AI Talks by Zeo (Bölüm 1)

— 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.