— Eee, 3. mi 4. mü, kaçıncı oldu Ozan?
— Saymayacağım ben. Saydı- saydıkça zorlanmaya başlarım ben. Fazla yaptıkça, "uf, çok yaptım, yeterli bu kadar" falan diyorum.
— Ama garip bir şekilde de düzenli gidiyoruz, maşallah diyelim. Eee, gayet hareketli bir hafta bu hafta, geçen haftanın aksine. Bende bayağı bir şey var. Eee, gene güzel spontane bir giriş yapacağız. Eee, bu hafta en öne çıkan herhalde gündem maddesi... Sonet 3.7'dir deriz diye düşünüyorum. Sen de sanırım benzer fikirdesindir. Eee, yeni başlayanlar için not: Antropi'in yeni nesil geliştirdiği Sonet'in aslında son versiyonu. 3.5 versiyon 2 gelmişti en son. Şimdi de 3.7 Sonet geldi.
— Bu ilk şey, değil mi? İlk hibrit model. Reasoning artı normal short answer gibi çalışan.
— Yani evet, aslına baktığında da hani kağıt üzerinde öyle olmasa da, hani o 3 Mini'ye de 4 O Mini kökenli bir model olduğunu söyleyenler vardı, birkaç yerde okumuştum. Yani aslında reasoning modellerinin de her biri bir temelde, bir foundation modeline dayandığı için aslında aynı mantığa çıkıyor da diyebiliriz.
— Ama öyle çalışmıyor. Şimdi O3'e attığın zaman illaki thinking'i yapıyor yani. Gerekirse çok kısa yapıyor ama yine de yapıyor.
— Ya burada doğru, şey, kendi karar verebiliyor anlamında diyorsun, değil mi?
— Aynen, aynen. Evet, evet.
— Doğru. Eee, valla ben de yani bayağıdır ThinkBody kullandığım için Sonet aboneliğimi iptal ettirmiştim. Eee, ama bu olayla birlikte tekrardan sahalara geri döndük. Eee, bir buradan da belki birkaç promptla bir deneme yaparız kullanmayanlar için. Eee, ne yapıyoruz?
— OneShot kodu çok iyi diyorlar. Genelde benim gördüğüm en çok örnek OneShot kod üzeri. Oyun yapanlar falan olmuş çok.
— Evet, evet. Eee, valla OneShot'ta çok ilginç şeyler çıkıyormuş. Şeyde özellikle sanıyorum, eee, artifact'le yapılan işleri söylüyorlar daha çok.
— Evet, evet, aynen.
— Eee, bak mesela "Staning 3D City yaptım, tek promptla" demiş. Bir deneme yapılabilir aslında. Write a prompt to generate 3D city by using JS libraries. Include a lot of details to model New York. In your prompt desek mesela. Önce şöyle bir promptumuzu genişletelim. Böyle ilginç bir eğlenceli bir antropik modelinin kapabiliteleri.
— Çok güzel, çok güzel bir giriş oldu. Çok sevdim. Direkt böyle elleri kirleterek.
— Heyecanlı bir şeyler olacak gibi. Eee, güzel, güzel. Ooo, Brooklyn'i, Manhattan'ı ayrı ayrı verdi. Bu biraz fazla şov oldu galiba ama.
— Biraz fazla.
— Çünkü yani hani şu kadarına gerçekten gerek var mıydı? Ve bu sadece bir satırlık bir info. Eee, evet, biraz şey yapalım. Over- overpromptlayalım ve normal insani promptlayalım.
— Evet, bir simplified falan de ya.
— Ya. Şimdi bir yandan da bunun simplify edilmiş haline bakacağız. Eee, gerçekten düşünmesinin hakkını verdi. Eee, oldukça detaylı oldu. Tabii ki biz bunu gene de kullanalım. Eee, bu promptumuz tabii biraz fazla uzun olduğundan ötürü attachment olarak geldi, gelsin. Sorun değil. Eee, use artifact de diyelim. Eee, ki o bölümü triggerlamış olalım. Şimdi bunu thinking vermedim bu arada, değil mi? Normal seçtim. Aynen. Bakalım nasıl bir şey çıkacak. Hem bir modelin becerilerini görmüş oluruz. Aynı zamanda da modeli daha nitelikli bir şekilde de test edebilmek için aynı şeyi bir yandan da bu ayrıntılı promptu bir de thinking olarak verelim.
Yani extended verelim. Şu style'ımızı da kapatalım. Style'ımız açık kalmış. Eee, bakalım nasıl bir şey çıkacak. Öte yandan da şu basitleştirilmiş promptu da hakeza aynı şekilde bir tane thinking, bir tane standart olmak üzere. Eee, çizdirelim. Use artifacts to build. Eee, such scenario'muzu koyduk. Okey. Bir de benzer bir şekilde extended thinking olarak vereceğiz. Hem birazcık da benchmarklamış oluruz kendi perspektifimizden. Neler var elimizde? Bir tane Antropi'ye yazdırılmış, extended thinking ile yazdırılmış büyük bir prompt. Eee, artifact'lerle bunu inşa etmesini istiyoruz. Eee, bakalım nasıl bir şey çıkacak. Çok da hani süper bir şey de gelirmiş gibi gelmiyor bana ama. Şu import ettiği library'lerin içinde belki etkileyici şeyler çıkabilir içeriden. Eee, geliyor yavaştan fonksiyonlarımız.
Manhattan adası, Brooklyn, grid, crazy.
— Bunu artifact ile yapabilecek mi ya?
— Valla bana biraz da şov geldi ama bakalım. Yani dört tane prompt attık, herhalde biri gelir ya. Öyle düşünüyorum yani. Buradaki abimizin yaptığı.
— Bu arada artifact ile yaptığına emin miyiz? Bu artifact değil, ben sana söyleyeyim. Kodu yazdırmış bu, çalıştırmış.
— Ooo, niye acaba? Ha, cursor'da yapmış abi bu da. Yani mantıklı.
— Aynen, cursor'da yazmış direkt.
— Yani cursor. Ha, belki şey olabilir. Hani böyle build ederek çıkardığı bir JS olabilir. Hani benimkisi böyle daha hazır. Eee, Vanilla JS gidiyor. Eee, göreceğiz birazdan. Ama yazdıkça da yazıyor yani iki model de. Biz de bu sefer benchmark'larına bir bakalım modellerin. Eee, şimdi şeyi göremedim. Eee, benchmark'ların içerisinde thinking'in ayrıca bir benchmark'ı yapılmış mı diğer modellerde olduğu gibi? Hayır, sadece standardı var. Eee, o biraz ilginç.
— Yani işte ben de onu anlamadım. Çünkü çok geride geldi bana. Daha yeni yaptığım bir model. Hani 2.0 Flash'ın arkasında olmaması lazım en azından.
— Yani evet, hala hani foundational modellerde Grok 3 başı çekiyor gibi. Bu arada ben bu hafta Grok ile bayağı bir şeyler yaptım. Eee, hatta deep research, şey, deep search özelliklerini falan bayağı bir kullandım. Eee, Antropik olayından sonra belki oraya geçeriz. Çünkü bir benchmark analiz raporu çıkarmam gerekiyordu. Eee, farklı AI'lar için. Eee, ThinkBuddy'de kullanmak için. Böyle yani çok farklı benchmark'ların analizlerini hem ChatGPT'ye hem Grok'a eee hem Perplexity'ye yaptırıp hepsinin deep search'lerini hem biraz test edeyim istedim. Sonra da Gemini 2 Thinking ile bunları merge edip böyle eee tekil benchmark'lar. Hani benim için bu biraz şeyde kullanılıyor. Eee, ThinkBuddy'deki prompt router'ında kullanılıyor. Yani işte sen bir soru sorduğunda mesela, işte klasik algebra sorusuysa, işte Sonet'e mi gitsin, 4 O'ya mı gitsin?
Hani böyle sadece matematik gibi de bakmasın olaya. Algebra'yı, geometriyi falan ayrı ayrı değerlendirsin diye. Her prompt şeyin, eee, benchmark'ın, eee, spesifik alt kırılımlarındaki en iyi performans gösteren modelleri aslında çıkarmaya çalışmıştım. Bu sadece bir model. Böyle 48 tane benchmark var sanırım burada. Eee, bunları da yani normal insan işi değil aslında bunun araştırması. İşte deep search sayesinde eee bayağı bir ilerledim.
— Şeyde mi yaptın? Eee, ChatGPT'de kullandım bildiğim kadarıyla burada. Eee, deep research'te hem Grok hem ChatGPT mi yaptın?
— Aynen. Gemini'nin de deep research'ünü kullandım. Eee, çok çok kötüydü. Sonra saldım zaten onu.
— Gemini'yi çok kötü hakikaten.
— Aynen. Gerçekten çok kötü.
— Olmasa daha iyi bir research modülü.
— Cidden bana bir 30 dakika verse, ben 30 dakikada çok... Bir de çok da uzun sürüyor ha bu arada. Yani takılıyor falan, refresh atman gerekiyor. Yani Google'ın elinde bu kadar data varken bu kadar kötü bir agent çıkarmış olması gerçekten.
— Gelir, gelir. Oraya da sıra gelir. Ben Google'a artık güveniyorum. Çok güveniyorum ama son dönemden sonra bir de bu kadar hani eli açık eee bir AI stüdyo açıp insanlara vermesi falan eee mükemmel hareketler. Evet, zaman kazandık bence yavaştan. Şu promptları.
— Bakalım çalışacak mı?
— Bir bakalım. Eee, bir kere preview gelmedi.
— Gelmedi bile.
— Eee, çünkü mesajın boyutundan ötürü limitlendi. Eee, doğal olarak. Eee, tekrar aynı sorun. Hah, nihayet. Tamam, bu daha şey olan eee soft prompt'umuzdu. Hiç fena değil. Bak ortada Central Park'ımız var.
— Yakınlaşma falan da oluyor ama.
— Evet, evet. Çok başarılı.
— Gir bir sokağa, bir kahve alalım, bir şey yapalım.
— Şöyle bir yandan bakayım.
— Aradan bir şey.
— Şöyle aradan baktığımda güzel aslında. Böyle sıfıra sıfır duruyor. Eee, gayet temiz olmuş ya. Nasıl bir şey yaptı bilmiyorum ama yani şu evlerin, eee, gökdelenlerin hani bölge bölge birikmesi. Sanırım şurada iki tane böyle signature gökdelen için de ayrı ayrı şeyler yapmış bak farkındaysan tepelerine.
— Evet, evet, aynen.
— O da bir ilginç bir şey olmuş.
— Evet, farkını yapmış. Onunu yapmış, bunu yapmış.
— Aynen. Köprünün eee gayet orijinal şeyleri falan da burada. Yani gene tekte hani böyle bir şey yapmış olması bayağı başarılı geldi.
— Bir yerlerde var. Street view falan bir şeyler diyor ama.
— Aynen, o da şey ya herhalde. Perspektif preset'inde.
— Altı alıyor, altı alıyor, bir şeyler anlatıyor.
— Evet, ilginç yani tekte böyle bir şey olabilmek eee etkileyici gerçekten. İnsanlar da genellikle şey demiş. Yani gerçekten detaycılık açısından çok eee nitelikli bulmuşlar eee modelin çıkardığı işleri. Eee, biz bir tur daha burada da eee thinking modelimiz sorun yarattı. Onu da bir çözdürelim.
— Bir önceki şey miydi? 3.7'nin standardı mıydı?
— Bu 3.7 standarttı preview yaptığımız. Eee, burada da thinking oldu. Diğer model zaten baştan sona eee çok detaylı olduğu için eee biraz şey oldu. Let's simplify this and fit this under 3K, 4000 tokens desek. Token da biraz burada muhtemelen çok iyi bir yönlendirme olmayacak AI için ama olsun. Biz gene de buralardaki ayrıntıları da görmeye çalışalım. Eee, valla kullananların genel olarak hani anlattıkları şeyler çok etkileyici. Eee, ben daha bir kod projesi yapmadım Sonet 3.7 ile açıkçası. Eee, birkaç tane.
— İnternette çalışan bir şey, code assistant da yaptılar herhalde değil mi? Cloudy code diye bir şey yaptılar.
— Evet, evet, evet. CLI üstünden eee çalışan yeni bir şey yaptılar ama sanırım eee ya açmadılar ya da ben henüz yeterince kurcalamamış da olabilirim. Eee, biraz da şeye bakabiliriz aslında. Eee, Cloud'ın son yayınladığı bloğa belki bir göz atabiliriz. Orada daha fazla bilgi olur elimizde. Evet, şimdi eee research preview gelmiş Cloud Code'da. Bu benim anladığım kadarıyla hani biraz daha böyle Replit ve Cursor eee rakibi bir şey olacak ama daha CLI tabanlı diye yorumluyorum. Eee, birazcık da şeye bakalım. Launch videosuna bakalım. Bizim için daha açıklayıcı olur. Herhangi bir alanda eee bak bu da çok ilginç. Yani projenin çalıştığı klasöre gidiyor. Daha sonra Cloud yazıyor ve bir CLI ürünü çıkıyor yani yazılmış ve onun içerisine promptlar yazılıyor.
Beni bayağı bu şaşırttı. Yani hiç böyle bir şey beklememiştim.
— Codebase'de falan çalışabiliyorsun bununla o zaman. Ya da yani bütün terminal işlerini yaptırabilirsin ya buna.
— Evet ya, agent'ı aslında. Ha evet, terminal işlerinin hepsini yaptırabilirsin. Doğru söylüyorsun. Benim.
— Database'de falan güzel kullanılabilir.
— Evet, bu bak şeyde kullanırım ben bunu. Eee, benim bir tane şu ara yaptığım bir Todo eee uygulamam var Cursor'da çalışan. Eee, kendimi çok iyi bir şekilde tanıttım. Eee, benim zayıf yönlerim, güçlü yönlerim, hayatımın şu anki durumu eee vesaire. Herhangi bir task'a başlamadan önce eee ona task'ı anlatıyorum. O benim bütün listemin içerisindeki eee görevlere bakıp, "Ya Yiğit, sen buna şimdi hype'lanmışsın ama senin nasıl yapman gereken bu. Sen buna bak" falan diyorum. Benim için bir şey, koçluk yapıyor aslında.
— İşten çoban diyebilir miyiz abi?
— Tabii tabii ki. Kesinlikle. Şey, bu da insan çobanı gerçekten. Eee, yani ne kadar dinliyorum, o da tartışmaya açık tabii ama eee çok güzel çalışıyor. Bu şeyde de çalışır yani onun. Çünkü benim şey şeklinde çalışıyorum. Task.md var, todoların olduğu. Bir life.md var, benim şu anki hayatımla ilgili son durumların olduğu. Bir de observations.md var, bana dair sahip olduğu yargılar. Onları da oraya kaydediyor. Eee, bu şekil çalışan bir yapı vardı. Eee, Cursor'ın chatinden ben de etkileşim kuruyordum. Belki şu Cloud Code'la eee böyle bir şey denenebilir. Eee, o da güzel, etkileyici olabilir diye düşünüyorum. Eee, ilginç bir yaklaşım olmuş. Ben de şaşırdım yani bir CLI ürünü yapmış olmalarına.
— Evet, başka bir yerden yaklaşmışlar ya. Şimdi şey de.
— Evet, o da şaşırtıcı. Pek o gördüğümüz bir şey değil ya. AI şeylerinde herkes birbirini genellikle kopyaladığı için.
— Google da girmiş oraya şimdi. Bayağı yüksek bir free şeyle code assistant çıkardı.
— Ya bu IDX miydi Google'ınki? Onu mu söylüyorsun acaba?
— Bu yok ya, yeni çıkardı daha.
— Ben bir onu biliyorum. Bu proje hani bir geçen sene başladı ama böyle süper bir tutmadı. Ama Google buraya da girerse sağlam girer gibi görünüyor.
— Google Code Assistant yazsana. Gemini Code Assistant direkt.
— Ben bunu görmedim bak.
— Ya, yeni çıktı çünkü bu da. 2-3 gün olmuş olabilir yani. Maksimum cuma günü falandır daha.
— Hımm.
— Geçtiğimiz hafta içinde. Eee, şeyi çok iyi. 180.000 completion'a kadar free falan kullanabiliyorsun. Gemini 2.0 üzerine fine-tuned model var.
— Çok iyi. Yani şimdi.
— Cursor'da vesairede çalışıyor.
— Google'ın eskiden foundation modellerinin hani eee kötü olması nedeniyle böyle bir şey yaptığında ben bir meh derdim. Ama o taraf da şimdi ilerledi. O yüzden.
— Code'da yine de kötü bence de. Gemini 2 de kötüydü de belki fine-tuned edilmiş hali iyidir. Bilmiyorum. Daha hiç bununla alakalı bir benchmark görmedim yani.
— Valla ben Cursor'da biraz eee Gemini 2 Flash'ı denemiştim. Eee, ya her şeyden önce performans hızlı olduğu için çok hızlı iterasyon yapabiliyordum. O yüzden.
— Hata aldın, yaz, hata aldın, yaz gibi.
— Aynen, aynen. Ama tabii Cursor'un agent modunu kullanamadığımız için sadece O3, eee, 4 O ve Sonet'lerde kullanabildiğimizden ötürü eee bir tık sorun yaşıyorduk. Bir de şey çok ilgimi çekti. Hani insanların genel olarak öne çıkan eee nokta olarak söyledikleri şey eee daha çok modelin eee kalite hissiyatı. Yani yaptığı, yazdığı kodlardaki işte çıkan çıktıların daha kaliteli olmasıyla ilgili eee böyle ilginç yorumlar vardı. O yüzden hani çok da eee benchmark'lara bakmamak lazım da bu gerçek değil herhalde ya. Bu, bu da bir şey olmuş. Abartı yani bu.
Buna ben inanamadım. Eee, bu çok realist olmamış.
— 17 dakikada yazmış.
— Aaa, ya bana biraz şey geldi. Fake geldi bu ya.
— Evet, doğru hakikaten.
— Abi bu ne?
— Auto token 8K abi. Bir kere, bir kere JavaScript'te böyle bir eee oyun motoru yok. Hani eee hani gidip de Unity ile falan. Ya da çok iyi bir prompt yazdı ve full codebase'i almıştır belki.
— Ya tamam da gene de 8.000 token yani output şeyi olduğunu düşünürsek hani 8.000 token.
— Zaten o kadar da inandırıcı değil ya bence.
— Hiçbir şey çıkmaz yani. Hani şu arkadaki detaylar falan, manzara falan olmasa eee tamam diyeceğim de eee bu biraz bana açıkçası fake geldi. Tabii bu tarz modellerin gelişmesi bir açıdan da çok eee faydalı. İşte mesela Polymath gibi eee ürünleri de bir anda 2.0, 3.0 ileriye taşıyabiliyor. Yani zaten eee bu modeller üzerine kurulu olan agent'lar ya bir ürününüz varsa otomatik olarak o ürün de upgrade olmuş oluyor. Eee, bu da süper bir gelişme aslında. Hakeza şeyde de gördüm aynı eee gelişmeleri. Eee, Bolt'ta da eee gördüm. Yeni gelen Bolt'un da 3.7 ile gelmesi bayağı bence özgün bir şeyler çıkartır.
Çünkü eee Bolt bayağı iyi sonuçlar getiriyordu zaten son dönemde. Bak, bu Dynamic Reasoning'de sanırım ilk defa thinking model geldi Bolt'a da. Eee, vallahi merak ediyorum neler yapacaklarını.
— Biri şey demişti ya galiba UX üzerine vakalarla iyi eğitmişler Cloud'yı eee 3.7'yi falan filan diye.
— Evet ya, bayağı bayağı antropik şey olmaya başladı yani. Eee, coding LLM'lerin altın standardı olmaya başladı. Hani bir sürü.
— Apple tarzı bir yaklaşımı var sanki bu şeye.
— Evet. Ya ben günlük hayatımda gene hala hani Sonet 3.7'nin de hissiyatını açıkçası çok süper beğenmedim. Eee, ama eee Grok 3'e bayağı bir düştüm diyebilirim. Eee, yani bayağı güzel şeyler yaptık Grok 3'le. Eee, şeyi çok beğeniyorum yani. Eee, genel hissiyat, iletişim, diyalog çok çok yumuşak bir Türkçe. Çevirilerde müthiş güzel çıktılar. Yani şeyi stil olarak gerçekten çok çok insani geldi bana. Eee, bu anlamda da çok başarılı buldum yani. Umarım yakın zamanda API çıkar. Eee, bu kod editörlere falan eklendiği zaman da çok iyi sonuçlar getireceğini düşünüyorum.
Umarım Elon Musk çok cimri davranmaz. Çünkü ben bu Cursor'ların, Windsurf'lerin falan antropikle özel bir deal yaptıklarını düşünüyorum. Yani antropiğin eee birazcık bayrak taşıyıcı olması için eee bu şirketlere ya çok uygun fiyattan eee bu LLM'leri sağladığını düşünüyorum. Yoksa bu sürdürülebilir değil yani. 20 dolar karşılığında da aslında eee gene sürdürülebilir.
— En pahalısı şu an yani.
— Evet.
— En üst modeli hariç, O1 Pro hariç. Eee, 3.7 de yine diğerlerine göre çok çok pahalı.
— Tabii yani output token da zaten hani Cloud'ı inanılmaz derecede eee bir soygun. Eee, şu anda da yani birçok şey bizim rakiplerde de T3 Chat'in falan da geçen şeylerine baktım.
— 15 dolar abi.
— O da bayağı bir ağlıyordu yani. Günlük eee onların da şu an cloud cost'ları eee 1.000 dolar seviyelerindeymiş. Eee, kolay bir şey değil. Eee, ama eee bu cost'un da karşılığını eee kod projelerine en azından insanlar eee alıyor gibi ki LLM'le üretilebilecek en nitelikli text çıktısı yani fiyat olarak en değerli text kod olduğu için finansal olarak düşündüğümüzde eee bu parayı hala hak ediyor diyebiliriz aslında. Eee, Cloud için. Eee, valla 3.7 hakkında benim genel söyleyeceklerim bunlardı. Eee, biraz benchmark'lar hakkında konuşmak istiyorum. Eee, Ozan o sırada sözü sana mı vereyim? Sen bana geri pas atarsın yoksa devam edeyim mi?
— Girelim abi direkt benchmark'lara.
— Süper. Şimdi ben eee son dönem birkaç hem şu deep search'leri eee provider provider analiz etmek istiyordum. Eee, ChatGPT'nin, işte Perplexity'nin ve Grok'un şu anda ve Gemini'nin ürünleri var. Benim hissiyatıma göre bir numara gene ChatGPT'nin yani O3 mini tabanlı deep research'ü eee bir numaraya koyarım. Eee, müthiş derecede daha detaylı çıktılar aldım. Yani ben eee mesela her benchmark'ın eee alt kategorileriyle birlikte bir analiz yapılmasını eee mesela istiyordum. Eee, atıyorum işte MMLU bu dünyadaki en popüler eee şeylerden biri. Eee, benchmark'lardan biri. Eee, benim amacım aslında bütün modellerin kategori kategori başarılarını görmekti. Yani işte Gemini 2 Flash ise işte biyolojide ve business'ta mesela eee performans biyolojide işte Sonet'le denkken bak business'ta mesela bariz daha üstte kalabiliyor ya da kimyada bir tık daha geride kalabiliyor.
Tamam, çok ufak ve minör farklılıklar olsa da aslında uygulamada bayağı fark ettirebiliyor bu. O yüzden eee paper'ları okuyup eee bu benchmark'ların detaylarını anlayıp eee ve çok da detaylı araştırmalar yapması gerekiyordu. Eee, bunlarla ilgili de bilgi pek eee bulamıyorsunuz. Çünkü şeylere gitmeniz lazım. Eee, büyük PDF'lere gitmeden bu bilgiyi bulmak çok zor. İnternette de çok eee bununla ilgili sağlam bilgi bulmak zor. İşte gidip böyle sistem model kartları var. Eee, LLM'lerin daha böyle e iç yüzlerini anlayabileceksiniz. E burada bunların benchmark'larla ilgili de daha detaylı e yaklaşımlarını görebiliyoruz. Eee, bunlar üzerinden mi analiz yapılması gerekiyordu benim use case'im için? Eee, ben de işte dünyadaki bütün benchmark'ları tek tek araştırdım. Eee, bire o yüzden rahatlıkla OpenAI'yi koyarım.
Sadece OpenAI'daki tek sıkıntı sanırım aylık 100'müş plus'taki limit. Eee, ben onu hemen kullandım ve bitirdim gibi oldu. O kötü oldu. Eee, maalesef limitlerin ne kadar kaldığını bile göremiyoruz OpenAI'de. Yani limitin bitince artık o deep research yapmamaya başlıyor. O bir garip geldi bana özellik olarak. Eee, ikinci sıraya Grok'u rahatlıkla koyabilirim. Grok'un deep search'ü de bence bayağı iyiydi. Eee, zaten OpenAI da eee Pro hesaplarına da eee deep research'ü vermeye başlamış. E bunda Grok etkisi kesinlikle vardır diye düşünüyorum. Eee, tamamen ücretsiz bir ürün sunmaları nedeniyle. Eee, tabii ChatGPT'nin buradaki en önemli özelliklerinden biri çoğu insan bilmiyor ama e deep research'ü operatörle de aslında entegre etmişler. Eee, dolayısıyla bir işte bir dosyayı, bir sayfayı ziyaret ettiği zaman doğrudan bir browser'ın içinde onu açıp oradan bilgi elde edebiliyor.
Bu da aslında eee çok önemli bir artı. Hem sayfada gezinip işte o ekstra bilgiyi almak için gerekli aksiyonları yapması için de yani gidip bir e-ticaret sitesinden siz işte eee bana işte havuç al ama işte baby havuç olsun dediğiniz zaman işte gidip sebzeler kategorisine gidip işte filtre falan koyabiliyor. Hani bu tarz hareketler yapıp bunların işte fiyatlarını mı analiz etmek istiyorsunuz? İşte alıp bu tarz eee deep analizler yapabiliyor. Yani klasik Bing'te ara eee ilk sıralarda çıkanların eee content'lerini al ve ilerle gibi değil. Eee, o yanı bence çok güzel bir artı.
Eee, valla bunun sonucunda ben böyle bir iş çıkardım bu hafta sonu. Bu benim bayağı birçok yerde işime yarayacak. E biraz da benchmark'lar üzerinden içerik üretmek istiyorum yakın zamanda. Eee, oralarda kullanmayı planlıyorum.
— Oralarda da bir şeyler yazacaksın.
— Evet. Evet. Ya birkaç benchmark'ları aslında ya bayağıdır görüyordum ama eee çok detaylı girmiyordum. Hani şu dönem şöyle bir boşluk yakalamışken hani biraz bakayım dedim. Şöyle gruplayabildim benchmark'ları da. İşte bir kodlama, bir matematik tarafı var. Bazı benchmark'lar mesela sadece non-English content'lerde ne kadar iyi çalıştığı ile ilgili benchmark'lar var. Mesela bu da bence ana dili İngilizce olmayan ülkeler için önemli. Eee, şey çok ilgimi çekti. Mesela stil benchmark'ları var. Eee, stil benchmark'ları da şey oluyor genellikle. Yani LLM işte bazen çok tutarlı yazıyor ya. Özellikle ChatGPT'yi bu yüzden çok eleştiriyorlar ya. Böyle çok insani değil. Böyle çok kasıntı ve çok fazla structured, böyle çok yapısal eee çıktılar verebiliyor. Eee, burada da bu stil benchmark'ları var.
Mesela burada eee clan bench mesela e benchmark olarak şeylere bakıyor. LLM'lerin ne kadar eee conversational communication yaptığını, yani ne kadar insanca eee diyalog kurduğunu eee yapıyor. Bir tane mesela EQ bench diye çok ilginç bir benchmark gördüm son dönemde. Yani özellikle böyle case'lere göre eee seçen birisiyseniz LLM'lerinizi bakabilirsiniz. EQ bench işte LLM'leri aslında eee duygusal zekalarına göre eee sıralamaya çalışıyor. Çok pardon. Eee, aynı zamanda da işte creative writing ile ilgili mesela farklı benchmark e öğeleri var. İşte istenilen uzunlukta yazabiliyor mu gerçekten? Eee, farklı farklı kriterler üzerinden işte vocab'leri 100 için ayrı puanlamış vesaire e çıktılarına bakmış. Hani ben bu kadar böyle niş eee dikey benchmark'lar olduğunu bilmiyordum. Bu benim ekstradan hoşuma gitti.
Eee, bu şekilde gruplayabilirim. Yani standartlar var. Halüsinasyon görme eee ve doğruluk benchmark'ları var. Eee ve bunların birçoğunu da aslında şeyler üretiyor. Eee şirketler eee yani OpenAI'ın mesela kendi ürettiği bir sürü benchmark tekniği var. Eee işte Simple QA bunlardan birisi mesela ne kadar eee doğru olduğunu gösteriyor. Ve de şey çok hoşuma gitti. Aslında bunu da Zeo içerisinde biz de yapabiliriz diye düşündüm. Eee, endüstri spesifik benchmark'lar. Mesela Vals AI diye bir şirket eee sadece corporate finance kategorisinde eee en iyi çalışan LLM'leri eee bulmaya çalışıyor.
Mesela eee kurumsal finans alanında en iyi çalışan LLM'leri bulmaya çalışıyor. İşte bunlara göre kendileri belirli konulara ağırlıklar vermişler ve eee buradan elde ettikleri çıktıları hem işte accuracy anlamında eee hem de işte latency anlamında, cost anlamında bir araya getirip eee paylaşmışlar. Eee biraz bunlar üzerine çalıştım. Yani bu tarz benchmark'lar yapmak istiyorum açıkçası. Eee o da bu anlamda çok faydalı oldu. E benim adımdan. Eee seninle de paylaşırım Ozan. Belki bir bakarız sektör spesifik benchmark yapabiliriz diye.
— Şeydeki su eee böyle hepsini toptan böyle bir kafanda erittiğinde modellerin şu anki statüslerini nasıl görüyorsun peki?
— Eee güzel soru. Yani açıkçası şeyi daha çok olmasını isterdim. Yani şu problem setinde kesinlikle bu LLM kullanılmalı diyebileceğiniz çıktılar oluyor. Gene oluyor. Özellikle mesela long context benchmark'larda çok oluyor. Mesela işte Needle in Haystack diye bir tane benchmark türü var. Eee bu yani çok uzun yazıların içerisinden bir detay çıkarmaya yönelik bir benchmark. Zaten Türkçesi de samanlıkta iğne sanırım.
— Aynen. Aynen. Aynen.
— Eee bir de şey var işte bug in the code stack. İkisi de aslında birbirine çok benziyor. Burada da kasıtlı olarak bir bug yaratıyorlar işte bir kodun içerisinde. Eee ama çok büyük bir kodun içerisinde. Eee ve LLM'lerin bu bug'ları ne kadar tespit edip edemedikleri hani iş büyüdükçe dikkatlerini aslında ölçen bir benchmark. Buralarda çok bariz böyle öne çıkan bazı LLM'ler var. Eee mesela bence Needle in Haystack'te hani birkaç farklı e kategoride değişiyor ama e benim gözlemimde Google'ın modelleri inanılmaz derecede başarılı. Eee onun dışında da yani çoğunlukla gördüğüm araştırma gerektiriyorsa O3 O1 eğilimli eee benchmark'lar ki DeepSeek de hakeza çok önde olduğu benchmark'lar da var ve şaşırtıcı bir şekilde creative writing gibi şeylerde de DeepSeek eee çok iyi sonuçlar getirebiliyor.
Eee bu tarz bu birazcık beni şaşırttı. Eee valla onun dışında da genellikle zaten Sonet her alanda winner yani eee spesifik dikey benchmark'larda özellikle benim dikkatimi çeken bu oldu ve de çok fazla şey bulamadım maalesef. Hani şirketler kendileri modeli yayınlarken işte bazı benchmark'lara katılıyorlar. İşte GPQA gibi eee buralardaki skorlarını paylaşıyorlar. Onun dışında bu şirketlerin performansını benchmarklayan yok mesela. Ona birazcık şaşırdım. Hani sadece bu şirketler kendileri yapıp kendileri paylaşıyorlar. Böyle bağımsız bir kurum alıp bunları tekrar tekrar döndürmüyor. Ona biraz şaşırdım. Eee orada bir gereksinim var gibi geldi. Son olarak da şeyi söyleyebilirim belki bu benchmark'lar dikkatimi çeken. Mesela bu GPQA diye bir tane benchmark seti var. Eee bu şeyi daha çok şey yapıyor. Böyle test soruları ama böyle kolayca Google'layıp hemen yanıtını bulamayacağınız zor test soruları üzerine eee giden bir model.
Mesela burada hayatında hiç duymamışsındır muhtemelen IF Pro diye bir model var mesela. Bunlar şey eee öğrenciler için eee AI yapan bir şirket. E test sonuçları için yani iyi niyetli mi bilmiyorum ama sadece hani test homework ve test üzerine eee odaklı bir şirket.
— Akademinin dostu güzel.
— Evet. Evet. Ya işte beş seçenek içinden birini seçmeli falan şeyler üzerine herhalde çılgınca bir fine tuning yaptıkları için mesela seviye olarak O1'in falan önüne geçmiş. Mesela bu benim çok hoşuma da gitti bir yandan. E demek ki hani problem spesifik fine tuning'in eee ciddi bir şekilde de gideri var hala. E biraz da onu gösteriyor. Eğer buradaki şeyler düzmece değilse, doğruysa eee biraz da tabii bakmak lazım eee bunlar nasıl bir yöntem izlediler falan diye. Ama genel olarak sevindirici geldi böyle niş bir modelin çıkıp burada başarılı olması.
Valla benim benchmark'larla ilgili aklıma gelenler bunlardı. Belki önümüzdeki hafta birazcık daha sindirirsem eee daha detaylı, daha somut şeylerle de gelebilirim.
— E geçen hafta çok ben yani çok benzer demeyeyim. Bu araştırmanın %1'i büyüklüğünde bir araştırma yapmıştım. Eee ben de şey arıyordum. Eee SQL için hangi LLM en iyidir diye aslında. O yüzden sordum sana da belli başlı köşeleri kapmış olanlar var mı? Çünkü SQL için bulamadım mesela. Var bir tane eee birkaç tane open source var. Hatta direkt SQL için eee yapılmış ama eee bu işte SOTA modellerinin hepsi, state of the art'ların hepsi geçiyor yani onları open source'ları da. Eee orada da yine Sone ve eee GPT şey çıkmıştı.
Open AI çıkmıştı.
— Ya oralarda belki seni şaşırtabilecek bir tek şey olabilir Ozan ya. Bu DeepSeek işte Coder eee gibi ya da Code Llama gibi eee şimdi bunun inference'ını bulmak da zor bu arada da hani bunu gidip nereden çalıştıracaksın ya?
— Aslında API kullanacağım zaten sisteme entegre edeceğim çünkü eee yani o doğal dille direkt SQL bir tane şey var. Eee çok karmaşık bir database var. Oraya aslında bir eee önüne bir agent yapmaya eee çalışıyorum. O yüzden baktım bu kodlamayı falan da yazmışlardı ama işte eee yani O3 geçiyor atıyorum yani O3 mini geçiyor anında onu. O yüzden çok şey olmuyor. Eee mantıklı olmuyor oraya geri dönmek. Çünkü diğer tarafı sürekli güncellemek de kolay. Kodlama tekrar ne zaman mesela update alacak onu bilmiyorsun, etmiyorsun.
— Evet. Evet. Ki bence yani ben senin probleminle uğraşıyor olsam mesela muhtemelen hani 4 be tane zorlu SQL query'sini kendim yazarım. E bunlara fiv shot veririm. Yani işte user assistant, user assistant veririm. Oradan sonra zaten her model açılıyor. Tek sorun şu: Sen de belki bunu hissetmişsindir. İşte bu önceki mesajlara bakarak örneklendirme fiv shot dediğimiz olayı eee reasoning modelleri o kadar da sallamayabiliyorlar. Mesela işte bir O3 mini kullandığınızda ya da O1 kullandığınızda hani önceki user assistant mesajlarına göre eee takip etme davranışından AI yer kopabiliyor.
E bunun olmadığı benim gördüğüm yegane AI eee açıkçası şey eee Gemini 2 Thinking. Eee mesela bu benim eee kitap çevirme eee prompt'umun olduğu bölüm. Mesela onu birazcık gösterebilirim aslında. Eee şimdi burada eee ben aslında EA'ya bir tane e kitap veriyorum. Eee ve bu kitabı bana Türkçe çevirmesini ve sesli kitap formatında çevirmesini istiyorum. Yani çok daha doğal hale getirmesini istiyorum. Yani eee yani bu bu şekilde böyle çok daha doğal olabilecek bir tonda çevirmesini istiyorum. Eee bu da geçenlerde gördüğüm bir kitaptı. Eee çünkü bunları da bir yandan eee bunu da tavsiye etmeden duramayacağım. Hatta belki bahsetmişimdir. Son yıllarda benim kullandığım en iyi app diyebilirim. 11 Reader. Eee 11 Labs'in bütün seslerini kullanabiliyorsun bedavaya. Eee ve iPhone'dan eee download edemiyorsun.
— Yoksa bir şeyi yok mu bunun? Limit falan mı koyuyorlar?
— Tamamen free. Ya ben burada sana şöyle söyleyeyim. Rahat 7-8 saat sesli kitap dinledim. Kendim sesli kitap yapıp yapıp buradan dinliyorum. Yani AI ile yapıyorum. Eee buradan dinliyorum. AI ile yapıyorum ya da çevirtiyorum beğendiğim bir kitabı. 11 Reader'a kopyala yapıştır yapıyorum. Spor'a gittiğimde dinliyorum.
— Satmak ister misin kitaplarını?
— Sana bir şey söyleyeyim mi? O kadar hoşuma gitti ki bu fikir. Sabah düşündüm şeyi gördüm.
— Link attım. 11 Labs açıkladı şeyi.
— He he. Öyle bir şey gördüm 11 Labs'te. Çünkü de satabiliyor muyuz gerçekten ya?
— Aynen. Kendi dükkanını duyurdu.
— Çok iyi.
— Spotify üzerinden de yayınlanabiliyor falan galiba.
— Abi harika. E ama ben başkalarının kitaplarını çeviriyorum da çok güzel. Onları şey yaparım. Eee yani onları eee sahipsizleştirebilirim. Yani çok aşırı zor olmaz diye düşünüyorum. Eee biraz promptlamaya bakar. Eee çok iyiymiş Ozan bu. Ben sana bir şey söyleyeyim mi? Bu benim için bir dream job. Çünkü ben bunu yaparken çok eğleniyorum.
— Evet. Güzel bir şey. Hani eee side project olarak gidebilecek bir şey.
— Ya bunu çok da güzel scale edersin biliyor musun? Daha ben bugün bununla uğraştım ve canavar bir prompt yakaladım yani. Ama şey yapıyor. Eee yani Türkçede süper çalışıyor. Eee tabii bunu gidip de yani Türkiye pazarında büyük bir şeyler yapılabilir burada. E bir bakmak lazım. Telif falan çok sorun değilse eğer. Eee bugüne kadar yazılmış bütün popüler eee business kitapların hepsini eee çok okunur bir Türkçeye çevirebilirim. Bayağı da eğlenceli olur. Çok güzelmiş. Evet.
— Bu SQL tarafında da eee dediğin doğru abi ama işte çok karmaşık bir yer olduğu için çok fiv shot'la da çözülmüyor problem. Çünkü yani datanın büyüklüğü aslında şeyden geliyor. Çok boyutlu data. Atıyorum bir tane eee şey table'da 77 kolon falan var. Yani onu nasıl açıklayacaksın, ne yapacaksın, doğrudan doğru alacak mı, almayacak mı gibi problemler var. Bir de komple join'le çalışan bir eee sistem. Hatta birden fazla join, hatta işte içeride sanal table tanımlayıp ondan sonra join'le falan çalıştırabildiğin sorular var işin içinde.
Orada şunu düşündüm. Yani ilk eee sorguları hep ayrı ayrı yine reasoning modellerle oluşturup belki ayrı ayrı sorgular oluşturup ya da birden fazla sorgu oluşturup sonra o sorgunun kontrolünü ya execution kontrolü yapacağım. Yani direkt SQL'in bir API error ya da bir sonuç döndüreceğim. Doğru düzgün bir tablo ya tabloyu yapacağım.
— O da çok mantıklı bu arada. Sonuçta hatayı görecek. Hataya göre yani yapıcı olursa daha iyi olur.
— O tarz bir şey olabilir. Son olarak ben de şu multimodel'lardan bahsedeyim. Hiç ekranımı paylaşmama da gerek yok. Eee Luma AI'ın şeyi çıktı. Eee video to audio diye bir şey çıktı. Eee burada artık videoyu oluşturduğunuzda direkt videoya uygun eee sesi de kendisi oluşturuyor. Mesela piyano çalan birini yaptığınızda aslında ona uygun eee piyano tonunu da arkasına koyuyor. Ya da işte bir sahilde deniz kıyısı yaptıysanız dalgalar kenara vuruyorsa onun sesini de ekleyebiliyorsunuz. O bayağı güzel eee oldu. VO2 çıkmıştı zaten geçen haftalarda.
— Evet. Sen video AI'larıyla daha ilgilisin bana göre. Ben dışarıdaki bütün AI'ları göz ardı ediyorum maalesef.
— Ya çok eğlenceli bir alanmış. Ben de yavaş yavaş yani bir arkadaşımın da eee şeyiyle gazlamasıyla aslında girdiğim de bir yer yani desteğiyle. Eee valla çok eğlenceli. Bir şeyler generate etmesi bir kere çok eğlenceli. Eee her seferinde eee başka bir şey peki oluşturmaya çalışıyor. O can sıkıcı olmuyor mu mesela? Abi olmuyor. Çünkü işin eee biraz şeyini anlaman gerekiyor. Bana hep çok kreatif bir iş gibi geliyordu ve ben kreatif işler hani benim hem iyi olduğum işler değil hem de evet birazcık sıkıldığım şeyler oluyordu.
O süreçler eee o yaratım sancısını sevmiyorum yani. Ama bu onu tamamen ortadan kaldırdığı için ve biraz daha analitik düşünceyi aslında işin içine sokuyor. Yani sen bir prompt yazdığında işte şeyi yavaş yavaş anlayabiliyorsun. Abi clink'te bunun şurası olmaz. Çünkü onun eee muhtemelen o fiziğini anlamayacak. Bunun fiziğini anlaması için şöyle bir yöntemle mesela şey eee gibi bir şey yapmıştık. Böyle eee bir şeyi hareketlendirmeye çalışıyoruz. Tamam mı? Başka bir iş için işte orada bir eee animasyon gibi bir şey yapacağız. Bir mobilya dönüşecek atıyorum. Tamam mı? Ya bunu yazıyorsun. Bir de işin garibi ve aslında güzel olan tarafı yine aynı prompt'tan o kadar fazla farklı şeyler çıkıyor ki yani şey alanı elemlere göre çok daha geniş yani olasılık dünyası.
— Aynı promptta aynı modelde tekrar tekrar sorduğunda mı farklı çıkıyor? Aynı prompt farklı modellerde mi farklı?
— Aynı prompt, aynı platformda, aynı modelde yaptığında bambaşka sonuçlar çıkartabiliyor.
— Çok iyi bir şey değil yani o kullanıcıların olması için aslında yaratıcılığı arttırması için olasılıkları arttırması için çok güzel bir şey. Çünkü bu sefer çok kısıtlı kaldığında da eee yani hani iyi senaryoda evet iyi bir şey elde ettikten sonra bunu replicate edemiyorsun ama kötü senaryoda sürekli kötüde kalma eee olasılığın var bu zamanda eee bu sefer de ya bir onu birazcık sınırlamayı öğrenmenin eee şeylerini bulmak gerekiyor. Bazen işte aynı promptu yazdığında bozulduysa bir öncekine benzetecek hareketi de yapman gerekiyor. Ya da işte ya baktın mı Ozan seed seed muhabbeti var ya işte seed integer'ı veriyorsun hani yakın bir seed ver image generation'da var o mid journey'lerde falan.
Eee o tamamen yani mid journey zaten artık sanırım orayı bayağı lead ediyor. Çünkü inanılmaz görseller eee çıkıyor eee mid journey'den ve bir de şey yapabiliyorsun. Board board abi eğitebiliyorsun mid journey'ni. Eskiden eee sanırım ya eskiden dediğim muhtemelen 1 buçuk ay önce hesabını işte işte 1000 generation'da, 10.000 generation'da falan hakikaten de her şey tamamen senin tarzına falan geliyor. Zaten beğeniyorum, beğenmiyorum falan da görüyorsun. Şimdi board açabiliyorsun Mid Journey'de ve o board'un bir şeyi var. Eee stili var aslında. O yüzden şey yapıyorlar ya. Bayağı orası bambaşka. AI'ım var ya o kadar dışındayım ki yani ben bir ara bir baktım ideogramı buldum o ara işte ya dedim ideogram RAX çok iyi falan dedim ben bunları takip ederim ben buradan giderim artık dedim.
O gün bugündür de ilk işim düşünce ideogramdan cidden iyi diyorum yani ama şey profesyonel olarak bu işi yapanlar için ya ben Mid Journey'den bir video modeli falan da beklerdim bu arada hani küçücük stüdyo bir anda ortalığı yaptılar ama eee bizim bir arkadaş çok takip ediyor onların ofis arzlarına falan da giriyor eee online şeylerine. E adam zaten biraz çok havalı bir adammış yani biraz burnu havada. Abi 10 kişi mi ne zaten adamlar havalı olsun ne olsun yani hani 10 kişiyle geldiler bütün dünyanın hani odaklandığı alanda liderlik elde ettiler falan.
— Evet. Ve imaj tarafında çok novel bir yaklaşımları olduğunu düşünüyorlar ki öyle zaten. O yüzden hani yani çok iyi yapmayacağı bir yere girmeyecek gibi eee görünüyor ama belki bir noktadan sonra eee tabii ki girebilir yani oraya da. Yani o girmeyecek de kim girecek diye düşünüyor hakikaten de insan.
— Evet. Evet. Gerçekten öyle. Vallahi ben de uzun süredir takip etmiyordum. Bir bakayım. Ya benim şu an ana focus LLM ondan sonra audio generation. O da süper bir alan. Ya bu arada şu 11 Reader'ı lütfen kurun arkadaşlar. Mükemmel bir uygulama. Yakında benim e kitaplarımı da muhtemelen oradan satın alabileceksiniz gibi bir şey.
— Sen oraya koy da ben oradan dinleyeyim bari senin kitabını.
— Vallahi sana bir bugün ne yaptım biliyor musun? Direkt yani bayağıdır dinlemek istediğim birkaç kitap var. İşte Venture Deals'ı okumaya çalışıyorum bu ara. Ya mesela ben alıyorum önce İngilizce olan kitabı. İşte Think Buddy'de biraz e chapter chapter Gemini 2 Thinking'le şey yapıyorum. Eee toparlatıyorum yani bir çevirtiyorum. Sonra alıyorum bu çevrilmiş Türkçe metni. Grok 3'e atıyorum. Grok 3'te stilini birazcık daha yumuşatıyorum. Tamam mı? Sonra gidip Think Buddy'deki mesajımı editliyorum. Yani sanki Gemini 2 Thinking o editlenmiş haliyle cevap vermişçesine. Sonra bir sonraki chapter'a atıyorum. Bir sonraki chapter'a atıyorum. Bir yerden sonra oturuyor artık eee çeviriler. Sonra bunları alt alta toplayıp 11 Reader'a atıyorum. Kulağıma takıyorum. Bugün mesela hani kitap okuyamıyorum ben yani bayağıdır.
Bilmiyorum sen ne kadar okuyabiliyorsun ama son yıllarda hepimiz için süper zor bir challenge haline geldi. Yani Instagram, TikTok dünyasında hani ben ikisini kullanmama rağmen eee attention'ım bayağı düşmüş.
— İşte abi birazcık işle de alakalı yani nereye zaman ayırmak istediğinle alakalı da.
— Aynen öyle. Bugün taktım mesela kulağıma scooter'la eee bayağı bir 2 saat falan gittim. Yani hem kulağımda bir şey aşırı derecede sarıyor hem de sıkılmıyorum ya bir yandan da böyle yolda hareket halinde olduğum için falan. Dedim tamam ben buldum buradan sonra kitap artık okuyabileceğim. Yani eee seri bir şekilde kendi ebook'larımı yapmaya başlamıştım ki sen bana bu linki attın. Eee yakında 11 Labs'in eee en popüler Türkçe kitap sağlayıcısı.
— Creator partileri Türkiye'den ilk.
— Aynen. Ama şey source kitapları lütfen kimse çaktırmasın. Biraz içeriğini değiştirip koyacağız. Aa güzel vallahi. Eee eğlenceli bir haftaydı. Eee biraz da her şeyin hızlı geçtiği bir hafta. Şu Sonet'le ilgili eee güncellemeleri biraz takip ederiz sanırım önümüzdeki haftaya kadar. Eee güzel use case'ler getiririz. Yani bence her hafta şey yapabiliriz. Böyle ilham verici internette bulduğumuz güzel örnekler hem insanı biraz üretmeye de gazlıyor hem de neler yapılabildiğini de görmüş oluyorsunuz. Eee belki biraz daha onlarla eee geliriz diye düşünüyorum. Sorulara bakıp isterseniz yavaştan eee kapatalım.
— Hemen bakalım. Eee.
— Aynen. O Ufun dediği Jül Sezer'in dediği 3D programını AI'dan aldığı kodu yapıştırmış sanırım. Bana da öyle gibi geldi ama gene 8K tokuna sığar mıydı?
— Yok. O şeyi diyor muhtemelen. Eee bizim yaptığımız şehir var ya oradaki 3D'yi vermeyi beklemiyordum dedi. Biz öncesinde ona daha böyle şey.
— Arkada bir GTA'da yaptığını iddia eden bir adam vardı ya.
— Ona değil. Ona değil. O ilgili olduğunu düşündüm. Ona bir bakacağım ama ya şey eee o Twitter bana bir gönderirsen Discord'dan sana bir şey söyleyeyim. Şu an piyasa öyle bir noktaya geldi ki herkes her şeyi yapabiliyor ya. Şey olmuş artık hani ben de bununla bunu yaptım deyince kimse gerçekten yaptın mı diye de çok sorgulamıyor ya. Öyle bir ortam oluştuğundan ötürü ortaya da sallanmış olabilir. Eee Sonet 3.7'yi ben sadece kendi kişisel asistanımda denedim. Cursor'daki eee benim tasklarımı önceliklendiren Yiğit'in çobanı dediğimiz eee üründe. Eee orada yani çok hissetmedim açıkçası farklılığını.
Eee ama bir coding projesi bu hafta kesin yaparım. Eee öyle gözüküyor. Ben de SQL tarafında eee 3.7 ile bir çalışacağım. Bakalım. Eee sen orada bir fiv shot'ta aslında fiv shot fiv shot gidip Ozi sonda da bir de thinking açsan Sonet'le muhtemelen eee hele ki bir de şu dediğin agent mantığını yaparsan o feedback'leri geri beslemeli falan yaparsan efsane bir şey olur herhalde yani. Bakalım. Eee onun için de bu arada birkaç güzel yeni şey çıkmış. Paslaşırız. Asistan da bahsedeceğim sana. Kitlemeyeyim programı. Eee vallahi onun dışında da sanırım sorumuz yok. Murat kusura bakma sesim umarım yayın boyunca patlayarak gelmemiştir.
Ha yok bana iyi geldi ama süper zaten s'leri süper söyleyemiyorum. Bir de s'lerimle patlatmayayım burayı. Eee teşekkür ederiz güzel yayın dilekleriniz için. Bir yayınımızın daha sonuna geliyoruz. Eee kendinize iyi bakın. Bir sonraki yayında görüşmek üzere. Eyla kalın. Hoşça kalın. Hadi bay bay. Görüşürüz.
— Uh, is this the third or fourth one, Ozan?
— I’m not counting. Counting just makes it harder. If I track it, I start feeling like, "Ugh, that’s enough."
— But somehow, we’re staying consistent. Knock on wood. It’s a busy week, unlike the last one. I’ve got a lot to cover. We’ll dive into a spontaneous intro again. The biggest headline this week is... Probably Sonnet 3.7. I think you’d agree. For the beginners: it’s the latest generation from Anthropic. We had 3.5 version 2 before. Now, we have Sonnet 3.7.
— This is the first one, right? The first hybrid model. It does reasoning and short answers.
— Yeah, exactly. Even if it’s not on paper. I read somewhere it’s based on 3 Mini or 4o Mini. Since every reasoning model has a foundation model, it’s basically the same logic.
— It doesn't work like that. When you prompt O3, it forces the thinking process. It might be brief, but it still does it.
— Right. You mean it can decide for itself, right?
— Exactly. Yeah, exactly.
— True. I’ve been using ThinkBody for a while. I actually canceled my Sonnet sub. But this brings me back into the game. Let’s run a few prompts for those who haven't tried it. So, what are we doing?
— People say the OneShot code is great. Most examples I see are for OneShot code. Some people are even building games with it.
— Yeah, totally. OneShot is producing some wild results. People are mostly talking about the artifact features.
— Yeah, exactly.
— Look, someone made a 3D city with one prompt. We should test that. Let's try: "Write a prompt to generate a 3D city using JS libraries." We need details to model New York. Let's expand our prompt first. These Anthropic model capabilities are pretty fun.
— Great start. I love it. Diving right in and getting our hands dirty.
— This is getting exciting. Nice. Whoa, it gave us Brooklyn and Manhattan separately. That’s a bit of a flex.
— A bit much.
— Was all that really necessary? It’s just one line of info. Let’s try two versions. One over-prompted and one human-style.
— Yeah, keep it simple.
— Let’s look at the simplified version. It really leaned into the deep research'ü. It’s super detailed. We’ll use it anyway. Since the prompt is long, it came as an attachment. That’s fine. Let’s use artifact to trigger that section. I didn’t enable thinking, right? Just standard. Let’s see what happens. This tests the model's skills. Let’s also run the detailed prompt with thinking enabled. Let’s go with extended. I’ll turn off the style setting. It was left on. Let’s see the output. We’ll also run the simplified prompt twice. Once with thinking and once standard.
Let's use artifacts to build. We set up our scenario. Okay. We'll also use extended thinking. Let's benchmark it from our perspective. What do we have? A massive prompt written by Anthropic with extended thinking. We want it built with artifacts. Let's see what happens. I don't expect anything mind-blowing. But the libraries it imports might be impressive. The functions are starting to roll in. Manhattan island, Brooklyn, grid, crazy.
— Can it actually do this with artifacts?
— Honestly, it feels like a show. Let's see. We sent four prompts. One should work. That's what I think. Based on what this guy did.
— Are we sure this is an artifact? This isn't an artifact. Trust me. He just had it write and run the code.
— Oh, I wonder why. Yeah, they built this in Cursor. Makes sense.
— Exactly. They wrote it straight in Cursor.
— Maybe it's a JS build. Mine is more ready-made. It uses Vanilla JS. We'll see soon. Both models keep writing. Let's check the model benchmarks. I don't see a separate thinking benchmark here. Unlike other models, it's missing. That's interesting.
— I didn't get that either. It felt way behind. It's a new model. It shouldn't trail 2.0 Flash.
— Yeah, Grok 3 leads the foundational models. I used Grok a lot this week. I really leaned into the deep research and deep search features. Maybe we'll pivot there after the Anthropic stuff. I needed a benchmark analysis report. For different AIs. To use in ThinkBuddy. I had ChatGPT, Grok, and Perplexity run these analyses. I wanted to test their deep research capabilities. Then I merged them with Gemini 2 Thinking. To create unique benchmarks. I use this for the ThinkBuddy prompt router. When you ask a question, it routes it. Should it go to Sonnet or 4o for algebra?
It shouldn't just look at math broadly. It needs to evaluate algebra and geometry separately. I tried to find the top-performing models for every specific benchmark sub-category. This is just one model. I think there are 48 benchmarks here. A human couldn't research this manually. Deep research helped me make huge progress.
— Did you do that in ChatGPT? I used it there, as far as I know. Did you use deep research for both Grok and ChatGPT?
— Exactly. I also used Gemini's deep research. It was terrible. I gave up on it.
— Gemini is honestly terrible.
— Exactly. It’s really bad.
— They’d be better off without that research module.
— Give me 30 minutes and I’ll crush it. It’s so slow, too. It hangs constantly. You have to keep refreshing. It’s wild that Google has all this data but built such a weak agent.
— They’ll get there. Their time will come. I actually trust Google now. I really do. Opening up AI Studio and giving people access was a brilliant move. Yeah, I think we’ve saved enough time. Let’s look at these prompts.
— Let's see if it works.
— Let's check. The preview didn't even load.
— It didn't show up.
— It hit a limit due to message size. Naturally. Same issue again. Ah, finally. Okay, this was our soft prompt. Not bad at all. Look, there's Central Park in the middle.
— It's even zooming in.
— Yeah, yeah. Very successful.
— Let's hit the streets. Grab a coffee. Do something.
— Let me take a look.
— Check it out.
— Looking at it now, it’s actually nice. It’s perfectly flush. It looks super clean. I don't know how they did it. The way these skyscrapers cluster in zones is cool. Look, they even added signature tops to those two towers.
— Yeah, exactly.
— That’s a pretty interesting touch.
— Yeah, it did its thing. It pulled it off.
— Exactly. The bridge details are super original. Pulling this off on the first try is impressive.
— It mentions Street View or something similar.
— Right, that’s probably in the perspective preset.
— It’s pulling data and explaining things.
— It’s interesting. Getting this on the first try is impressive. People really liked the detail. They found the model's output high quality. Our thinking model caused an issue again. Let's get that solved too.
— Was the previous one the 3.7 standard?
— We were previewing the 3.7 standard. It had thinking enabled. The other model was super detailed from start to finish. It got a bit heavy. Let's simplify this. Let's try to fit it under 3K or 4K tokens. That token limit might not be the best prompt for the AI. But let's roll with it. Let's try to see the details here anyway. Honestly, the user feedback is super impressive. I haven't built a code project with Sonnet 3.7 yet. Just a few things.
— They built a web-based code assistant, right? Something called Cloudy code?
— Yeah, yeah, yeah. They built something new for the CLI. I don't think it's live yet. Or maybe I haven't poked around enough. Let's check out Claude's latest blog post. That should give us more info. Okay, it's a research preview for Claude Code. It looks like a competitor to Replit and Cursor. But it's CLI-based. Let's check the launch video. That will be clearer. This is interesting. You go to your project folder. You type "Claude." A CLI tool pops up. Then you just type your prompts right in there.
I'm honestly surprised. I wasn't expecting this at all.
— So you can work on your codebase with this. Or just handle all your terminal tasks.
— Yeah, it's an agent. Exactly. You can offload all your terminal work. You're right. My bad.
— It works great with SQL and stuff.
— I use it for my Todo app in Cursor. I gave it a full profile. I shared my strengths, weaknesses, and current life status. Before starting a task, I explain it to the LLM. It checks my list and keeps me on track. It tells me what I should actually focus on. It’s basically my personal coach.
— So, like a task shepherd?
— Exactly. It’s a human shepherd. I don't always listen, but it works great. I keep everything in a task.md file. I have a life.md for my status. I also have an observations.md for its notes on me. It saves its judgments there. I interact with this setup via the Cursor chat. Maybe try this with Cloud Code. That could be pretty impressive. It’s an interesting approach. I was surprised they built a CLI product.
— Yeah, they took a different angle. It’s something else.
— It is surprising. We don't see that often. Everyone usually just copies each other in AI.
— Google jumped in too. They released a code assistant with a high free tier.
— Are you talking about Google's IDX? Is that the one?
— No, this one is brand new.
— I know that one. It started last year but didn't really take off. If Google jumps in, they'll do it right.
— Search for Google Code Assistant. Gemini Code Assistant, specifically.
— I haven't seen that one.
— It's brand new. It dropped maybe two or three days ago. Friday at the latest.
— Hmm.
— It came out last week. It's great. You get 180,000 completions for free. It's a model fine-tuned on Gemini 2.0.
— Nice. So, right now.
— It works in Cursor and stuff.
— Google's foundation models used to be bad. I would've said "meh" before. But they've improved. So.
— I still think they're bad at code. Gemini 2 was weak. Maybe the fine-tuned version is better. I don't know. I haven't seen any benchmarks yet.
— I actually tried Gemini 2 Flash in Cursor. It's super fast. I could iterate really quickly. That's why.
— Get an error, write, get an error, write.
— Exactly. Since we can't use Cursor's agent mode, we're stuck with O3, 4o, and Sonnet. That's been a bit of a pain. People keep highlighting the model's perceived quality. They're raving about the code quality and the output. I wouldn't trust the benchmarks too much. This doesn't seem real. It feels like a total exaggeration. I can't believe this. It's not very realistic.
— It wrote it in 17 minutes.
— Honestly, this feels fake to me.
— Yeah, you're right.
— What is this?
— It’s an 8K auto token. JavaScript doesn’t have a game engine like this. Not like Unity. Maybe they wrote a great prompt. They probably pulled the full codebase.
— Still, it’s 8,000 tokens. Considering the output limit, that’s a lot.
— I don’t think it’s that convincing, honestly.
— It won't amount to anything. Without the background details and scenery, I’d buy it. But this feels fake to me. Still, these models evolving is useful. It pushes products like Polymath forward by leaps and bounds. If you have a product built on these agents, it upgrades automatically. That’s a huge win. I saw similar progress with Bolt. The new Bolt running on 3.7 should produce some unique stuff. Bolt has been crushing it lately. This Dynamic Reasoning update is a first for Bolt. I'm curious to see what they do next.
— Someone mentioned they trained Claude 3.7 really well on UX cases.
— Yeah, Anthropic is becoming the gold standard for coding LLM'leri.
— They have an Apple-like approach to this.
— True. I'm not a huge fan of the Sonnet 3.7 feel. But I'm really into Grok 3 lately. We've done some great work with it. The dialogue and communication feel very natural. It handles Turkish really smoothly. The translations are top-tier. The style feels incredibly human. It's a huge success. I hope the API drops soon. It will be a game changer once it hits code editors. I hope Elon Musk isn't too stingy. I suspect Cursor and Windsurf have special deals with Anthropic. Anthropic is likely subsidizing these LLM'leri to gain market share. They’re probably giving these companies a sweetheart deal.
Otherwise, it’s not sustainable. Even at 20 bucks, it’s barely sustainable.
— It’s the most expensive one right now.
— Yeah.
— Except for the top-tier models like O1 Pro. Even 3.7 is way pricier than the rest.
— The output token cost for Claude is a total ripoff. I checked out the competition, like T3 Chat, and their pricing too.
— It’s 15 bucks, man.
— They were crying about it too. Their daily cloud costs are around 1,000 bucks. It’s not easy. But people are getting their money's worth for code projects. Code is the most valuable text output from an LLM. Financially speaking, it’s still worth the price. For the cloud, that’s my take on 3.7. I want to talk about benchmarks now. Ozan, should I pass it to you, or keep going?
— Let’s dive straight into the benchmarks.
— Awesome. I’ve been analyzing these deep research tools by provider. ChatGPT, Perplexity, Grok, and Gemini all have products. My gut says ChatGPT’s O3 mini-based deep research is still number one. I got way more detailed outputs. I wanted an analysis of every benchmark's subcategories. Take MMLU. It's one of the most popular benchmarks out there. My goal was to see model performance by category. For example, Gemini 2 Flash might match Sonnet in biology. But it clearly outperforms in business or lags in chemistry.
These minor differences really matter in practice. It needed to read papers and understand benchmark details. It had to perform deep research. Good info on this is hard to find. You can't find this without digging through massive PDFs. It's tough to find solid info online. You have to check model cards. That's how you see the inner workings of LLM'lerin. They show more detailed approaches to benchmarks. Did I need to analyze based on those for my use case? I researched every benchmark in the world. I'd easily use OpenAI for this.
The only issue is the 100-message monthly limit on Plus. I burned through that immediately. That was a bummer. OpenAI doesn't even show your remaining limit. Once it's gone, it stops doing deep research. That feature felt a bit weird to me. I’d easily put Grok in second place. Grok’s deep research was pretty solid. OpenAI started rolling out deep research to Pro accounts too. I’m sure the Grok effect played a part there. They offer a totally free product. Most people don't know this about ChatGPT. They’ve integrated deep research with operators. It can open a page directly in a browser. It pulls info right from there.
That’s a huge plus. It navigates pages and takes action. Say you want baby carrots from an e-commerce site. It can go to the vegetable category. It can even apply filters for you. You can use it for deep analysis. Maybe you want to compare prices. It’s not just a classic Bing search. It doesn't just scrape the top results. That’s a major advantage. I built something cool with this over the weekend. It’ll be super useful for me. I want to create content based on benchmarks soon. I plan to use it for that.
— You’ll be writing some stuff there too.
— Yeah. I've seen benchmarks around for a while. I hadn't dove in deep yet. I found some downtime to look into them. I grouped them into categories. There's coding and math. Some benchmarks focus on non-English content. That's huge for non-English speaking countries. Style benchmarks really caught my eye. They usually focus on specific traits. LLM outputs can be too consistent. People criticize ChatGPT for this. It feels robotic. It's too structured and stiff. That's where these style benchmarks come in. Take Clan Bench, for example. It tests how conversational an LLM is. It measures how human the dialogue feels. I also found this interesting EQ bench recently.
If you're choosing LLM'leri for specific use cases, check it out. EQ bench ranks them by emotional intelligence. Sorry about that. There are also benchmarks for creative writing. Can it hit the target length? It scores vocab and other criteria. I didn't know these niche benchmarks existed. I really love that level of detail. I can group them this way. There are standards. There are benchmarks for hallucinations and accuracy. Many of these are created by companies. OpenAI, for example, has many benchmark techniques. Simple QA is one of them. It shows how accurate they are. I really liked that. I thought we could do this at Zeo too. Industry-specific benchmarks. A company called Vals AI finds the best LLM'leri for corporate finance.
They find the best LLM'leri for corporate finance. They weighted specific topics. They combined the outputs based on accuracy, latency, and cost. They shared the results. I worked on these a bit. I really want to create these types of benchmarks. It was very useful for me. I'll share it with you, Ozan. Maybe we can look into creating sector-specific benchmarks.
— When you digest all of this. How do you see the current status of the models?
— Good question. I wish there were more of these. There are cases where you can say this LLM is perfect for this problem set. It happens. Especially in long context benchmarks. For example, there is a benchmark type called Needle in a Haystack. It's a benchmark for finding details in long texts. It's basically the needle in a haystack test.
— Exactly. Exactly. Exactly.
— There's also the bug in the code stack test. They're pretty similar. They hide a bug in a massive codebase. It tests if LLM's can spot the bug. It measures their attention span as the code grows. Some LLM's really stand out here. Needle in a Haystack has a few categories. In my experience, Google's models are incredibly successful. For deep research, O3 and O1 are the go-to benchmarks. DeepSeek is also leading in many benchmarks. Surprisingly, DeepSeek performs great in creative writing too.
That actually caught me off guard. Otherwise, Sonnet is the winner in almost every field. That's what stood out in specific vertical benchmarks. I couldn't find much else. Companies usually just cherry-pick benchmarks when they release models. They share scores like GPQA. But nobody benchmarks these companies. I’m actually surprised by that. They just test themselves and publish the results. No independent body is running these tests again. That surprised me. There’s a clear need for that. One benchmark caught my eye. It’s called GPQA. It uses tough test questions. You can’t just Google the answers.
You’ve probably never heard of a model called IF Pro. It’s a company building AI for students. They focus strictly on homework and test prep. I’m not sure if their intentions are pure.
— A friend to academia. Nice.
— Exactly. They probably did some crazy fine-tuning for multiple-choice questions. It actually outperformed O1. I honestly love that. It proves problem-specific fine-tuning still has real value. It shows what’s possible. Assuming these results aren't faked, we need to check their methods. Still, it’s great to see a niche model succeed like this. That’s my take on benchmarks for now. I’ll digest this more next week. Maybe I’ll have more concrete insights then.
— I did a similar study last week. Well, maybe 1% of this scale. I was looking for the best LLM for SQL. I wanted to see if any models really dominated that space. I couldn't find a clear winner for SQL. There are a few open-source options. But the SOTA models outperform them all. It really just came down to Claude and ChatGPT. OpenAI, exactly.
— One thing might surprise you, Ozan. Models like DeepSeek Coder or Code Llama. The inference is tricky, though. Where would you even run those?
— I’ll use an API for the integration. I’m building an agent for a complex database. I checked out those coding models. But honestly, o3 mini just crushes them. It doesn't make much sense to go back there. Updating the other side is easy. You never know when the code will get an update.
— Exactly. If I were dealing with your problem. I’d write four or five tough SQL queries myself. I’d use few-shot prompting. Just feed it user-assistant pairs. Every model opens up after that. The only issue is this. You might have felt it too. Reasoning models sometimes ignore few-shot examples from chat history. When you use O3 mini or O1. The AI can lose track of previous user-assistant messages. The only AI that handles this well is Gemini 2 Thinking. I have a prompt for translating books. I can show you that part. I feed the AI a book.
I want it translated into Turkish for an audiobook format. I need it to sound natural. I want that specific, natural tone. I saw this book recently. I have to recommend this. It’s the best app I’ve used in years. It’s 11 Reader. You get all 11 Labs voices for free. You can’t download it on iPhone yet.
— Does it have any limits? Or are they capping it?
— It's totally free. I’ve easily listened to 7-8 hours of audiobooks. I create them with AI and listen here. I use AI to translate books I like. I copy-paste into 11 Reader. I listen while I'm at the gym.
— Want to sell your books?
— Let me tell you something. I love that idea. I thought about it this morning.
— I sent you the link. 11 Labs just announced it.
— Haha. I saw that on 11 Labs. Can we really sell it?
— Exactly. They just launched their own marketplace.
— That’s huge.
— I think you can even publish to Spotify.
— That’s incredible. I’m already translating other people's books. I could easily adapt those. It shouldn't be too hard. It’s just a matter of prompting. Ozan, this is genius. Let me tell you something. This is a dream job for me. I have so much fun doing this.
— Yeah. That’s cool. It could definitely be a side project.
— You could scale this really well. I worked on it today. I nailed a beast of a prompt. It works perfectly in Turkish. You could build something huge for the Turkish market. We should look into it. If copyright isn't an issue, I could translate every popular business book into readable Turkish. That would be fun. That’s a great idea.
— You're right about the SQL side. It’s complex. Few-shot prompting won't solve it. The data is massive and multidimensional. Some tables have like 77 columns. Explaining that is tough. You have to decide what to include. The system relies on complex joins. Sometimes you need multiple joins or virtual tables to get the right answer. I’m thinking of using reasoning models for the queries. Maybe generate multiple queries first. Then I’ll handle the execution control. I’ll just return the API error or the final result.
I'll build a proper table.
— That makes total sense. It sees the error. It’s better if it’s constructive.
— Something like that could work. Let me mention these multimodel tools. No need to share my screen. Luma AI just dropped a video-to-audio feature. Now, when you generate a video, it creates the matching audio too. If someone plays piano, it adds the piano track. If you have waves hitting the shore, it adds the sound. It’s pretty cool. VO2 came out a few weeks ago.
— True. You’re more into video AI than I am. I ignore most other AI tools, unfortunately.
— It’s such a fun field. A friend pushed me to get into it. It’s really fun. Generating stuff is a blast. It tries to create something new every single time. Doesn't that get boring? Honestly, no. You just have to get how it works. I always thought it was purely creative. Creative work isn't my strong suit. I usually get bored with it. I hate the creative struggle. This removes that entirely. It brings analytical thinking into the mix. When you write a prompt, you start to get it. You realize, "Hey, this won't work in the CLI."
It won't grasp the physics of it. To make it understand, we used a specific method. We were trying to animate something. We needed an animation for another project. Say, a piece of furniture transforming. You just write it out. The weird and cool part is the variety. You get so many different results from one prompt. The world of possibilities is huge.
— Do you get different results by asking the same prompt repeatedly? Or is it different models?
— You can get totally different results. Even with the same prompt, same platform, and same model.
— It’s not ideal. But it boosts creativity and opens up possibilities. If you’re too restricted, you can’t replicate good results. In the worst case, you’re stuck with bad output. You have to learn how to set the right limits. If the same prompt breaks, you need to nudge it toward the previous version. Have you checked out the seed stuff? You provide a seed integer. It’s common in image generation like Midjourney. Midjourney is leading the pack. They produce incredible visuals. You can even train your own Midjourney. A month or so ago, after 1,000 or 10,000 generations, it adapted to your style.
You see the like/dislike buttons. Now you can create boards with specific styles. It’s a whole different world. I’ve been out of the loop, but I found Ideogram. I thought, "Ideogram is great, I’ll stick with this." I still think Ideogram is solid. But for pros, I expected a video model from Midjourney. Small studios are shaking things up. A friend of mine follows them closely and joins their online sessions. The guy running it is a bit arrogant. But they’re only ten people. They earned the right to be cocky. They lead the entire industry with such a small team.
— They have a novel approach to images. It’s legit. They won't enter a space unless they crush it. But they might pivot eventually. Honestly, if they don't do it, who will?
— Exactly. I haven't tracked them in a while. I should check. My focus is LLM and audio generation. That field is fire. Everyone, please install 11 Reader. It's a perfect app. You'll probably be able to buy my e-books there soon.
— Just put them there. I’d rather listen to your book.
— Guess what I did today? I have books I’ve been meaning to finish. I’m reading Venture Deals right now. I grab the English version. I use Gemini 2 Thinking to summarize it chapter by chapter. I get the Turkish translation. Then I feed it to Grok 3. I soften the style a bit. Then I edit my prompt in Think Buddy. It’s like Gemini 2 Thinking wrote it that way from the start. Then I jump to the next chapter. The translations start to click after a while. I stack them up and drop them into 11 Reader. I put my headphones on. I haven't been able to read books lately.
I don't know how much you read. It’s become a huge challenge for all of us. Even though I don't use Instagram or TikTok, my attention span has really dropped.
— It’s partly work-related. It’s about where you choose to spend your time.
— Exactly. I put my headphones on today while riding my scooter. I rode for two hours. It’s super engaging. I don't get bored because I'm moving. I realized this is how I’ll read books from now on. I had started making my own ebooks when you sent me that link. Soon, I’ll be the top Turkish book provider for 11 Labs.
— The first creator partner from Turkey.
— Exactly. Keep the source books on the down-low. We’ll tweak the content before posting. That’s great. It was a fun week. Everything moved so fast. We’ll keep tracking those Sonnet updates until next week. We’ll bring some cool use cases. I think we should do this every week. Sharing inspiring examples motivates people to build. It shows everyone what’s actually possible. I think we’ll come back with more of those. Let’s check the questions and wrap things up.
— Let’s take a look.
— Right. Ufun mentioned that 3D program. He probably pasted code from an AI. That’s what it looked like to me. But would it even fit in 8K tokens?
— No. He’s probably talking about that other thing. He didn't expect us to provide that 3D model. We were more focused on that earlier.
— Remember that guy claiming he did it in GTA?
— Not him. I thought he was relevant. I'll check him out. Send me that Twitter link on Discord. The market is wild right now. Everyone claims they can do everything. People don't even question if you actually did it anymore. It might just be hype. I only tested Sonnet 3.7 with my personal assistant. It's the product I call Yiğit's Shepherd in Cursor. It prioritizes my tasks. Honestly, I didn't feel much of a difference there. I'll definitely do a coding project this week. I'll test 3.7 with SQL. Let's see. If you use five-shot prompting and enable thinking in Ozi, it should be insane. Especially with that agent logic and feedback loops.
Some cool new stuff dropped for that. We'll sync up. I'll tell you about the assistant later. Don't want to hog the show. I think that's all the questions. Sorry if my audio was peaking, Murat. It sounded fine to me. I can't even pronounce my S's well anyway. Thanks for the kind words. That's a wrap for this stream. Take care, everyone. See you in the next one. Stay tuned. Take care. Bye for now. See you later.
This transcript was generated using AI speech recognition and verified against subtitle style rules.