmak da hani herkes için oldukça kolay. Yani herkes kendi davası için sağlam bir avukatlık yapabilir. İyi bir AI kullanıcısıysa.
— Ya şey gibi bu bir taraftan da. Atıyorum yani ön muhasebe çok kolaylaştı ya işte paraşüt gibi falan şeylerle. Şimdi evet dilekçe yazma olayı. Bir ihtar çekme falan filan gibi şeyler. Zaten çok zor değildi. İnternette öyle ya da böyle vardı ama şimdi bayağı sürekli yurt dışında bile görüyoruz işte. Bilmem neyle ChatGPT ile yazdığıyla park cezasını iptal ettirdi falan filan tarzı şeyler. Çok fazla var yani artık.
— Evet ya bu tarz olaylar cidden çok sık görüyorum. Bu arada hukuk chat'te bayağı bir toparlamışlar ha. Bu benim bahsettiğim ürün değildi. Başka biri yapmış bunu. Ama sevindirici yani. Ben şöyle yorumlar okuyorum genellikle ben internette. Şu an hani text'in en çok para ettiği iki alan. Bir hukuk iki kod ya hani şey olarak. LLM'lerin çıktılarının en çok fayda sağlayabileceği. O yüzden ilginç ve güzel bir alan diyelim. Son olarak da bir senin söyleyeceğin ikinci model vardı. Buna ben bakmadım. Cohere'in yeni AI'ı olduğuna göre open source'tur diye düşünüyorum.
— Aynen ve şey bu. Visual. Direkt vision pardon vision language model.
— Çok güzel.
— Bu da LLM şeylerde benchmark'larda en üste çıkmış. Özellikle en büyük modeli. Küçük modeli de yani kendisinden çok büyük olanlara göre çok iyi performans sergiliyor. O yüzden eğer vision'la alakalı ki bununla alakalı da yakında ben başka bir arkadaşımla bir proje yapacağım. Orada çok yüksek sayıda datayı label'layacağız aslında. Caption'layacağız. Şey için. Eğitim için. Training için Flux'ta. Orada kullanacağız. Vision API kullanmayı planlıyorduk. Büyük ihtimal bunu deneyeceğiz yani.
— Güzel vallahi. İlginç bir alan. Mesela çok böyle yani spesifik. Artık biraz şey ya trend. Tekil modelde bütün güçlerin toplanması. Multi model dediğimiz olay. Hani böyle hala spesifik vision modelleri. Ben hani bu trend geride kalır diye düşünmüştüm. Çünkü bir GPT-4 vision preview'u vardı. Sonra artık 4.0 ile birlikte hemen birleştirdiler ya modelleri. Ama mesela Cohere'in bu arada özellikle öne çıkan tarafı multilingual şeyde intelligence'da birazcık daha iyi. Bizim gibi ülkeleri de o yüzden doğrudan ilgilendiriyor. Mesela burada ne yapmış? İşte bu modeli yani ne tarz işler yapabiliyor bu model? İşte bir chart veriyorsun. Kardeşim burada kim kazandı diyorsun. O hemen sana gidip bir zeka getirebiliyor. Ya da işte burada Çince bir yazı veriyorsun. O da sana diyor ki bu bir işte ürünün ambalajıdır tarzı bilgiler verebiliyor.
Güzel yani. Spesifik use case'lerde. Hani ne bileyim işte ne yapılabilir bunlarla? İşte bir şey uygulaması gibi. Bozuk para değerli mi evde buldum? Ya da işte bitkimin nesi var falan tarzı use case'lerde aslında. Image artı text olan. Ama böyle çok da uzun chat'e uzamayan işlerde çok aktif kullanılıyor. Teşekkürler. Ben bunu kaçırmıştım. Belki bir yerlerde işimize yarar. Yakında çünkü inference şirketleri de dahil eder gibi geliyor bunu. Birden fazla model olayı çok yaygınlaştı bu sıralar. Ben de biraz şeyden bahsetmek istiyorum. Farklı hani herkesin farklı çalışma biçimleri var.
Hani benim buradan bildiğim hani yakın çalıştığım işte bir sen varsın. Bir Serkan var. Biraz Can var. Hani böyle çok aktif AI kovalayan. Herkesin kendine özgü bir çalışma biçimi oluyor. İşin kötüsü de kimse bunu paylaşmıyor. Çünkü çok fazla bilgi var ya hani orada. Gideceksin işte Cursor'da şunu yaptım. N8n'de bunu yaptım. Kimse de bunları çok konuşmuyor. Yani yurt dışında çok video var bunun hakkında. Ben o yüzden arada yakalayınca hoşuma gidiyor. Bu perspektif kazandırmak açısından bence güzel gelebilir. Mesela Elvis burada demiş ki brainstorming ve planlamada GPT-4.5 tercih ediyorum demiş. Nedeni de aslında çok yüksek parametreli yani. Trilyon seviyelerinde parametresi olan bir model olduğunu söyleyebiliriz şeyin. GPT-4.5'un. Sanırım bununla ilgili açıklanmış bir şey yok.
Bilen varsa da chat'e yazabilir. Bu tip büyük modeller hani metni daha derinlemesine anlayabilme konusunda bu billion sayısı arttıkça derinlik de biraz artıyor gibi düşünebiliriz. Çok yüzeysel oldu ama. Bu tarz böyle brainstorming ve planning işlerinde 4.5 kullandığından bahsetmiş. Ben yani birazcık şeyde Zeo'nun pro hesabında kullandım. Büyük kontekstlerde de bu arada cazuz yapmadı. Ben kızar diye düşünüyordum hani. O 20.000-30.000 token'lık bir şey getirdiğimde. Şeyde çok iyi insight'lar aldım mesela. ThinkBuddy'nin bütün rakiplerinin fiyatlamasıyla ilgili oluşturduğum deep research dokümanlarını Gemini'da ben bayağı bir kısaltıp nested list haline getirmiştim.
İç içe listeler haline getirmiştim. O listeleri alıp yorumlayıp ya bak senin şirketinin fiyatlamada şuraya gitmesi lazım. Buraya gitmesi lazım tarzı bilgiler. Mesela o benim POE için yaptığım bir analiz. Ben genellikle bu arada çok nested list olayını çok kullanıyorum. Bence bir LLM'e bilgi vermenin de en temiz yollarından birisi bu. Bu tarz şeyleri de şöyle yapmaya çalışıyorum aslında. Kocaman böyle dağınık bir deep research çıktısı vardı burada. POE'nin nasıl fiyatlama yaptığına dair. Önce bu büyük çıktıyı alıyorum. Sonra gidip bunu GPT-4.5'ta mesela sadeleştiriyorum. Çünkü onun stilini kopyalamak ve çalmak istiyorum. İki tane böyle alıp bunları sadeleştiriyorum. 4.5'tan aldıklarımı. Sonra AI Studio'ya gidiyorum. Ya da ThinkBuddy'ye gidiyorum. Gemini 2 Pro'ya yaptırıyorum.
Ama Gemini 2 Pro'nun yanıtlarını 4.5'ınkiyle değiştiriyorum. Yani böylece ne oluyor? LLM'ler next token prediction mantığıyla ilerlediği için yukarıdaki örneklere daha benzer şeyler oluyor. Yani aslında kaliteli örnekleri 4.5'a generate ettiriyor. Mesela bu dokümanın ilk halini mesela hani görmek istemezsiniz. Çok çirkin ve böyle kolay anlaşılamaz bir dokümandı. Ve bir dokümanı siz kolay anlayamıyorsanız hani onu LLM'in de çok süper anlayacağını düşünemezsiniz. Bunu mesela 4.5'la biraz buna çevirdim. Ki diğer bunun gibi 35 tane şirketin daha analizini yapıyorum. Hepsini bir araya getirdiğimde çok daha nitelikli bir çıktı almak istiyorum. Yani 40 tane, 30 tane bunun gibi alt alta doküman versem yani LLM'in yamulması olası bence. Benzer structure'lar olması da güzel.
Yani paid subscription tiers diye bütün rakiplerden.
— Bayağı önemli bir şey bence bu.
— Aynı şekilde bahsedince kesinlikle compare edebilmesi çok artıyor. Yani bunu biraz böyle prompt engineering'de context optimization gibi düşünebilirsiniz. Hani AI'a nasıl gelirseniz o kadar iyi olur. Yani gördüğünüz gibi AI'dan istediğimiz çıktıyı almak için her türlü taklaya atıyoruz arkadaşlar.
— Ya burada sadece şey beni bazen üzüyor Yiğit. O kadar structure yaklaşıyoruz ki bazen. Bütün yaratıcılığını öldürdüğümü hissediyorum zaman zaman. Bir bakıyorum gerçekten o papağan durumuna geliyor. Çok iyi bir model bile kullansam. Ve sürekli böyle chat'te yukarı yukarı yukarı doğru gidip oradaki prompt'umu artık değiştirerek o şeyi kurup yeni bir forklamış oluyorum yani chat'i. O şekilde farklı bir yaklaşımla bir de bakma ihtiyacını doğuruyor bir noktadan sonra. Yani zaten büyük chat'leri o yüzden sevmiyorum ben. Belli bir noktadan sonra yeni bir chat açıp yeni bir şeye başlamak daha benim için daha iyi bir yöntem gibi geliyor.
— Yani çok haklısın. Ben sadece burada yani şunu söyleyebilirim. Bu arada benim bu hafta yaptığım çok ilginç ve eğlenceli bir iş daha var. Onu da size göstermek istiyorum. Şimdi ben Amerika'ya taşınıyorum arkadaşlar yakın zamanda. San Francisco'ya. O yüzden deli gibi İngilizce çalışmam gerekiyor. Yani İngilizcemi çok iyi hale getirmem gerekiyor. Bize dedik ki eşimle beraber dizi izlerken İngilizce öğrenmek istiyorum. İngilizce altyazılı olarak diziyi izliyorum. O tabii ki İngilizcemi geliştiriyor bir yandan ama ben istiyorum ki idiomları yakalayabileyim. Yani İngilizce yani sen Ozan 4 yıldır Londra'da yaşıyorsun. Muhtemelen senin de bilmediğin dünya kadar hala idiom vardır diye düşünüyorum yani. Bayağı zor bir konu. Ben bunlarla ilgili kendime böyle anki kartları oluşturtuyorum AI'la. Mesela bak Dandy diye bir mesela bu benim izleyeceğim diziyle ilgili yaptığım bir şeydi.
Mesela bu rare usage bir şeymiş. Hani Yiğit bunu öğrenmezsen de çok da dünyanın sonu değil. Bu kartı hazırlatıyorum SRT'den. Yani benim için advanced İngilizce kelimelerini çıkarıyor. Şimdi ben mesela bunu bilmiyorum tamam mı? Hatırlayamadım da bu arada. Dandy eski tarz arkaik bir kelime olup fazla süslü gösterişli erkek veya mecazen narin anlamındaymış. Bunun daha iyi bir çevirisi var ama AI yapmamış bunu. Bunu again hard, good, easy diye böyle anki kartlarını şey yapabiliyorsunuz. Bunu tıp öğrencileri falan da çok kullanıyor. Yani bir şeyi ezberlemek için anki kart çok sık kullanılan bir olay. Böyle sürekli şey yapıyorum işte bununla. Pratik yapıyorum belirli kelimeleri. Ve diziyi izlemeden önce bunların flash kartlarını bitiriyorum. Sonra dizinin içinde de bunun kullanımını dizinin kontekstinde görünce daha iyi öğrenebiliyorsun gibi bir olay oluyor.
O yüzden eğlenceli. Evet evet. Sonra geçen oturdum bunu gece. Bolt'ta dedim lan bunun ürününü yapsam ne kadar vaktim var. Gerçekten 13-14 dakikada da ürüne dönüştü. Dedim bunu tweetleyeyim mi? Ya dedim sonra boş ver Yiğit kim uğraşacak. Çünkü kimsenin çok da ilgisini çekecek bir şey olmayabilir.
— Yok güzel bence. Ben de kullanırım yani. Tweetlersen GitHub'a falan atarsan direkt şey yaparım. Ya da yani.
— Kullanman önemli değil Ozan. 5 dolar öder misin? Önemli olan o değil.
— 5 dolarsa veririm. 2 ay veririm.
— Ya 10 tane SRT'yi 5 dolara verelim sana. Baktın çok izliyorsun. Top up yaparsın üstüne. O şekilde bir şey olabilir.
— Abi işin içine bir de İngilizce öğrenirken para girdiğinde o kadar farklı denklemler giriyor ki şeye. İşte bir open English'inden bilmem nesine onu yapacağıma bunu alırım. Bunu şey yapacağıma şöyle yaparım falan filan gibi bir durum geliyor ama. Yani şu an hani konuşma olarak da zaten çok güzel programlar yazabiliriz kendi kendimize yani. Hiç şey bile yapmadan. Normal app'lere bile girmeden ama birazcık emek vermek lazım ona da.
— Ya evet işte böyle bir şey de var yani. AI öyle bir noktaya geldi ki sen artık kendi İngilizce öğrenme biçimini kendin tercih edip kendine böyle bir tool yapıp bunun üzerinden gidebiliyorsun. Bu da güzel bir detay diyelim. Devam. Başka neler var şöyle gündemimizde? Cloudy Code'un open source olduğundan bahsetmiştim. Bu haftanın böyle ilginç haberlerinden birisi olarak bunu belki değerlendirebiliriz. Bunun bir code'una bakacağım. Nasıl bir agent kurduklarını çok merak ediyorum. Belki onu birazcık üzerine gelir konuşuruz. Onun dışında da başka bir tweetim var mıydı diye bakıyorum. Sam Altman'ın.
— Sam Altman'ın yine deli deli tweet serisi vardı. Aynen. Burada da işte bilinç üzerine konuşuyor AI'la da. Ve işte bilincin kaçınılmaz olduğu falan gibi. Böyle ürkütücü şeyler söyletmeye de bayılıyor Sam Altman.
— Ya evet birazcık şey oldu yani. Hobi gibi buraya böyle böyle şeyler yazıp atıyor. İyice delirdi gibi bir şey oldu yani gerçekten de. Evet yani 4.5'un şeyini göstermeye çalışıyor çünkü bu hani vibe olayını çok övüyor ya herkes şu an.
— Ya bir şey söyleyeceğim. 4 demeyecek mi bunların hiçbirini yani? Ya da başka bir model bunu 4.5 olduğu için bu şekilde konuşmuyor bence bizimle. Bana öyle gelmedi.
— Yani bazı noktalarda fark ediyorsun bu arada o şeyi. Hani insanilik gerçekten o vibe geliyor ki ben hani sertifikalı bir GPT-4.5 düşmanı olarak hani küfür ediyorum bu modelin bu kadar pahalı olmasından. Amma velakin yani biraz Sam Altman'da burada şey buluyorum. Sorumsuz buluyorum. Hani insanları rahatlatması gerekirken AI'ın gidişatı konusunda aksine daha da çok germesi. Çok şey bir kafa. İlginç bir kafa. Bunu da böyle bu hafta kesin taşlarım diyerek listemize eklemişim. Son tur böyle bir bookmark'larıma bakacağım. Bu hafta şey önümüzdeki hafta belki şeye bakabiliriz Ozan. Bu Google'ın yeni bir tane data science agent'ı varmış. Şeyi kullanan oldu mu bilmiyorum. Julius AI'ı.
— 4.5'i kullanmaya çalıştım.
— Öyle mi?
— Bu arada hemen araya gireyim. Bir tane çok basit bir task verdim. OpenAI, Julius ve Cloudy 3.7'ye verdim. Bir tane Excel dosyası. Orada bir ne kadar yaklaşık işte 8-9 sütun ve 50 satır gibi bir şey. Oradan bir rapor çıkartmasını istedim. Yine Cloudy bayağı ön planda iş çıkardı. Yani React component falan da yaptı orada. Artifact falan hemen oluşturdu şeylerden. Grafiklerden falan. Orada da öyle bir yine Cloudy'yi öveyim. Ben de Cloudy fanı gibi oluyorum hep ama. İyi ne yapalım.
— Ben de tam Cloudy antisi olarak. Ya bu tarz şirketlerin de işte maalesef üzücü olan kısım hani sektör açısından yani Google'ın bu alana girmesi, Gemini'yi özgürce kullanması, işte üzerine custom modeller fine-tune etmesi falan işi birazcık daha zorlayacak gibi görülüyor. Can sıkıcı bir mesele küçük şirketler açısından. Gene bir tane open source bir Perplexity killer çıkmış hemen. Ama yani bunların hepsi de bir SERP API arkasına dayıyor yani. Perplexity yapmak o kadar da kolay bir şey değil. Bence Perplexity de biraz sırtını o tarz bir yere dayıyor da.
Onu da zamanla öğreniriz herhalde. Kendi indekslerimizi.
— Bir şey daha gördüm ben ya. Biraz daha görselleştirme üzerineydi. Dur bakayım bulabilirsem atarım sana birazdan.
— Tamam süper. Ben biraz önümüzdeki hafta dediğin gibi bu deep research implementasyonuna bakacağım. Onun üzerinden belki bir şeyler yaparım. Onun dışında bu MCP konusunu konuşuruz dedik ama haftaya konuşsak sanki biraz daha güzel olur gibi. Ben MCP client'ları ve agent'ları üzerine bu aralar biraz fazla çalışıyorum. O yüzden hani buradan bir şeyler çıkarabiliriz belki. Use case'ler üzerine konuşabileceğimiz. Bence de gündem bu kadardı ya bu hafta.
— Okey. Bende de böyle. MCP'yi biraz daha haftaya dediğin gibi detaylandıralım. Çünkü orada yani aslında basit bir şey gibi görünüyor. Yani zaten hani tool calling dediğimiz şeyin aynısı gibi ama hani neleri değiştirebilir? Niye bu kadar önem veriliyor şu an? Birazcık ondan bahsederiz.
— Ya sektörün de dönem dönem işte belirli.
— Hype'ları da oluyor evet yani.
— O da oluyor yani.
— Ya OpenAI'da kullanamıyorsun mesela ona bakarsan. Şimdi MCP şeyde yok. Yani OpenAI desteklemiyor onu.
— Yani evet aslında çok şey değil. Efektif değil. Peter Levels'ın da bu hafta çok ilginç işleri vardı. Cloudy ile yaptı.
— Bu bana şey dünyayı sorgulatan işlerden biri bu da.
— Gerçekten öyle.
— Yani şey network is everything. Tabii ki network oluşana kadar yaptığı bir sürü güzel iş, başarılı iş var falan da.
— Ya öyle. Peter Levels'a saygımız sonsuz ama hakikaten şeydi de yani. Anlamsız da bir işti.
— Çok da onunla alakası yok zaten. Şeyin geldiği noktayla alakalı. Yani community'nin de geldiği noktayla alakalı. Ya da işte yani hala attention her şey. Yani insanları bir yerde toplayabilmek. Geçen de yine biri sormuş ya ChatGPT'ye. İşte zeki çalışkan olmak yeterli mi falan filan gibi. Bir şeyler dolaşıyordu. Instagram'da bile şeyini gördüm. Postunu gördüm. Bir ChatGPT ekranının fotoğrafı çekilmiş şekilde. İşte hayır yeterli değil. Önemli olan kimi tanıdığın tarzında bir cevap falan öyle bir şeyler vermiş. Yani evet doğru bir taraftan da. Yani burada da onu görebiliyoruz.
— Yani yazarlığı da çok önemli. Ben de dün bir yayıncının yayınındaydım. Yani ChatGPT'nin bir halüsinasyonunu gerçek zannetti ve kendini aşırı derecede böyle tribe soktu falan. Hani aslında bazen soruyu sorma biçimin çok hani cevabı etkiliyor ya. Hani alabileceğin cevabı. İnsanların bayağı bir şeyini genişletmesi lazım. Bu konudaki okuryazarlığını da genişletmesi lazım. Biraz şey bir konu. Kritik bir konu. Dünya içinde herkesin iyi bilip kullanabilmesi lazım bu tarz ürünleri. Çünkü entegre oldukça da hayatımıza daha çok gelecek. Bir sürü şeyler yapılacak, edilecek. Bunun da en önemli konularından biri MCP. Önümüzdeki hafta o yüzden biz de birazcık ödevimize çalışır geliriz. Belki Cloudy Desktop'tan birkaç şey gösteririz. Biz de çünkü ThinkPad'de birazcık kullanacağız o tarafları.
Benim de biraz çalışmam gerekiyor yani o tarafa.
— Sana da bahane.
— Aynen öyle. Aynen öyle. Okey. Katılan herkese çok teşekkür ederiz. Kendinize iyi bakın. Görüşmek üzere.
— Görüşürüz. Bye bye.
— We’re back this week. It was a rough commute. Lisbon is rainy and chaotic today. Glad to be here with you. Welcome, Ozan.
— Thanks, man. How are you doing?
— I’m good. Doing great. It’s been a busy week. We’re halfway through already. I’m grinding through my to-do list. It’s been a wild week for AI. We’ve got plenty to talk about. How was your week?
— Man, my week was intense. I’ve been focused on Text to SQL. It’s a cool, interesting topic. I thought it would be simpler. But as the database gets complex, it gets messy fast. The agentic approach stopped working. It let me down on decision-making. So, I’m pivoting to rule-based testing. Response times are creeping up. Writing and running advanced SQL commands is tough. It runs the process and pulls data from the database. It builds tables too. It takes about 25 seconds. That’s not bad if a human wrote the code. But for a chat experience? It feels way too slow.
You hit enter, ask the question, and just wait. That’s the issue.
— User patience is dropping fast. As models get faster, expectations rise. They need instant feedback on screen. You’re spot on. Y Combinator even dropped a great video on the UX of AI recently. They cover this exact topic in depth.
— N8n has a built-in SQL agent. I tried it out. It ran like 32 iterations. It kept querying schemas and failing. It just kept looping. It spent two minutes grinding away with SQL. That is totally unnecessary.
— Isn't that N8n's biggest drawback? No streaming support is a huge issue. You build an AI integration and get hit hard there. By the way, this is a great video. Mirza Ming sent it to me. I really liked it. It opened my mind. We can even flag things here. They mention Polymet too. They want a polymeter here.
— Yeah, yeah, I saw it. I saw your post on LinkedIn.
— Exactly. I watched it. Who is first at Polymet? They do great work. It mentions that here too. UX of AI is a critical topic. It pushed you a bit, but if you get the output, it takes 25-30 seconds.
— It works. I ran a few tests. You know textosql.ai, right? It's very popular. One of the first to do this. It's widely used.
— This is Turkish, by the way.
— Is TextToSQL Turkish?
— Yeah, Mustafa.
— For real?
— Totally. They even came to our event.
— That’s awesome. The outputs are good. But it’s very specific to my database. I used it for testing. The infrastructure here is great. It pulls the entire database schema. Most tools don't pull that much detail. It grabs the whole schema. But it doesn't always recognize things correctly. There are errors in data types. Case sensitivity issues. The assumptions are usually right. But when it turns an assumption into a WHERE filter, it messes up the casing.
— You might have fried the AI's brain a bit.
— I actually did something about that. I tiered the approach. I shrunk the tables and their schemas. Essential schemas go in at the first level. If the data isn't there, it checks the larger schemas. Most queries only need a fraction of that. One table has 70 columns. That's a lot. But 10 of them cover 90% of queries. I trimmed it down. It became much easier to explain. It started working really well after that.
— That’s awesome. I focused on something else this week. I’ve been obsessed with that benchmark project I mentioned. As the number of models grows. It’s getting harder to choose the right one for each scenario. I’ve been working on that benchmark project since last week. I’m writing a report for Zeo. We want to build Turkey-specific, Turkish-specific, and industry-specific benchmarks. It’ll be great data for us. I used deep research quite a bit here. I had the chance to combine everything. I used deep research, OpenAI'ın, Grok, Perplexity, and Jina.
OpenAI is the clear winner here. No one can really argue with that. It might be surprising. Let’s dive into deep research. My output focuses on which LLM wins for each task type. We’re using this in ThinkPad'de for active routing. When to use Flash, how Haiku performs, and so on. I’ve gathered some context. I’m building an AI based on that. Once it’s finalized, you’ll ask ThinkPad'de a question. It will say, "Ozan. This is biology." It will suggest Gemini 2 Pro based on AIMA 2024 benchmarks. I want it to provide clear, data-backed reasons.
I’ve been working on that. I want to dive into deep research soon. Great news: Jina open-sourced their own deep research implementation this week. That’s a huge win. For those who don't know, Jina is an independent company. They build powerful APIs for various tasks. Their most famous one is the Reader API. You give it a URL, and it returns Markdown. They offer very generous rate limits, too. That’s how they made their name. Then they expanded into other areas. I’m a big fan. It streams the thought process for these broad questions. It’s a lot like Grok. I really liked the output.
I'm looking into how deep research works. That’s been my focus lately. Benchmarks and stuff. I had to make some business calls for the ThinkPad. I had it research competitor pricing one by one. I turned each one into a deep research doc. Then I combined them in Gemini. Specifically, Flash Thinking 2 is great for this. Say you have 10 docs at 10k tokens each. That’s 100k tokens total. Gemini 2 Thinking is the best spot right now. Its attention is solid. It circles back to every part of the text. It pulls out real insights. Plus, the output length is huge. It can handle 20k to 30k words easily.
Honestly, I don't like OpenAI'ın reasoning models at all. None of them. They’re pretty bad. Right now, Google...
— I wasn't a fan of their deep research either.
— I didn't like deep research. I actually thought deep research was good. I mean.
— So much stuff.
— It beats other sectors.
— But honestly, it feels like a lot of resources. Perplexity is way more concise. It’s not even close in length. But look at the sources it uses. Perplexity picks better sources every time. I’m asking the exact same prompt. I’m using the same prompt. I started testing Grok too. Grok is looking really, really good.
— Grok is solid. I used it for a task yesterday. I asked it to find input-output token prices for different LLM'lerin. The results were great. It nailed it on the first try. It went straight to the right spots. It checked each LLM provider's specific pages. I was asking a few things. I wanted it to fetch LLM'lerin input-output token prices so I wouldn't have to. I liked it. Especially the reference lists. The whole point of deep research is picking the right references.
— Exactly. It’s all about the references and sources. Once you pick and read, it’s all there. The key to deep research is finding the right sources.
— Totally. Grok is great at this too. But don't just read OpenAI's deep research. Take it and use another AI to build on it. Refine it or do something new. That’s my take.
— From what I’ve seen, O1 Pro writes the most detailed stuff.
— I’m not sure about that. I don't think you pick the model for deep research. It chooses its own model. You can even run deep research with GPT-4.5.
— I think you can pick it, though.
— I’m not positive. If anyone here knows, drop it in the chat. I’m pretty sure deep research is model independent.
— Could be. Maybe.
— We should check. I recall OpenAI published a paper on deep research. Exactly. We need to look into it. I think they're addressing it with an O3 mini fix. I've been torn between them. I've switched back and forth a few times. That was my latest take. Still, worth a look. Since we're talking model variety, do you use 4.5 on your Zeo account? Not on the ThinkPad. I check it out occasionally.
— Yeah, I tried it a bit.
— I liked it.
— I've been using it a lot lately. I'm happy with 3.7. It's fun to talk to 3.7. It can actually hold a conversation now. The responses feel much more human. For this database project. I used both O3 mini high and 3.7 to map out the schemas. Honestly, I still find Claude a bit ahead. It nails my requests on the first try. The coding side is also way better with 3.7. It writes nearly flawless code for advanced tasks now.
— I’ve used it too. I built a project in Cursor recently. Honestly, 3.7 didn't feel like a huge leap for my vibe coding workflow. But I haven't been coding much lately. Maybe that’s just me. Plus, Claude Code just dropped. Yeah, its agentic structure is getting a lot of hype right now.
— Exactly. People are already showing it off in YouTube videos with MCP and stuff.
— Totally. Someone even leaked the Claude Code prompt. I highly recommend everyone check these out. I always analyze the prompts written by LLM creators. I expect the best prompt engineering from AI researchers. They know the internal thinking of AI and their own models best. This was supposedly the Claude Code system prompt. Someone either extracted it or pulled it from the source code. Apparently, their source maps were exposed. It’s a CLI tool. Apparently, it has a source map. They open-sourced the code. That’s a nice touch. Definitely worth a look. Check out their prompts. I’m sure the engineers at Cursor and Windsurf put a lot of work into this.
I recommend this to anyone wanting to level up their prompting. I’ll drop the link in the chat. Ozan, you mentioned some new models released this week. Any favorites?
— There are two models. One is this Selen thing. I didn’t know about it. Not sure how to pronounce the company name. They have a small model for LLM'e zecacı. It’s not a massive frontier or SOTA model. They’re releasing it specifically for LLM'e zecacı. It’s even ahead of O3 mini. It’s currently beating all the top models for LLM'e zecacı. That’s the big Selen One model. The smaller one is for score-based tasks. The example is right below. Scroll up a bit. Just a little. See? It shows a simple medical system implementation. I want to use this. It’s great for self-consistency in advanced tasks.
Self-consistency is complex. No two outputs are the same. You need a solid LLM'e zecacı there. To decide which of these three is actually the best. I’m planning to use it for an SQL project. I'll give it a shot. Let's see the results. I'll test different models. I'll test different approaches too. I'll know which one is better. I've tested them myself. I want to check the results of this LLM'e zecacı.
— Great. These LLM'e zecacı tools are usually for benchmarks. Stop me if I get too technical. Or do the opposite. This LLM'e zecacı concept is for benchmarks. Or for your own evaluations. Say you wrote a prompt. You wrote three prompts for one task. Then you generated 100 data points. Now you test those prompts. You have three prompts for summarizing text without losing detail. You put an LLM'e zecacı in front of them. It does this. It checks the prompt outputs. Do they follow the system prompt instructions? Does it actually complete the tasks?
It scores them. Maybe you're evaluating all LLMs. Maybe you're evaluating your prompts. You put an LLM in charge. It says pass or fail. That's an LLM'e zecacı. They trained a model just for this. That's really interesting. I don't think there's a base model. It doesn't seem like a fine-tune either.
— That’s how I took it too. I couldn't find anything.
— Yeah, it’s not. Interesting. Honestly, that’s great news. We need more vertical models. Benchmarks just comparing foundational models aren't enough. I really want to see more vertical models. Like a dedicated medical model. Or a model for specific tasks. It’s great for our business too. As a company doing multi LLM, I’m looking forward to it. This is really cool. Let’s dive in and take a closer look.
— That’s why the DeepSeek talk was so important. If this is the path, then vertical is the way. Otherwise, how would you even train them? You’d need insane funding. You need to secure massive funding. Look at Harvey. The Harvey LLM. People in legal tech use it, but it’s not really open yet.
— Yeah, they’re the leaders in this, right? For vertical-specific work.
— You can't just pick this up and use it. Who knows how it works. But it's really taken off now. It’s a full-blown product. It’s been a while since I checked. They were still developing it back then.
— Still, I hate that "contact us" sales model.
— It must be super expensive, man.
— But the experience.
— It gives off that "don't talk to us" vibe immediately. Very bold. They raised a ton of funding. They’re bound to ship something solid.
— Yeah, they’ve been at it for a long time. They’ve been an OpenAI partner since GPT-3.5. Frontier models always launch with these companies first. They play a huge role in evaluation and labeling. It’s super successful. Exactly. They got startup funding. They’ve been at it since 2022. They built a solid product. I wish we had cool AI products like this here. It takes these companies forever to support Turkish. A friend of mine is working on something similar. I won't name-drop since it’s not public yet. I poked around it a bit. It was doing cool stuff with legal precedents.
— That’s a great mindset. That sector in Turkey is a total mess. It’s so tech-dependent and critical. Yet, it’s impossible to get real work done. You can’t handle legal tasks properly otherwise. There’s insane documentation. But it’s so disconnected from modern tech. The interfaces are awful. I talked to a lawyer friend about it. You wouldn't believe the systems they use. It’s painful. Your eyes would bleed.
— By the way, let me say something controversial to boost my engagement. With these models, practicing law is getting pretty easy for everyone. Anyone can act as their own solid lawyer now. If they’re a good AI user.
— It’s like that. Accounting became so easy with tools like Paraşüt. Writing petitions or legal notices wasn't that hard. Templates were already online. Now, we see it everywhere, even abroad. People are getting parking tickets canceled using ChatGPT. You see these stories all the time now.
— Yeah, I see these cases constantly. By the way, legal chatbots have really improved. This wasn't the product I mentioned. Someone else built it. It’s great to see, though. I read a lot of comments online. Text is most valuable in two fields right now. Law and coding. These are where LLM outputs provide the most value. It’s an interesting and promising space. Finally, you had a second model to mention. I haven't checked it out. Since it's Cohere's new AI, I assume it's open source.
— Exactly. It’s a vision language model.
— That’s awesome.
— It topped the LLM benchmarks. Especially the largest model. The smaller one performs great against much larger models. I’m doing a vision project with a friend soon. We’ll label a massive amount of data. We’re captioning for Flux training. We planned to use a Vision API. We’ll likely try this instead.
— That’s cool. It’s an interesting niche. The trend is consolidating power into a single model. Multimodal is the standard now. I thought specific vision models would be obsolete. GPT-4 vision preview merged everything into one. But Cohere excels at multilingual intelligence. That’s a huge deal for countries like ours. What can this model actually do? Give it a chart and ask who won. It extracts insights instantly. Show it Chinese text. It identifies it as product packaging. It’s great for specific use cases. Like identifying rare coins. Or diagnosing sick plants. It’s perfect for image-plus-text tasks. It works best for short, punchy interactions.
Thanks. I missed that. It might come in handy. I feel like inference companies will include this soon. Multi-model setups are trending right now. I want to talk about workflows. Everyone has their own unique style. I work closely with you, Serkan, and Can. You guys are actively chasing AI. Everyone has a unique workflow. The bad part is nobody shares it. There is just too much information out there. You do something in Cursor or N8n. Nobody talks about it. There are tons of videos abroad. I love catching these insights. It provides a great perspective.
Elvis says he prefers GPT-4.5 for brainstorming and planning. It has high parameters. It’s a model with trillion-level parameters. I don't think there is an official announcement yet. Let us know in the chat if you know more. Larger models understand text with more depth. Think of it as depth increasing with the billion count. That was a bit superficial. He uses 4.5 for brainstorming and planning. I used it on Zeo's pro account. It didn't hallucinate with large contexts. I thought it would get mad with 20k-30k tokens. I got great insights. I used Gemini to turn my deep research on ThinkBuddy competitors into nested lists.
I organized it into nested lists. I fed those lists to the LLM. It gave me pricing advice for my company. That’s the analysis I did for POE. I use nested lists a lot. It’s the cleanest way to feed data to an LLM. I handle messy data this way. I had a huge, messy deep research output on POE’s pricing. I start by taking that big output. Then I simplify it using GPT-4.5. I want to copy and steal its style. I take two of those and simplify them. Then I go to AI Studio or ThinkBuddy. I have Gemini 2 Pro do the work.
But I replace the Gemini 2 Pro responses with the 4.5 ones. LLMs work on next token prediction. So, the output mimics the examples. I use 4.5 to generate high-quality examples. You wouldn't want to see the original document. It was ugly and hard to read. If you can't understand a document, the LLM won't either. I used 4.5 to clean it up. I’m analyzing 35 other companies just like this. I want high-quality output when I combine them. If I feed 30 or 40 documents, the LLM might crash. Consistent structures are key.
It’s like paid subscription tiers for all competitors.
— I think that’s a big deal.
— Comparing them becomes much easier this way. Think of it like context optimization in prompt engineering. The better your input, the better the AI output. We’re jumping through hoops to get what we want from AI.
— Sometimes it bums me out, Yiğit. We get so structured. I feel like it kills all the creativity. It just turns into a parrot. Even with a top-tier model. I keep scrolling up to tweak my prompt. I end up forking the chat entirely. Eventually, you need a fresh approach. That’s why I hate long chats. I prefer starting a new chat once things get too cluttered.
— You’re totally right. I’ll add this. I did something fun and interesting this week. I want to show you guys. I’m moving to the States soon. To San Francisco. I need to grind my English. I have to get it to a pro level. My wife and I decided to learn by watching shows. I watch with English subtitles. It helps, but I want to catch the idioms. Ozan, you've been in London for four years. I bet you still don't know tons of idioms. It’s a tough topic. I use AI to build Anki cards for them. For example, look at "Dandy." I did this for a show I’m watching.
It’s a rare usage. Yiğit, it’s not the end of the world if you skip it. I generate these cards from the SRT. It pulls advanced English vocabulary for me. I don't know this one. I couldn't even remember it. "Dandy" is an archaic term for a flashy or vain man. AI didn't give the best translation. You can mark these as again, hard, good, or easy. Med students use these Anki cards all the time. Anki cards are standard for memorization. I practice with them constantly. I finish the flashcards before watching the show. Seeing the words in context makes them stick much better.
It’s fun. I sat down last night. I thought, how long would it take to build this? It turned into a product in 13-14 minutes. Should I tweet it? Nah, why bother. Maybe nobody would care.
— I think it's great. I'd use it too. Tweet it or push it to GitHub. I'm in.
— Using it doesn't matter, Ozan. Would you pay 5 bucks? That's the point.
— If it's 5 bucks, I'm in. I'll pay for two months.
— Let's give you 10 SRTs for 5 bucks. If you use them up, just top up. That could work.
— Once money gets involved in learning English, the math changes. You start comparing it to Open English or other services. You weigh your options. We can write great programs for ourselves right now. Even without using standard apps. It just takes a little effort.
— Yeah, it’s wild. AI is at a point where you can build your own tools. You can customize how you learn English. It’s a cool detail. Let’s move on. What else is on the agenda? I mentioned Cloudy Code is open source. It’s one of this week's interesting stories. I’m going to check the code. I’m curious how they built their agent. Maybe we can discuss it later. Checking if I have any other tweets. Sam Altman’s.
— Sam Altman had another wild tweet thread. Exactly. He’s talking about AI consciousness. He says consciousness is inevitable. Sam Altman loves saying creepy stuff like that.
— Yeah, it’s become a hobby for him. He just posts these random thoughts. He’s totally lost it. He’s trying to show off 4.5. Everyone is obsessed with the vibe right now.
— Wait, wouldn't 4 say any of this? I don't think it talks to us this way just because it's 4.5. That wasn't my impression.
— You start noticing that vibe at some point. It feels surprisingly human. I’m a certified GPT-4.5 hater. I hate how expensive this model is. But I have to say, I find Sam Altman a bit reckless here. He should be calming people down about AI. Instead, he’s making them more anxious. It’s a weird mindset. A very interesting take. I added it to my list to roast this week. Let me check my bookmarks for the final round. Maybe we can look at this next week, Ozan. Google has a new data science agent. I don't know if anyone here has used Julius AI.
— I tried using 4.5.
— Really?
— Let me jump in here. I gave a simple task to OpenAI, Julius, and Claude 3.7. It was an Excel file. About 8-9 columns and 50 rows. I asked for a report. Claude really crushed it again. It even built React components. It generated artifacts from the charts instantly. I have to praise Claude again. I sound like a total fanboy. But hey, what can you do?
— I’m the total opposite. It’s sad for the industry. Google entering the space and using Gemini freely is tough. They’re fine-tuning custom models. It’s going to make things much harder for everyone else. It’s frustrating for smaller companies. Another open source Perplexity killer just popped up. But they all just rely on a SERP API. Building Perplexity isn't that simple. I think Perplexity leans on that stuff too. We’ll find out eventually. Maybe our own indexes.
— I saw something else, too. It was more about visualization. Let me find it and send it over.
— Sounds great. Like you said, I’ll look into deep research implementation next week. Maybe I’ll build something with it. We said we’d talk about MCP, but let’s save that for next week. I've been deep into MCP clients and agents lately. Maybe we can pull something from that. We could talk about use cases. I think that covers the agenda for this week.
— Okay. Same here. Let's dive deeper into MCP next week like you said. It looks simple on the surface. It’s basically just tool calling. But what can it actually change? Why is everyone so hyped about it right now? We'll talk about that a bit.
— The industry goes through these phases.
— It has its own hype cycles, yeah.
— That happens too.
— You can't use it on OpenAI, for example. MCP isn't there yet. OpenAI doesn't support it.
— Yeah, it’s not really effective. Peter Levels had some interesting work this week. He did it with Claude.
— It’s one of those things that makes me question everything.
— It really is.
— I mean, network is everything. Sure, he had plenty of successful projects before building that network.
— Exactly. We respect Peter Levels, but that project was honestly meaningless.
— It’s not really about that. It’s about where things are heading. It’s about the community’s evolution. Attention is still everything. It’s about gathering people in one place. Someone recently asked ChatGPT if being smart and hardworking is enough. It was circulating everywhere. I even saw a post on Instagram. It was a screenshot of a ChatGPT response. It said no, that’s not enough. It claimed who you know matters more. It’s true in a way. We can see that here too.
— Prompt engineering is crucial. I was on a streamer's show yesterday. They took a ChatGPT hallucination as fact and totally spiraled. How you phrase your question really changes the answer. It dictates the quality of the output. People need to broaden their literacy here. It’s a critical topic. Everyone needs to master these tools. They’re becoming deeply integrated into our daily lives. There’s so much to build. MCP is a huge part of this. We’ll do our homework for next week. Maybe we’ll show some things from Claude Desktop. We’ll be using those features on our ThinkPad'de.
I need to put some work in there too.
— A good excuse for you.
— Exactly. Totally. Okay. Thanks to everyone for joining. Take care. See you later.
— See you. Bye bye.
This transcript was generated using AI speech recognition and verified against subtitle style rules.
