Bu kadarını her teknoloji sitesi yazdı. Benim için asıl haber başka yerde. Bu açığı bulan araştırmacıların elindeki asıl araç bir yapay zeka modeliydi. Yama ile saldırı arasındaki süre son yıllarda haftalardan günlere indi. Ve baktığımız KOBİ sitelerinin önemli bir kısmı, PHP'nin artık yeni sürüm çıkarmadığı eski sürümlerde çalışıyor. Üç cümle, üç ayrı tez. Sırayla gidelim.

Yıllardır bilinen bir hata neden şimdi bulundu?

İlk hatayı güvenlik firması Calif'te çalışan bir araştırmacı, OpenAI'ın GPT-5.6 Sol modeliyle buldu. Tarih 1 Ağustos 2026. Çalışma, OpenAI'ın "Patch the Planet" programı kapsamında yürütülüyordu. Bildirim 11 Ağustos'ta PHP ekibine ulaştı. 18 gün sonra, 19 Ağustos'ta, Wiz aynı açığı yine yapay zeka araçlarıyla ve tamamen bağımsız olarak buldu.

İki ayrı ekip, aynı hata, aynı yöntem. Bu bir rastlantı değil, bir yöntem değişikliğinin işareti.

Calif CEO'su Thai Duong, Wall Street Journal'a verdiği demeçte dikkat çekici bir ayrıntı paylaştı: bu hata türü yıllar önce fark edilmişti. Sömürmesi zor diye bir kenara konmuştu. Yani sorun bilinmiyor değildi. Sorun, onu çalışır hale getirmenin bir insana pahalı gelmesiydi.

Güvenlik dünyasında bu tür bir birikim var. Herkesin bildiği ama kimsenin uğraşmadığı hatalar. Uğraşmak haftalar alır, sonuç belirsizdir, araştırmacının vakti daha kolay hedeflere gider. Bu hatalar silinmez; beklemeye alınır.

Yapay zeka tam olarak bu bekleme maliyetini düşürdü. "Zor" olan şey "ucuz" oldu. Yıllardır rafta bekleyen hatalar bir anda rafın en önüne geçti. Bu açık, bu şekilde bulunan ilk açık değil; son da olmayacak. Açıkların bulunma hızı artık araştırmacının sabrıyla değil, kullanılan modelin yetenekleriyle sınırlı.

Yama çıkınca neden daha güvende değiliz?

Sezgi şunu söyler: yama yayımlandı, tehlike azaldı. Gerçek şu: yama yayımlandı, saat başladı.

Duong aynı röportajda bunu açıkça söyledi. Yama çıktığı anda birileri, yamanın kendisinden yola çıkarak yapay zekayla saldırı kodu üretebilir. Yama bir düzeltmedir ama aynı zamanda bir haritadır. "Burası değişti" der. Neyin değiştiğini okuyan biri, neyin kırık olduğunu da anlar.

Eskiden bu okuma günler, bazen haftalar sürerdi. Şimdi saatlerle ölçülüyor. Bulma tarafında yapay zeka varsa, kullanma tarafında da var. Aynı araç, iki yön.

Bu olayda zamanlama daha da sıkıştı. Açığın haberi, 20 Ekim'de anonim bir Hacker News gönderisiyle ambargodan önce sızdı. PHP ekibi yayını bir gün öne çekmek zorunda kaldı. Ön duyuru ile yama arasında bir günden kısa süre kaldı. Yamanın kamuya açıldığı an ile saldırının mümkün olduğu an arasındaki fark bu kez neredeyse sıfırdı.

Bu pencere eskiden işletmelerin lehineydi. Yama çıkar, hosting firması birkaç hafta içinde uygular, kimse farkına varmazdı. O birkaç hafta artık yok. Yama uygulanana kadar geçen her gün, eskisinden daha pahalı.

Bir not: dolaşımdaki 'CVSS 10' iddiası doğru değil; resmi puan 10 üzerinden 9,2. 'Sitelerin yüzde 70'i' rakamı ise PHP'nin web sitelerindeki payından geliyor ve PHP ekibi web isteğine yanıt veren bütün PHP kurulumlarını risk altında sayıyor. Abartıya gerek yok, gerçek zaten yeterince ciddi.

WordPress güncel, site neden hâlâ açıkta?

Çoğu işletme sahibinin ilk refleksi WordPress panelini açıp güncellemelere bakmak olacak. Tema güncel, eklentiler güncel, çekirdek güncel. Rahatlama.

Yanlış yer.

Bu açık WordPress'te değil, WordPress'in üzerinde çalıştığı PHP'de. WordPress'i ya da eklentileri güncellemek bu açığı kapatmaz. Düzeltme sunucu tarafında, yani hostingi yöneten kişide. Panelden ne kadar güncelleme yaparsanız yapın, altta çalışan PHP sürümü aynı kalıyorsa sorun da aynı kalıyor.

Burada bir sorumluluk boşluğu var. Site sahibi "ben güncelledim" diyor. Hosting firması "sürümü müşteri seçiyor" diyor. Web tasarımcı "ben sadece temayı yaptım" diyor. Herkes haklı, kimse sorumlu. Açık ise bu üç kişinin tam ortasında duruyor.

Çoğu Antalya'dan 2.810 site ne söylüyor?

Bu yazıyı genel bir uyarı olarak bırakmak istemedim. 21 Ekim'de, çoğu Antalya'dan 2.810 işletme sitesinin kamuya açık sunucu yanıtlarına baktık. Sadece dışarıdan görünen bilgi, içeri girmeden. Bir tarayıcının her ziyarette zaten aldığı bilgi.

Sitelerin bir kısmı PHP sürümünü açıkça gösteriyor. Bu 458 sitenin 275'i, yani yüzde 60'ı, PHP 8.1 ya da daha eski bir sürümde çalışıyor. PHP bu sürümlere yeni sürüm çıkarmayacak. 275 sitenin 108'i 7.3 ve öncesinde; bunlar için PHP ekibinin kaynak kod yaması bile yok. Kalan 167 site ancak hosting firması yamayı kendisi uygularsa korunuyor ve bunu dışarıdan görmek mümkün değil.

Açılan 2.216 sitenin geri kalanı sürümünü göstermiyor; 492 site hiç açılmadı, 71'inin sertifikası bozuk, 31'i sunucu hatası verdi. Gizlemek doğru bir uygulama ama bizim için kör nokta. Sürümü gizlemek ile sürümü yükseltmek ayrı işler; gizleyen sitelerin güncel olduğunu varsaymak doğru olmaz. Ama gerçek oranı bu ölçümle bilemeyiz: sürümünü gösteren siteler bütünü temsil etmeyebilir ve bazı hosting firmaları eski sürüme yamayı numarayı değiştirmeden uyguluyor.

Bu ölçüm bir güvenlik taraması değil. Hangi sitenin açık olduğunu söylemiyor. Söylediği şey daha basit: PHP'nin artık yeni sürüm çıkarmadığı sürümlerde çalışan sitelerin oranı. O oran bölgenin tamamını ölçmüyor ama yönü gösteriyor: baktığımız sitelerin en az 275'i desteği bitmiş bir PHP sürümünde.

Bu sitelerin sahipleri kimler? En çok sağlık ve estetik işletmeleri, sağlık turizmi klinikleri, inşaat firmaları, oteller, mandıralar ve gıda toptancıları. Ciro yapan, müşterisi olan işletmeler. Hiçbiri sabah "PHP sürümü" diye bir kavramla uyanmıyor. Uyanmak zorunda da değil. Ama birinin uyanması gerekiyor.

Üç adımda ne yapmalı?

Teknik bilgi gerekmiyor. Doğru soruyu doğru kişiye sormak yetiyor.

1. Hosting firmanıza yazın: "Sitemin PHP sürümü kaç?" Tek cümle. Cevap bir sayıdır. 8.2, 8.3, 8.4 ya da 8.5 ise yamalı alt sürümde olduğunuzu teyit ettirin.
2. Cevap 8.1 ya da daha eskiyse yükseltme isteyin. Bu sürümlere PHP'den yeni sürüm gelmeyecek; hosting firmanız eski sürüme yamayı uyguladığını yazılı olarak teyit etmiyorsa bekleyerek düzelmeyecek. Yükseltme eski bir temayı ya da eklentiyi bozabilir. Bu riski yedek alarak, hosting firması ve web tasarımcınızla birlikte yönetin. Bozulma riski, açık riskinin yanında küçük kalır. Yükseltecekseniz 8.3 ya da 8.4'ü isteyin; 8.2'nin güvenlik desteği 31 Aralık 2026'da bitiyor.
3. WordPress güncellemesinin yetmediğini bilin. Panelde "her şey güncel" yazması sunucunun güncel olduğu anlamına gelmiyor. İki ayrı katman, iki ayrı sorumlu.

Açığı bulan taraf yapay zeka kullanıyor. Kullanacak taraf da. Ortada kalan tarafın elinde ise hâlâ 2021 ya da daha öncesinden kalma bir PHP sürümü var. Bu denklemin nereye gittiğini görmek için uzman olmaya gerek yok. Sorulması gereken tek soru şu: sitenizin PHP sürümünü bilen biri var mı?

Kaynaklar

1. PHP güvenlik duyurusu, 21 Ekim 2026: https://www.php.net/archive/2026.php#2026-10-21-5
2. Robert McMillan, The Wall Street Journal, 21 Ekim 2026 (Thai Duong demeci)
3. Wiz Research, PHP2Shell: https://www.wiz.io/blog/php2shell-php-rce
4. The Hacker News: https://thehackernews.com/2026/10/php-issues-emergency-patches-for-two.html
5. Sansec: https://sansec.io/research/php2shell
6. CISA: https://www.cisa.gov/news-events/alerts/2026/10/21/critical-vulnerabilities-php-require-immediate-patching
7. Meow Apps: https://meowapps.com/php2shell-wordpress/

Claude Code ya da Codex'te yeni bir oturum açtığınızda karşınızdaki ajan projeye dışarıdan bakar. Hangi modülü neden öyle yazdığınızı, hangi kuralın hangi hatadan sonra konduğunu bilmez. Elinde kod ve ona bıraktığınız notlar var. Not yoksa tahmin eder. Proje büyüdükçe tahminin faturası da büyür.

Geçenlerde bir geliştiricinin bu soruna verdiği cevabı okudum. Maddelerin çoğu kendi sistemimde uyguladığım düzenle örtüşüyor. Önerisinin özü şu: ciddi bir projede her modülün ve her iş akışının bir skill'i olsun. Ajan göreve başlamadan önce işin kapsamını çıkarsın, yalnız o kapsama giren skill'leri okusun. İş bitip testler geçince skill güncellensin. Büyüyen skill alt dosyalara bölünsün. Her projede gereken skill'lerle tek projeye ait olanlar ayrı dursun.

Benim sistemim Artur. Claude Code üzerine kurduğum kişisel yapay zeka işletim sistemi; 19 Ekim 2026 akşamı yaptığım sadeleştirmeden sonra 114 skill, 61 agent ve 22 MCP sunucusu var, 21'i açık. Gelen mesaj önce bir tetikleyici haritasından geçiyor, eşleşen skill'e yönleniyor. Yani skill'i dokümantasyon olarak kullanmak bende bir öneri değil, her günkü çalışma biçimi. Aşağıdaki ilkelerin her birini bu sistemde ölçerek yönetiyorum.

Tezim şu: Ajan okuduğu kadar bilir. Ajan için yazılmamış dokümantasyon, ajan için yoktur.

1. Her modülün ve iş akışının bir skill'i olsun

README insana yazılır. Projeyi tanıtır, kurulumu anlatır. Ajanın sorduğu sorular başka: bu modül neye dokunuyor, nereden başlıyor, hangi komutla test ediliyor, neyi asla yapmamalı? Skill bu cevapları taşıyan biçim. Adı ve tek cümlelik açıklaması ajanın listesinde durur, gövdesi yalnız iş gelince açılır.

"Bir iş, bir skill" kuralı göründüğünden sıkı. Artur'da bunu düzenli bir sadeleştirme turuyla koruyorum: 19 Ekim turunda, eklentiyle ya da hesaptan eşitlenerek gelen sürümü olan 7 yerel kopyayı arşive aldım. İki kopya ajan için iki ayrı gerçek demek. Hangisini okuyacağını bilemez. Biri güncellenip öteki unutulunca da yanlış olanı izler.

Kural: kopyayı gördüğünüz gün birini silin. Skill'in gerçekten iş yapıp yapmadığı ayrı bir soru; onu AI Skill Dosyaları Gerçekten Çalışıyor mu? yazısında tartıştım.

2. Ajan önce kapsamı çıkarsın, sonra yalnız ilgili skill'i okusun

Bağlam penceresi büyüdü ama bedava olmadı. Her şeyi baştan yüklerseniz ajan daha işe başlamadan bağlamın bir kısmını ilgisiz metinle doldurur ve asıl talimatı o kalabalığın içinde arar. Prompt yazmaktan bağlamı yönetmeye geçişi Context Engineering Nedir? yazısında anlatmıştım. Skill, o yönetimin elle tutulur aracı.

Doğru sıra şöyle: ajan isteği okur, hangi modüllere dokunacağını çıkarır, yalnız o skill'leri açar. Artur'da bu işi tetikleyici haritası yapıyor. Mesaj gelince önce haritaya bakılıyor. Eşleşme varsa yalnız o skill'in dosyası okunuyor, yoksa iş sıradan bir görev gibi yürüyor. 114 skill'in hepsi her mesajda okunmuyor. Okunsaydı her mesaj on binlerce satırlık bir yükle başlardı.

Bunun için açıklamanın da ajana yazılması gerekiyor. "Fatura modülü" yetmez. "Fatura kesme ve iade işlerinde, fatura tablosuna dokunan her değişiklikte kullanılır" cümlesi ajana skill'i ne zaman açacağını söyler.

3. İş bitince skill güncellensin, yeni modül yeni skill istesin

Kod değişir de skill aynı kalırsa dokümantasyon yanlış bilgi vermeye başlar. Ajan da ona güvenir.

Paylaşımdaki öneri burada net: iş bitip testler geçince ajan ilgili skill'i güncellesin; yeni bir modül doğduysa yeni skill açmayı hatırlatsın. Bunu bir kez söylemek yetmez. Kural proje talimatlarında yazılı durmalı ve "bitti" tanımının parçası sayılmalı. Testler geçti ama skill eski mi? İş bitmedi.

Güncelliği yalnız insana bırakmıyorum. Model sağlayıcıları eski modelleri tarih vererek kapatıyor ve bu duyurular kolayca gözden kaçar; kapanan bir modele bağlı komut sessizce bozulur. Artur'da haftalık bir bekçi koddaki kapanan ya da kapanacak model çağrılarını ve Claude Code'un sürüm notlarını tarıyor, bulduğunu bana raporluyor.

Aynı mantıkla bir kanca da kurdum: bir belgeye tanınabilir bir parola, anahtar ya da token yazılmak üzereyse, yazılmadan önce durduruyor. Skill de bir belge ve belge, sırrın en kolay sızdığı yer. Her seferinde uyulması gereken kuralı skill metnine bırakmak yetmiyor. Claude Code'un belgesi de aynı yönü gösteriyor: her seferinde geçerli olması gereken kural bir kancaya taşınmalı.

Kural: skill'ler yaşayan belgelerdir. Güncel kalmaları iyi niyetle değil, kural ve otomasyonla olur.

4. Büyük skill bölünsün, ajan yalnız gereken parçayı okusun

Bir skill açılınca içeriği bağlama girer ve oturum boyunca orada kalır. Her satırın bedeli her turda yeniden ödenir. Claude Code'un belgesi bu yüzden SKILL.md dosyasını 500 satırın altında tutmayı, ayrıntıyı ayrı dosyalara taşımayı öneriyor. Ana dosya içindekiler sayfası gibi çalışır: hangi durumda hangi alt dosyanın açılacağını söyler. API ayrıntısı gerekirse ajan o dosyayı açar, gerekmezse açmaz.

Artur'da bu sınırı düzenli ölçüyorum. 19 Ekim taramasında 500 satırı aşan 7 skill çıktı, en büyüğü 843 satır; Artur'a ait olanlar bölünmeye alındı. Ana dosya yönlendirme tablosuna iner, ayrıntı alt dosyalara gider. Fark büyük: bölünmemiş 843 satırlık bir skill, işin küçük bir parçası gerekse bile her açılışta tamamını bağlama sokar.

Kural: skill 500 satırı geçtiği gün bölünür. Ertelenen her bölme, her oturumda bağlam maliyeti olarak geri döner.

5. Global skill ile projeye özel skill ayrı dursun

Bazı skill'ler her projede lazım: kod inceleme, commit düzeni, yazım kuralları, güvenlik taraması. Bazıları tek bir projeye ait: o projenin ödeme akışı, o müşterinin veri şeması. İkinci gruptakiler global kurulursa her projede ajanın listesine girer.

Bu ayrım düzen meselesi gibi görünür; asıl karşılığı bağlam bütçesidir. Claude Code, skill adlarını ve açıklamalarını taşıyan listeye varsayılan olarak modelin bağlam penceresinin yüzde 1'ini ayırıyor. Liste sığmayınca en az kullanılan skill'lerin açıklamasını düşürüyor; ad kalıyor, açıklama gidiyor. Açıklaması düşen skill'i ajan doğru anda seçemez, çünkü ne işe yaradığını bilmez. 114 skill'lik Artur'da ölçüm bunu net gösteriyor: global kurulan her skill, açılan her projede bu bütçeden pay alıyor. Bu yüzden Artur'a özgü skill'leri proje kapsamına ayırma planı hazır.

Kural: global klasörde yalnız her projede gereken skill'ler kalsın, gerisi projenin kendi klasörüne. Claude Code'da kişisel skill'ler kullanıcı klasöründe, projeye ait olanlar deponun içinde durur. Codex de depo ve kullanıcı düzeyini ayırıyor.

Nereden başlamalı?

Yarın bir projede başlayacaksanız sıra şu:

1. Projenin modüllerini ve tekrar eden iş akışlarını listeleyin. Her birine bir skill açın.
2. Açıklamayı ajana yazın. Ana kullanım ilk cümlede olsun: hangi istekte, hangi dosyaya dokunulunca devreye girecek.
3. Proje talimatlarına (Claude Code'da CLAUDE.md, Codex'te AGENTS.md) kuralı ekleyin: iş bitip testler geçince ilgili skill güncellenir, yeni modülde yeni skill açılır.
4. 500 satırı geçen skill'i bölün. Ana dosyada akış ve yönlendirme kalsın, ayrıntı alt dosyaya gitsin.
5. Global klasörü ayıklayın. Tek projede kullanılan skill'i o projeye taşıyın.
6. Düzenli tarama kurun: yinelenen skill, kapanmış model, eskimiş komut, artık var olmayan dosya. Artur'da bunu haftalık bir bekçi yapıyor.
7. Parola, anahtar, müşteri verisi ve kişisel bilgi skill'e girmez. Yazılmadan önce durduran bir kontrol kurun.

Sık sorulan sorular

Skill ile CLAUDE.md ya da AGENTS.md arasındaki fark ne?

Proje talimat dosyası her oturumun başında yüklenir. Skill'in ise yalnız adı ve açıklaması listede durur; gövdesi iş gelince okunur. Her oturumda geçerli kısa kurallar talimat dosyasına, modül ve iş akışı bilgisi skill'e yazılır.

Bir skill kaç satır olmalı?

Claude Code belgesi SKILL.md için 500 satırın altını öneriyor. Örnekler ve API başvurusu alt dosyalara gider; ajan yalnız gerekeni açar.

Bu yöntem Codex'te de işler mi?

İşler. Codex de SKILL.md içeren klasörleri okuyor; işe her skill'in adı ve açıklamasıyla başlıyor, tam metni skill seçilince açıyor. İki araç da açık Agent Skills standardına dayanıyor. Klasör yerleri farklı, biçim aynı.

Kaç skill fazla sayılır?

Sayıya değil bütçeye bakın. Claude Code skill listesine varsayılan olarak bağlamın yüzde 1'ini ayırıyor; oran ayarla yükseltilebiliyor ama liste de o kadar yer kaplıyor. /doctor komutu listenin bağlam maliyetini gösteriyor. Açıklaması düşmüş skill görüyorsanız ayıklama ya da projeye taşıma zamanı gelmiş demektir.

Bir kez anlat, sonra güncelle

Skill yazmayan ekip ajanına projeyi her sabah baştan anlatır. Skill yazan ekip bir kez anlatır, sonra yalnız günceller. Birincisi aynı bedeli her oturumda öder, ikincisi bir kez.

Ajan okuduğu kadar bilir. Neyi ve ne zaman okuyacağına siz karar veriyorsunuz.

Takipte kalın.

Kaynaklar

1. Claude Code belgesi: Skills
2. Codex belgesi: Build skills
3. Agent Skills açık standardı

İkisi de aynı soruya cevap: yapay zekanın faturasını kim ödüyor?

Bu yazıda dört gelir modelini yan yana koyacağım: abonelik, reklam, sponsorlu ajan ve API. Sonra Türkiye'deki bir KOBİ ve bir yazılımcı için bunun ne anlama geldiğini yazacağım. Amacım haber vermek değil; hangi tarafta durduğunu görmen.

Dört model, tek soru

Bir yapay zeka şirketinin para kazanmasının dört yolu var.

1. Abonelik: Kullanıcı aylık ücret öder. Tahmin edilebilir, ama tavanı var. Herkes 20 dolar vermez.
2. Reklam: Kullanıcı ödemez, dikkatini satar. Tavanı yok, ama kullanıcının güvenini aşındırır.
3. Sponsorlu ajan ve komisyon: Marka, kendi yapay zeka temsilcisini sohbetin içine koyar; satıştan pay alınır. Reklamla e-ticaretin karışımı.
4. API: Geliştirici token başına öder. Şirketin altyapı gelirini oluşturur, ama fiyat savaşına en açık model.

Bir dakika duralım. Bu dört modelin ortak noktası ne? Hepsinde ücretsiz kullanan biri var ve o ücretsiz kullanımın parasını başka biri ödüyor. Soru şu: o "başka biri" sen misin?

Reklam: "son çare"den yedi ayda bir milyar dolara

Takvimi yan yana koyunca hız görülüyor. Reklam testleri 9 Şubat 2026'da ABD'de Free ve Go planlarındaki yetişkin kullanıcılarla başladı. 22 Temmuz'da self-servis Ads Manager açıldı. 11 Ağustos'ta Birleşik Krallık, Meksika, Brezilya, Japonya ve Güney Kore eklendi. 17 Eylül'de Türkiye listeye girdi; 16 Eylül'de de Sponsored Agents formatının testi duyuruldu.

OpenAI, Ağustos 2026 sonunda reklam işinin yıllıklandırılmış 1 milyar dolar gelir hızına ulaştığını ve platformda on binlerce reklamveren bulunduğunu açıkladı.

Kim görüyor? Yalnızca Free ve Go kullanıcıları. Plus, Pro, Business, Enterprise ve Edu hesapları reklamsız. 18 yaş altı olduğu belirlenen hesaplara reklam gösterilmiyor. Reklamlar yapay zekanın ürettiği metnin içine gömülmüyor, ayrı bir alanda duruyor.

Açık konuşalım: Sam Altman reklamı "son çare" diye tanımlamıştı. Son çare, yedi ayda ana gelir kalemlerinden birine dönüştü. Bu bir ahlak meselesi değil, matematik meselesi. Yüz milyonlarca ücretsiz kullanıcıya her gün model çalıştırmanın maliyetini abonelik karşılamıyor.

Sponsorlu ajan: reklamın bittiği yer

Sponsored Agents formatında kullanıcı reklamı tıkladığında siteye gitmiyor; markanın kendi yapay zeka ajanıyla ChatGPT'nin içinde ayrı bir görüşme başlatıyor. Landing page bitiyor, "landing conversation" başlıyor.

Bu, reklam gelir modeliyle komisyon gelir modelinin birleştiği nokta. Kullanıcı sohbetten hiç çıkmadan karşılaştırıyor, soruyor, satın alıyor. Platform hem gösterimden hem de muhtemelen satıştan pay alacak. Sohbet, alışveriş merkezine dönüşüyor.

Türkiye için bir de mevzuat notu: 1 Ağustos 2026'da yürürlüğe giren reklam yönetmeliği değişikliği, insandan ayırt edilemeyen yapay zeka karakterlerinin reklamda açıkça etiketlenmesini zorunlu kılıyor. Sponsorlu ajanın "ben yapay zekayım" demesi bir tercih değil.

API: fiyat savaşı ve görünmez fatura

Şimdi masanın öbür tarafına geçelim. Geliştirici tarafına.

30 Temmuz 2026'da OpenAI, GPT-5.6 Luna'nın fiyatını yüzde 80, Terra'nın fiyatını yüzde 20 indirdi. Anthropic'in Sonnet 5 tanıtım fiyatı 31 Ağustos'ta bitti. Ocak ile Haziran 2026 arasında OpenAI, Anthropic ve Google toplam 14 fiyat değişikliği yaptı. Bazı fiyatlar düştü, bazıları sessizce yükseldi, bazı modeller emekliye ayrılıp daha pahalı haleflerine yönlendirildi. Kimse mail atmadı.

Bu yüzden Ağustos'ta bütçelediğin fiyat Eylül'de yanlış çıkıyor. Ve asıl tehlike şu: a16z'nin 2026 anketine göre LLM API kullanan şirketlerin yüzde 71'i harcamayı çağrı bazında takip etmiyor. Fatura gelince öğreniyorlar.

Bir örnek yeter. Eski bir model emekliye ayrılıp yerine yenisi yönlendirildiğinde token fiyatı düşebilir; ama yeni model aynı prompta yüzde 30-40 daha fazla çıktı üretiyorsa, çağrı başına maliyetin yükselir. Token ucuzladı, fatura kabardı. Loglarında aynı isim, faturanda başka rakam.

Bu bir "hangisi ucuz" sorusu değil. Bu, ölçmeyen herkesin kaybettiği bir oyun.

Ortak nokta: model ucuzlar, dikkat pahalanır

İki tarafı üst üste koyunca tez ortaya çıkıyor.

Token fiyatı düşüyor. Flagship modellerin fiyatı üç yılda kat kat geriledi. Bu, altyapının metaya dönüşmesi demek. Meta olan şeyin tek başına marjı kalmaz.

Bu yüzden şirketler paranın olduğu yere kayıyor: dikkate. Yüz milyonlarca insanın günde saatlerce derdini anlattığı bir sohbet penceresi, arama kutusundan daha değerli bir reklam alanı. Arama motoru niyeti tahmin ederdi, sohbet motoru niyeti dinliyor.

Yani formül basit: kullanıcı ürünse reklam, geliştirici ürünse token. İkisinden birinde mutlaka sensin.

Türkiye için ne demek?

KOBİ isen, kullanıcı tarafındasın. Ücretsiz plan kullanan çalışanların artık reklam görüyor. Müşterilerin de görüyor. Bu iki şey demek: birincisi, müşterine ulaşmak için yeni ve henüz kalabalık olmayan bir kanal açıldı. İkincisi, şirket verisini ücretsiz planda işleyen çalışanlar için "kim neyi görüyor" sorusunu bu hafta sormalısın.

Yazılımcı isen, geliştirici tarafındasın. Tek modele bağlı bir ürün, o modelin fiyat kararına bağlı bir üründür. Fiyat üç ayda bir değişiyorsa ürünün fiyatlaması da üç ayda bir gözden geçirilmeli. Çağrı bazında maliyet ölçmüyorsan kâr marjını bilmiyorsun demektir.

Veli isen, kısa bir not: 18 yaş altı hesaplara reklam gösterilmiyor. Ama bu, çocuğun hesabının doğru yaşla açılmış olmasına bağlı. Yetişkin hesabıyla ödev yapan çocuk, yetişkin reklamı görür.

Bu hafta yapılacak 5 iş

1. Tarafını belirle. Ürününde kullanıcı mısın, geliştirici misin, ikisi de misin? Her taraf için ayrı maliyet ve ayrı fırsat var.
2. API kullanıyorsan çağrı bazında maliyet ölç. Toplam fatura değil; hangi özellik, hangi model, kaç token. Yüzde 71'in içinde kalma.
3. Tek tedarikçiye bağlı kalma. En az iki model sağlayıcı arasında geçiş yapabilecek bir mimari kur. Fiyat değişince üç günde geçebilmelisin.
4. Reklam kanalını küçük bütçeyle test et. Erken dönem ucuz. Ama dönüşüm ölçümü kurulmadan tek kuruş harcama.
5. Şirket içi kullanım politikası yaz. Hangi veri hangi plana giriyor, kim reklam görüyor, sponsorlu ajanla kim konuşuyor. Bir sayfa yeter.

Sık sorulan sorular

ChatGPT'de reklamı kimler görüyor?
Yalnızca Free ve Go planı kullanıcıları. Plus, Pro, Business, Enterprise ve Edu hesapları reklamsız. 18 yaş altı olduğu belirlenen hesaplara reklam gösterilmiyor.

ChatGPT reklamları Türkiye'de ne zaman başladı?
Self-servis reklam altyapısı 17 Eylül 2026'da Türkiye'deki işletmelere açıldı; aynı günlerde Türkiye'deki ücretsiz kullanıcılar reklamları görmeye başladı.

API fiyatları neden bu kadar sık değişiyor?
Model sağlayıcılar arasında fiyat savaşı var. 2026'nın ilk yarısında üç büyük sağlayıcı toplam 14 fiyat değişikliği yaptı. Yeni modeller çıkıyor, eskileri emekliye ayrılıyor, tanıtım fiyatları bitiyor. Çağrı bazında ölçüm yapmayan ekipler bu değişiklikleri faturada fark ediyor.

Sonuç

Yapay zeka ucuzluyor diye sevinenler, ucuzlayan şeyin ne olduğuna baksın. Ucuzlayan token. Pahalanan, senin dikkatin ve müşterinin dikkati.

Tez: Modelin fiyatı düşerken dikkatin fiyatı yükselir. Faturayı ya cebinden ya dikkatinden ödersin; üçüncü seçenek yok.

Soru senin: Bu ay yapay zeka için ödediğin faturayı biliyor musun, yoksa ödediğini bile bilmiyor musun?

Kaynaklar

• Teknoport: ChatGPT'de Reklam Dönemi Genişliyor (17 Eylül 2026)
• N24: ChatGPT Reklamları Türkiye'de (18 Eylül 2026)
• Ajansgiller: ChatGPT Reklamları Türkiye'de Açıldı (18 Eylül 2026)
• Vossi: ChatGPT Ads Nedir, Sponsored Agents testi (17 Eylül 2026)
• Teknobird: ChatGPT Ads, 1 milyar dolar yıllık gelir hızı (19 Eylül 2026)
• explainx.ai: OpenAI Ads Manager lansmanı (22 Temmuz 2026)
• CloudZero: LLM API fiyat karşılaştırması, Luna ve Terra indirimi (30 Temmuz 2026)
• DEV Community: 6 ayda 14 fiyat değişikliği, a16z yüzde 71 verisi (30 Haziran 2026)
• AI Empire Media: 2026 fiyat kırılımı, Sonnet 5 tanıtım fiyatı (Temmuz 2026)

10 Eylül 2026'da OpenAI, Agents API'yi tüm geliştiricilere açık genel betaya aldı. Duyuru ilk bakışta sıradan bir ürün notu gibi duruyor. Değil. Son iki yıldır yapay zeka ürünü geliştiren ekiplerin kendi eliyle yazdığı katman, bu duyuruyla sağlayıcının içine taşındı.

Ne olduğunu anlatayım, sonra bunun Türkiye'deki küçük ekip için ne anlama geldiğine geleceğim.

Duyuruda ne var

Agents API, OpenAI'ın Codex için geliştirdiği çalıştırma katmanını yönetilen bir hizmet olarak sunuyor. Dört başlık öne çıkıyor.

Uzun soluklu oturumlar. Bir oturum bağlam sınırına yaklaştığında API eski bağlamı kendisi sıkıştırıyor. Geliştirici artık kendi sıkıştırma mantığını yazmıyor. Ajan tabanlı ürün geliştirenlerin en çok vakit harcadığı yerlerden biriydi, gitti.

Kum havuzu seçimi. Ajanın çalışacağı ortamı seçebiliyorsunuz. OpenAI'ın barındırdığı ortam, kendi altyapınız ya da iş ortağı sağlayıcılar. Birinci sınıf entegrasyonu duyurulanlar: Blaxel, Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle, Runloop ve Vercel.

Alt ajanlar. Büyük bir görevin parçalarını üstlenen yardımcı ajanlar koordine edilebiliyor. Yani bir ajan işi bölüp dağıtabiliyor.

Araçlar. Web araması, MCP ve paralel programatik araç çağrıları destekleniyor.

Fiyat tarafında OpenAI Agents API için ayrı bir ücret almıyor. Kullanılan token ve araçlar faturalanmaya devam ediyor. Bu cümlenin ikinci yarısına birazdan döneceğim.

Asıl haber özellik listesi değil, sınırın yer değiştirmesi

2025 boyunca bir ürünü rakibinden ayıran şeylerden biri şuydu: ajan altyapısını kim daha iyi kurmuş. Bağlam sıkıştırma, oturum yönetimi, izole çalıştırma ortamı, alt görev dağıtımı. Bunlar mühendislik farkıydı ve yatırımcıya anlatılırdı.

Kendi jeneratörünü kuran fabrikaya benziyordu. Şebeke yokken jeneratör bir avantajdır. Şebeke geldiğinde jeneratör bir maliyet kalemine dönüşür.

Şebeke geldi.

Bunun acı tarafı şu: o katmanı yazmak için harcadığınız altı ay artık kimsenin umurunda değil. Tatlı tarafı da var. Aynı altı ayı bir daha harcamayacaksınız.

Ücretsiz olan API, pahalı olan token

Burada dikkat edilmesi gereken bir hesap var.

3 Eylül'de çıkan GPT-6 Astra'nın standart API fiyatı milyon token başına 10 dolar girdi, 50 dolar çıktı. Bir önceki amiral geminin promosyonlu fiyatının 2,5 katı. Temmuz ayında model fiyatlarının çöküşünü yazmıştım. O eğri ilk kez ters yöne döndü.

Şimdi bunu ajan mantığıyla birleştirin. Ajan uzun çalışır. Uzun çalışan şey çok token yakar. Bağlamı sıkıştırmak bile token harcar. Alt ajan çalıştırmak, her alt ajan için ayrı bağlam demek.

Yani Agents API için ayrı ücret ödemiyorsunuz ama ajanınız sizin yerinize düşündükçe fatura büyüyor. Görev başına maliyet tavanı koymamış bir üründe kâr marjı tek bir hatalı döngüde erir. Bu bir mühendislik detayı değil, fiyatlandırma kararıdır ve ürün yöneticisinin masasına aittir.

Kum havuzu seçimi aslında bir taşınabilirlik kararı

Barındırılan kum havuzu hızlı başlatır. İlk günden çalışan bir ajanınız olur, altyapı derdi yoktur. Bedeli bağlılıktır.

Dokuz iş ortağının listede olması işleri biraz rahatlatıyor. Kendi altyapınızda ya da bir bulut sağlayıcısında çalıştırma seçeneği masada duruyor. Yine de karar bilinçli verilmeli.

Sorunun net hali şu: sağlayıcınız yarın fiyatı iki katına çıkarsa ya da bir özelliği geciktirse, ajanınızı kaç günde başka bir ortama taşırsınız? Bu soruya "denemedik" diyorsanız cevap bilinmiyor demektir.

Türkiye'deki küçük ekip için ne değişti

Üç kişilik bir yazılım ekibi, geçen yıl ajan altyapısı kurmak için aylarını veriyordu. Artık vermeyecek. Bu iyi bir haber.

Ama aynı kolaylık rakibinizde de var. Herkesin aynı anda kazandığı zaman, kimseye rekabet avantajı sağlamaz. Sadece başlangıç çizgisini öne çeker.

Geriye üç şey kalıyor.

Birincisi veri. Müşterinize ait, size özgü, başkasında olmayan kayıt. Mimarlık ve mühendislik tarafında sahada gördüğüm şey şu: bir firmanın on yıllık proje arşivi, doğru düzenlendiğinde herhangi bir modelin sağlayamayacağı bir üstünlüktür.

İkincisi iş akışına gömülülük. Ajanınız müşterinin günlük rutininin neresinde duruyor? Ayda bir açılan bir panel mi, yoksa her sabah çalışan bir süreç mi?

Üçüncüsü sorumluluk. Çıktı yanlış olduğunda kim cevap veriyor? Bu sorunun cevabı yazılı olan ürün, cevabı olmayan üründen farklı bir ligde oynar.

Aynı hafta frene de basıldı

Not düşmek gerekiyor. 10 Eylül'de ajan altyapısı herkese açıldı. 12 Eylül'de Anthropic'in kurucusu Dario Amodei 3.800 kelimelik bir yazıyla sektörden model yeteneklerini artırma hızını düşürmesini istedi. Sam Altman aynı gün bu çağrıya katıldığını söyledi ve OpenAI'ın 2026'da halka arza gitmeyeceğini açıkladı.

Amodei'nin yazısındaki uyarılardan biri doğrudan bu konuyla ilgili: başıboş ajan sürülerinin 6 ila 12 ay içinde ciddi zarar verebilecek düzeye gelmesi ihtimali.

Aynı hafta içinde hem ajan gücü dağıtıldı hem de o gücün hızı tartışıldı. Pratik sonucu şu: ajan kontrollerini, yani bütçe tavanını, işlem kaydını ve kapatma düğmesini bugün kuran ucuza kurar. Düzenleme geldikten sonra kuran pahalıya kurar.

Bu ay yapılacak beş iş

1. Kendi yazdığınız orkestrasyon kodunu envanterleyin. Hangi parça artık sağlayıcıda hazır var, hangisi gerçekten size özgü? İlk gruptakileri silmek, ikinci gruptakileri derinleştirmek gerekiyor.
2. Görev başına maliyeti ölçün ve tavan koyun. Ölçmediğiniz bir maliyeti yönetemezsiniz, tavanı olmayan bir ajan da kendi faturasını yazar.
3. Kum havuzu kararını yazıya dökün. Barındırılan ortam mı, kendi altyapınız mı? Kararla birlikte çıkış planını da yazın.
4. Alt ajan kullanacaksanız izin sınırlarını en baştan tanımlayın. Hangi ajan hangi araca erişiyor, hangisi veri tabanına yazabiliyor?
5. Ajanın dokunduğu veriyi sınıflandırın. Kişisel veri, ticari sır ve genel bilgi aynı torbada durmamalı.

Tez

Ajan altyapısı bir rekabet avantajıydı, ürün özelliğine dönüştü. Ürünü ayakta tutan şey artık ajanın kendisi değil, ona ne yaptırdığınız ve sonucuna kimin imza attığı.

Kapanışta bir soru bırakayım: ajanınızı bugün kapatsanız, müşteriniz bunu kaç saat içinde fark eder? Cevabınız "hemen" ise gerçek bir ürün kurmuşsunuz. "Fark etmez" ise elinizde hâlâ bir demo var.

Sıkça Sorulan Sorular

OpenAI Agents API nedir?

OpenAI'ın 10 Eylül 2026'da genel betaya aldığı, uzun süre çalışan bulut ajanları için yönetilen bir arayüz. Oturum yönetimi, bağlam sıkıştırma, izole çalıştırma ortamı ve alt ajan koordinasyonunu sağlayıcı tarafında çözüyor.

Agents API için ayrı ücret ödeniyor mu?

Hayır. OpenAI arayüzün kendisi için ayrı ücret almıyor. Kullanılan token ve araçlar faturalanıyor. Ajanlar uzun çalıştığı için asıl maliyet kalemi token tarafında oluşuyor.

Ajanı kendi sunucumda çalıştırabilir miyim?

Evet. OpenAI'ın barındırdığı kum havuzunun yanı sıra kendi altyapınızı ya da iş ortağı sağlayıcıları kullanabiliyorsunuz. Duyuruda Blaxel, Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle, Runloop ve Vercel entegrasyonları yer aldı.

Küçük bir yazılım ekibi için bunun anlamı ne?

Ajan altyapısı kurmak için harcanan aylar ortadan kalkıyor. Ancak aynı kolaylık rakiplerde de olduğu için bu bir rekabet avantajı yaratmıyor. Farklılaşma sahip olunan veriye, iş akışına gömülülüğe ve sorumluluğun kimde olduğuna kayıyor.

Kaynaklar

• OpenAI, Agents API genel beta duyurusu, 10 Eylül 2026.
• MarkTechPost, "OpenAI Launches the Agents API in Public Beta", 10 Eylül 2026.
• OpenAI, GPT-6 Astra duyurusu ve fiyatlandırması, 3 Eylül 2026.
• Dario Amodei, "We Must Pace the Frontier", 12 Eylül 2026.
• Fortune, Sam Altman röportajı, 12 Eylül 2026.

Son haftalarda üç haber üst üste geldi. Meta, 30 milyar parametreli açık kaynak modeli Muse Glimmer'ı yayınladı; tek bir 24 GB ekran kartında, hiçbir buluta bağlanmadan çalışıyor. Aynı günlerde Alibaba'nın Qwen ekibi, 27 milyar parametreli Qwen 3.8 modelini yine açık lisansla paylaştı. Ve yine aynı dönemde Anthropic, Claude'un ürettiği metne ve dosyalara görünmez bir köken imzası eklemeye başladı.

Bu üç haber birbirinden bağımsız gibi görünüyor. Değil. Üçü de aynı cümleyi kuruyor: yapay zeka üzerindeki kontrol, yani hem verin hem de ürettiğin içerik, sana geri geliyor.

1. Cihaz içinde güçlü model ne demek?

Geçen yıla kadar ciddi bir yapay zeka modeli çalıştırmak için ya OpenAI'a ya Google'a bağlanmak zorundaydınız. Her sorunuz, her belgeniz onların sunucusuna gidiyordu. Şimdi tablo değişti. Açık ağırlıklı modeller, yani indirilip kendi makinenizde çalıştırabildiğiniz modeller, artık bir oyuncu bilgisayarındaki ekran kartında dönebilecek kadar verimli hale geldi. İnternet bağlantısı bile gerekmiyor.

Bunu bir benzetmeyle söyleyeyim: yıllarca dışarıda, başkasının fırınında ekmek pişirdik. Şimdi fırın mutfağımıza girdi.

2. Bu neden KOBİ için kritik?

Çünkü küçük ve orta ölçekli işletmenin en büyük iki derdine dokunuyor: veri güvenliği ve maliyet.

• Veri dışarı çıkmıyor. Müşteri listesi, sözleşme, TC kimlik numarası, fiyat bilgisi cihazınızdan ayrılmıyor. Halka açık bir modele yapıştırdığınız veri sizin kontrolünüzden çıkar; cihaz içinde çalışan model bu riski sıfırlar.
• Aylık ücret yok. Bir kez kurarsınız, kullanım başına para ödemezsiniz. Yoğun kullanan işletme için bu, yıllık ciddi bir tasarruf demek.
• Çevrimdışı çalışır. İnternet kesilse de, sağlayıcı çökse de sizin sisteminiz durmaz.

3. Aynı dönemde gelen ikinci sinyal: içeriğe köken imzası

Madalyonun bir yüzü verinizin sizde kalması. Diğer yüzü de ürettiğiniz içeriğin izlenebilir olması. Anthropic tam da bunu yapmaya başladı: Claude'un yazdığı metne görünmez bir filigran, ürettiği görsel ve dosyalara ise C2PA denen açık standartla dijital imzalı köken bilgisi ekliyor. Kural Avrupa Yapay Zeka Yasası'ndan geliyor ama dünya çapında uygulanıyor.

Anlamı şu: yakın gelecekte bir içeriğin nasıl üretildiğini kanıtlayabilmek, tıpkı bir faturanın kaşesi gibi standart olacak. Veriyi içeride tutmak da, içeriğin kökenini göstermek de aynı olgunlaşmanın iki ayağı: yapay zeka artık kontrol edilebilir bir araca dönüşüyor.

4. Sahadan bir kanıt

Bunu bir slogan olarak söylemiyorum. Geliştirdiğimiz sistemlerde bu yaklaşımı bizzat kuruyoruz. Yakın zamanda yaptığımız bir takip uygulamasında tüm veriyi cihazda tuttuk, içe aktarımda TC, telefon ve şifre gibi alanları otomatik maskeledik. HANDEN X'te de distribütör kasa ve müşteri verisi kendi alanında kalıyor, dışarı çıkmıyor. Gizlilik odaklı mimari bir pazarlama cümlesi değil, satılabilir bir üründür.

5. Girişimci için 5 adım

• Hangi işinizi cihaz içi bir model çözebilir, tek tabloya yazın: yazışma, özetleme, sınıflandırma gibi tekrar eden işler ilk aday.
• Bir açık modeli deneyin. İndirmek ve çalıştırmak artık teknik bir ekip gerektirmiyor; küçük bir kurulumla test edin.
• Veri envanteri çıkarın: hangi veri hangi modele gidiyor? Hassas olanları cihaz içi tarafa alın.
• İçerik kökeni politikanızı yazın: ürettiğiniz görsel ve metinlerde köken bilgisini korumayı alışkanlık haline getirin.
• Tek sağlayıcıya çakılmayın: cihaz içi açık model ile bulut modelini görev bazında birlikte kullanın; biri düşse iş durmasın.

Tez

Yapay zekada güç artık büyük sağlayıcının sunucusunda değil, sizin kontrolünüzde birikiyor. Veriniz cihazda, içeriğinizin kökeni cebinizde. Asıl fark, modeli kimin ürettiğinde değil, veriyi ve üretimi kimin kontrol ettiğinde.

Bugün işinizin en kritik verisi hangi şirketin sunucusunda duruyor? Bu soruya net cevap veremiyorsanız, cihaz içi yapay zeka tam da bu cevabı size geri vermek için geldi.

Eylül'ün ilk günlerinde dört sınır model üst üste çıktı: Claude Fable 5.1, Google Gemini 3.8 Flash, Meta Muse Spark 1.3, OpenAI Astra. Herkes "hangisi en iyi" diye tabloya baktı. Yanlış soru. Çünkü bu hafta ortaya çıkan asıl rakam performans değil, fiyat farkıydı.

Bugün en pahalı sınır modelle en ucuzu arasında 119 kat fark var. Meta'nın Muse Spark'ı milyon token başına yaklaşık 0,10 dolara iş görüyor. Fable 5.1 aynı işi ortalama 11,90 dolara yapıyor. Arada, milyon token başına 2 dolar civarında koca bir orta sınıf duruyor: Sonnet 5, Gemini Pro, Terra. Yani artık tek bir "en iyi model" yok; her fiyata ayrı bir zeka var.

Yanlış soru: hangi model?

Çoğu işletme tek bir modele karar verip her işi ona yaptırıyor. Fatura da buradan şişiyor. Sık gelen müşteri sorusuna cevap yazdırmakla, bir sözleşmedeki riskleri analiz etmek aynı zekayı gerektirmez. Ama tek model kullanınca ikisine de aynı, çoğu zaman en pahalı, gücü koşuyorsunuz. Bir çırağın yapacağı işe genel müdürü oturtmak gibi.

Doğru soru: hangi iş, hangi katman?

Bu haftaki fiyat yelpazesi aslında bir hediye. Zekayı üç katmana ayırın ve her işi doğru katmana yönlendirin.

• Uç katman (en ucuz): Sınıflandırma, etiketleme, özetleme, sık soruya taslak cevap. Muse Spark gibi 0,10 dolarlık modeller bu tekrar eden hacmi neredeyse bedava çeviriyor.
• Orta katman (2 dolar bandı): Günlük yazışma, içerik üretimi, orta karmaşıklıkta analiz. İşin gövdesi burada döner.
• Üst katman (pahalı): Kritik karar, hukuki risk, karmaşık akıl yürütme. Sadece gerçekten gerektiğinde, az ve öz kullanın.

Hızın da fiyatı düştü: Gemini 3.8 Flash saniyede 300 kelimenin üzerinde üretiyor. Yani ucuz katman artık hem bedavaya yakın hem çok hızlı.

Ucuzlama sonsuz değil

Bir de ters yönde bir sinyal var. Herkes fiyatı dibe çekerken DeepSeek yeni modelinin fiyatını yüzde 14 artırdı. Mesaj net: dibe doğru yarış bir yere kadar. Değer katan taraf eninde sonunda para ister. Bu yüzden strateji "her şeyi en ucuza yaptır" değil. Strateji, ucuzu ucuz işe, pahalıyı değerli işe koşmak.

Türkiye ve KOBİ için ne demek?

Türk işletmesinin çoğu yapay zekaya ya hiç girmedi ya tek bir uygulamaya aylık ödeyip her işi ona yaptırıyor. İkisi de para kaybettiriyor. Girmemek fırsatı, yanlış katmana koşmak parayı kaçırıyor. Oysa doğru kurgu, aynı işi çoğu zaman yarı maliyete indirir; çünkü hacmin büyük kısmı zaten ucuz katmanda görülebilecek işlerdir.

Bugün atılacak üç adım

• İşlerinizi tek tabloya dökün ve her birine bir katman yazın: uç, orta, üst. Hangi işin gerçekten pahalı zekaya ihtiyacı var, göreceksiniz, sandığınızdan az.
• Yönlendirme kurun: gelen iş türüne göre otomatik olarak doğru katmana gitsin. Bu bir mühendislik lüksü değil, basit bir kural setiyle başlar.
• Faturayı ölçün: hangi işe ne kadar harcadığınızı görün. Ölçmediğiniz gideri yönetemezsiniz; ölçtüğünüz anda çoğu işi bir alt katmana indirirsiniz.

Tez

Yapay zekada kazanan, en iyi modeli bulan değil, her işe doğru zekayı koşan olacak. 119 kat fiyat farkı bir sorun değil, doğru okunursa bir kar kapısı. En pahalı modeli her işe koşmak gururdur, sonu şişmiş fatura. Zekayı sınıflandırmak akıldır, sonu para.

Eylül'ün ilk üç gününde çıkan dört sınır modeline yüzeyden bakınca sıradan bir rekabet turu görünüyor. Fable 5.1, Gemini 3.8 Flash, Muse Spark 1.3, Astra. Herkes benchmark tablosuna, fiyata, bağlam penceresine baktı. Ben iki sessiz detaya bakıyorum. Çünkü asıl kırılma orada.

Birinci detay: tek ağırlık, iki kapı

Bu turda üç lansman aynı deseni paylaştı. Tek bir model ağırlığı, iki ayrı erişim rejimi. Anthropic, Fable ile birebir aynı ağırlıklara sahip ama siber yetenekleri açık bırakılmış Mythos 5.1'i ayrı bir kapıdan verdi. Google, Gemini 3.8 Flash'ın Cyber varyantını sadece savunma tarafına, geçit programıyla açtı. OpenAI, Astra'nın en ileri siber becerilerini hesap düzeyinde kısıtladı ve modeli ilk kez "kritik siber eşiği" tetiklediği için sınırlı dağıttı.

Buradan çıkan sonuç net: güvenlik artık modelin yeteneğine değil, erişimine yerleşiyor. Aynı beyin, kime hangi kapıdan verildiğine göre farklı bir ürün oluyor. Bu, sektörün "modeli aptallaştırarak güvenli yaparız" dönemini kapatıp "modeli akıllı tutar, kapıyı kontrol ederiz" dönemine geçtiğinin işareti. Regülasyon, satın alma ve sorumluluk tartışması bundan sonra bu eksende yürüyecek.

İkinci detay: yeni mimari yok, yeni ortam var

Bu modellerin kazanımı yeni bir mimariden gelmiyor. Taban model büyük ölçüde sabit. Fark, eğitim sonrası aşamada modelin uzun ufuklu görev döngülerinde çalıştırıldığı pekiştirmeli öğrenme ortamlarının ölçeklenmesinden geliyor. GLM-5.3 ekibi bunu açıkça yazdı: "Tek yaptığımız eğitim sonrasını ölçeklemekti." Sabit taban modelle Terminal-Bench skoru yüzde 4,6'dan yüzde 28'e çıktı. Altı katı, tek bir yeni parametre eklemeden.

Bu ortamların ne kadar kırılgan olduğunu da yine sağlayıcılar itiraf etti. Anthropic, üretim pekiştirme ortamlarının yaklaşık yüzde 10'unun yanlış etiketlendiğini, ödül hilesinden bozuk göreve kadar hatalar barındırdığını söyledi. Yani kabiliyet artık ortamın kalitesiyle geliyor ve o ortamı kurmak modeli eğitmek kadar zor bir mühendislik işi.

Bunun pratik karşılığı

Aylar önce bu köşede "prompt öldü, döngü mühendisliği başladı" demiştim. Bu tur o tezin kanıtı. Değerin biriktiği yer model ağırlığı değil. Değer, modelin içine yerleştiği döngüde, o döngüyü besleyen ortamda ve veride birikiyor.

Türk ekipler için bunun anlamı büyük. Foundation model eğitmek için ne compute'umuz ne sermayemiz yeter, gerek de yok. Ama belirli bir sektöre özel pekiştirme ortamı kurmak, kendi verinle modeli o işte ustalaştırmak, döngüyü kendi iş akışına gömmek erişilebilir bir hedef. Küresel model taban olur, üstündeki ustalık senin olur.

Üç somut çıkarım

Bir: Model seçimini geçici bir karar olarak kur. Ağırlık ucuzlayan ve haftada değişen bir girdi. Bağımlılık kurma.

İki: Yatırımını ortama yap. Kendi sektörünün görevlerini, değerlendirme setlerini, düzeltme döngülerini kur. Rakibinin kopyalayamayacağı tek şey bu.

Üç: Güvenliği erişim katmanında düşün. Hangi yeteneği kime hangi kapıdan verdiğin, ürününün en kritik tasarım kararı haline geldi.

Model yarışının gürültüsüne kapılma. Gürültünün altında sessizce yer değiştiren bir şey var: rekabetin ağırlığı modelden ortama kaydı. Bunu erken gören, bir sonraki turu izleyen değil kuran taraf olur.

Özet: Kimi K3, 2,8 trilyon parametreyle açık model yarışını yeni bir ölçeğe taşıdı. Fakat tam ağırlıklar henüz yayımlanmadan yeni aboneliklerin kapasite yüzünden durdurulması başka bir gerçeği açığa çıkardı: açık ağırlıklı yapay zeka özgürlük sağlar, bedava ve kolay işletim sağlamaz. Bu yazıda model dosyası ile çalışan hizmet arasındaki görünmeyen faturayı, 20 Temmuz 2026 verileriyle inceliyorum.

Üç günlük model kapasite sınırına dayandı

16 Temmuz 2026'da Moonshot AI, Kimi K3'ü duyurdu. Üç gün sonra, 19 Temmuz Pazar akşamı şirket yeni abonelikleri geçici olarak durdurdu. Son 48 saatte gelen talep, mevcut kapasitenin sınırına dayanmıştı. Mevcut abonelere öncelik verilecek, yeni üyelikler kapasite eklendikçe gruplar hâlinde açılacaktı.

Şirketin duyurusu teknik bir bültenden çok bir itiraf gibiydi: “Kimi K3 beklediğimizden çok daha fazla sevgi gördü, GPU'larımız bunu hissediyor.”

İlk bakışta bu bir kapasite haberi. Bence daha büyük bir ders: bir modeli eğitmek, model dosyasını açmak ve o modeli kesintisiz bir ürüne dönüştürmek üç ayrı iştir.

Yapay zeka dünyası ilk ikisini konuşmayı seviyor. Müşteri üçüncüsüne para ödüyor.

“Açık”, “ücretsiz” ve “çalışır” aynı şey değil

Kimi K3 bugün Kimi.com, Kimi Work, Kimi Code ve Kimi API üzerinden kullanılabiliyor. Tam model ağırlıkları ise Moonshot'ın resmî açıklamasına göre 27 Temmuz 2026'ya kadar yayımlanacak. Dolayısıyla 20 Temmuz'da elimizde çalışan bir hizmet var, fakat indirilebilir tam ağırlık paketi henüz yok.

Bu tarih ayrımı küçük görünür. Değil. “Açık kaynaklandı” diye yazmakla “ağırlıklar yayımlandı” demek arasında doğrulanabilir bir fark var. Model tedarikinde pazarlama cümlesiyle dosya teslimini birbirine karıştırmamak gerekir.

2,8 trilyon parametrenin görünmeyen altyapısı

Kimi K3, toplam 2,8 trilyon parametreli bir Mixture of Experts modeli. Her adımda 896 uzmanın yalnızca 16'sını etkinleştiriyor. Yerleşik görsel anlama yeteneği ve 1 milyon token bağlam penceresi var. Moonshot, önceki Kimi K2'ye göre yaklaşık 2,5 kat daha iyi ölçekleme verimliliği elde ettiğini söylüyor.

Bunlar etkileyici rakamlar. Fakat işletme tarafında en önemli satır teknik blogun daha aşağısında: Moonshot, Kimi K3 dağıtımı için 64 veya daha fazla hızlandırıcılı “supernode” yapılarını öneriyor.

Tarif açık. Fırın sanayi tipi.

Bu nedenle “ağırlıkları indirir, ofiste çalıştırırız” cümlesi çoğu KOBİ için gerçekçi değil. Kimi K3 gibi dev bir modeli kendi altyapısında işletmek; hızlandırıcı, yüksek bant genişlikli bağlantı, soğutma, enerji, model sunum yazılımı, güvenlik, izleme ve uzman ekip gerektiriyor. Model dosyasına para ödememek, toplam sahip olma maliyetini sıfırlamıyor.

Performans tablosu: Güçlü, fakat mutlak lider değil

Kimi K3, Frontend Code Arena'da 1679 puanla birinci oldu, Claude Fable 5'i geride bıraktı ve ölçülen yedi alanın altısında liderlik aldı. Sadece oyun kategorisinde ikinci kaldı. Önceki sürüm Kimi K2.6'nın 18. sıradan 1. sıraya taşınması, kapanan mesafenin hızını gösteriyor. İkili karşılaştırmalarda çıktısı yüzde 76 oranında tercih edildi; Claude Fable 5 yüzde 63, GPT-5.6 Sol yüzde 58 aldı.

Geniş ölçümde tablo daha dengeli. Artificial Analysis Intelligence Index'te Claude Fable 5 60, GPT-5.6 Sol 59, Kimi K3 57, Claude Opus 4.8 ise 56 puan aldı. Yani Kimi K3 genel sıralamada üçüncü.

Doğru cümle şu: Kimi K3 arayüz kodlamada dünyanın en iyisi, genel tabloda en üst seviyenin hemen arkasında. Bir frontend zaferini bütün görevler için dünya şampiyonluğu gibi sunmak doğru değil.

İlginç olan, bu temkinin üreticiden gelmesi. Moonshot kendi duyuru yazısında, Claude Fable 5 ve GPT-5.6 Sol ile aralarında kullanıcı deneyimi tarafında belirgin bir açık bulunduğunu yazdı. Bir şirketin kendi zayıf noktasını yayımlaması, bugünlerde çoğu benchmark tablosundan daha güvenilir bir veri.

İşletmenin yapması gereken model taraftarlığı değil, kendi görev testini kurmak. Banka mutabakatı, müşteri mesajı, belge sınıflandırma, kod düzeltme ve teklif hazırlama aynı beceri değildir. Her biri ayrı ölçülmelidir.

API fiyatı ucuz olabilir, tamamlanan iş pahalı olabilir

Kimi K3'ün resmî API fiyatı 1 milyon token başına önbellek isabetli girdide 0,30 dolar, normal girdide 3 dolar, çıktıda 15 dolar. Artificial Analysis'in standart görev hesabında Kimi K3 yaklaşık 0,94 dolar, GPT-5.6 Sol 1,04 dolar, Claude Fable 5 ise 2,75 dolar maliyet çıkarıyor.

Bu, Kimi K3'ün en üst seviye zekâyı daha düşük görev maliyetiyle sunduğunu gösteriyor. Ancak liste fiyatı yine de eksik bir ölçü.

• Bir model aynı işi kaç denemede tamamlıyor?
• Ne kadar uzun yanıt veriyor?
• Önbellek gerçekten ne oranda çalışıyor?
• Yanlış çıktının insan kontrol maliyeti ne?
• Hizmet yavaşladığında veya durduğunda satış ne kadar etkileniyor?

Ucuz token, ucuz iş demek değildir. Doğru metrik “1 milyon token kaç dolar?” değil, “başarıyla tamamlanan görev kaç TL?” sorusudur.

Haberin gerçek mesajı: Dağıtım da bir hendektir

Moonshot'ın yeni abonelikleri durdurması modelin başarısız olduğunu göstermiyor. Tam tersine, talebin şirketin beklediğinden daha hızlı büyüdüğünü gösteriyor. Fakat aynı olay şunu da kanıtlıyor: kullanıcıya sürekli kapasite sunabilmek başlı başına rekabet avantajıdır.

Model ağırlıkları rakibe geçebilir. Benchmark farkı birkaç haftada kapanabilir. Ama küresel dağıtım, kapasite planlama, yüksek önbellek oranı, düşük gecikme ve güvenilir faturalama bir gecede kopyalanmaz.

2026'nın yeni savunma hattı yalnızca model değil. Model yönlendirme, değerlendirme seti, maliyet kontrolü, izleme ve yedek sağlayıcı birlikte bir ürün hendeği oluşturuyor.

Bu arada dikkat çeken bir ayrıntı daha var: Moonshot aynı günlerde yeni bir finansman turu arıyor ve Hong Kong'da halka arza hazırlanıyor. Tesadüf değil. Model eğitmek tek seferlik bir sermaye harcaması; milyonlarca kullanıcıya kesintisiz hizmet vermek ise her ay tekrar eden bir işletme gideri. Kapasite bir mühendislik başlığı gibi görünür, faturası sermaye tarafına çıkar.

Türk işletmesi için sonucu şu: hizmetinizi kasası tükenebilecek tek bir sağlayıcının üstüne kurarsanız, onun sermaye sorununu kendi müşteri sorununuza çevirirsiniz. Ucuz API bazen sübvansiyonlu API demektir.

Qwen3.8 aynı hafta geldi: Tek olay değil, üretim bandı

19 Temmuz'da Alibaba, 2,4 trilyon parametreli Qwen3.8-Max-Preview modelini Şanghay'daki Dünya Yapay Zeka Konferansı'nda duyurup Token Plan, Qoder ve QoderWork üzerinde ön izlemeye açtı. Alibaba, modelin Claude Fable 5'in hemen arkasında olduğunu söylüyor. Fakat bu iddiayı doğrulayacak bağımsız test sonuçları henüz yayımlanmış değil.

Bu temkin payı önemli. Şirket benchmark'ı satın alma kanıtı değildir.

Yine de üç gün içinde gelen Kimi K3 ve Qwen3.8-Max-Preview aynı yönü gösteriyor: Çin'in çok trilyonlu model üretimi tek seferlik bir sürpriz olmaktan çıktı. Açık ve kapalı model seçenekleri daha hızlı çoğalacak. Model seçme ve değiştirme yeteneği, modelin kendisinden daha kalıcı bir kabiliyete dönüşecek.

Türk KOBİ'si hangi yolu seçmeli?

Ben HANDEN X'te distribütör operasyonunu ve CashClaw'da ajan güvenliğini tek bir modele bağlamıyorum. Rutin iş, kritik muhakeme, görsel analiz ve kod görevi için farklı motorlar kullanılabiliyor. Maliyet tavanı ve yedek model, özellik değil hizmet sürekliliğinin parçası.

Bu yaklaşımın amacı her yeni modeli sisteme doldurmak değil. Tam tersine, yalnızca kendi testimizi geçen modeli doğru göreve almak. Model kiralık. Kalite sorumluluğu bizde.

Yarın sabah uygulanabilecek 5 adım

1. “Açık model” hedefinizi netleştirin. Veri egemenliği mi, düşük fiyat mı, yoksa sağlayıcı bağımsızlığı mı istediğinizi yazın.
2. 50 gerçek görevden oluşan test seti kurun. Genel benchmark yerine kendi müşterinizin işini ölçün.
3. Başarılı görev başına maliyeti hesaplayın. Token, tekrar deneme, insan kontrolü ve gecikmeyi aynı tabloda toplayın.
4. Yedek sağlayıcı tatbikatı yapın. Ana model kapandığında aynı gün içinde geçebileceğiniz doğrulanmış bir alternatif tutun.
5. 27 Temmuz'u teslim tarihi olarak izleyin. Kimi K3 ağırlıkları geldiğinde lisansı, dosyaları, donanım ihtiyacını ve bağımsız testleri doğrulamadan üretim kararı vermeyin.

Sonuç: Özgürlük dosyada, değer işletmede

Kimi K3 önemli bir eşik. 2,8 trilyon parametreli bir modelin açık ağırlık sözüyle gelmesi, kapalı laboratuvarların fiyat ve erişim gücüne ciddi baskı yapıyor. Türk girişimcisi için bu iyi haber.

Fakat açık ağırlığı bedava altyapı sanmak yeni bir yanılgı üretir. Ağırlık dosyası özgürlük verir. Donanım, servis, güvenlik, izleme ve kesintisiz dağıtım hâlâ para ve disiplin ister.

Tez: Açık ağırlık size tarifi verir; ekmeği zamanında çıkarmak hâlâ fırını işletenin işidir.

Peki kullandığınız yapay zeka yarın yeni müşteri kabul etmeyi durdursa, işiniz kaç dakika içinde ikinci fırına geçebilir?

Sıkça Sorulan Sorular

Kimi K3 açık kaynak mı?

Moonshot, Kimi K3'ü açık 3 trilyon sınıfı model olarak tanıtıyor ve tam ağırlıkları 27 Temmuz 2026'ya kadar yayımlayacağını söylüyor. 20 Temmuz itibarıyla model yönetilen hizmetlerde kullanılabiliyor, fakat tam ağırlık paketi henüz yayımlanmış değil.

Kimi K3 tamamen ücretsiz mi?

Hayır. Model ağırlıklarının açık olması API ve altyapının ücretsiz olduğu anlamına gelmiyor. Resmî API fiyatı 1 milyon token başına normal girdide 3 dolar, çıktıda 15 dolar. Kendi sunucunda çalıştırma da ciddi donanım ve işletme maliyeti doğuruyor.

Kimi K3 normal bir bilgisayarda çalışır mı?

Tam model için gerçekçi değil. Moonshot, üretim dağıtımında 64 veya daha fazla hızlandırıcılı supernode yapılarını öneriyor. Çoğu birey ve KOBİ için yönetilen API ya da daha küçük açık modeller daha mantıklı.

Kimi K3 dünyanın en güçlü modeli mi?

Bazı frontend testlerinde lider. Geniş Artificial Analysis Intelligence Index'te ise 57 puanla üçüncü, Claude Fable 5 ve GPT-5.6 Sol'un arkasında. Doğru model seçimi genel sıralamadan çok, işletmenin kendi görev testine dayanmalı.

KOBİ açık model mi, kapalı API mi kullanmalı?

Genel ofis işleri ve düşük hacimde yönetilen API hızlı başlangıç sağlar. Hassas veri, yüksek ve düzenli hacim veya sağlayıcı bağımsızlığı gerektiğinde uygun boyutlu açık model düşünülebilir. Kritik üretim sisteminde en sağlıklı yapı, doğrulanmış en az iki seçeneği yönlendirebilen mimaridir.

Kaynaklar ve ilgili okumalar

• Moonshot AI: Kimi K3, Open Frontier Intelligence, 16 Temmuz 2026
• Artificial Analysis: Four frontier launches in eight days, 17 Temmuz 2026
• Arena.ai: Frontend Code Arena sonuçları, 17 Temmuz 2026
• Euronews: Kimi K3 halts new signups amid skyrocketing demand, 20 Temmuz 2026
• PYMNTS: Moonshot Halts New Kimi K3 Subscriptions as Demand Overwhelms Compute, 20 Temmuz 2026
• Business Standard: Moonshot AI pauses Kimi subscriptions amid surging demand, IPO push, 20 Temmuz 2026
• South China Morning Post: Qwen3.8-Max-Preview, 19 Temmuz 2026

İlgili yazılar: ChatGPT İlk Kez %50'nin Altına Düştü: Tek Model Çağı Bitti · Anthropic Ayda 1,25 Milyar Dolar GPU Ödüyor · Akıl Ucuzladı, Model Kovalamayı Bırak

Kurdukları bir yapay zeka ajanı gece yarısı çalışmaya başladı. İşi basitti: bir raporu düzelt, hata varsa tekrar dene. Ama "hata varsa tekrar dene" cümlesinin bir sonu yoktu. Ajan düzeltti, beğenmedi, tekrar düzeltti, yine beğenmedi. Sabaha kadar aynı işi 4.000 kez yaptı. Sabah faturayı açtıklarında rakam ortadaydı: tek gecede yüzlerce dolar, dönüp duran bir robota gitmişti.

Kod yanlış değildi. Prompt de fena değildi. Yanlış olan tek şey vardı: döngü.

Bu yazı tam da onun hakkında. Çünkü sahada gördüğüm en pahalı hatalar artık kötü prompt'tan değil, kötü kurulmuş döngüden çıkıyor.

Üç perde: Prompt, Bağlam, Döngü

Kısa bir hafıza tazeleyelim.

2023, herkesin "prompt mühendisi" olmaya çalıştığı yıldı. Mesele tek bir mükemmel komutu yazmaktı. "Şunu şöyle yap, şu tonda, şu formatta." İyi cümle kuran, iyi çıktı alıyordu.

Sonra iş büyüdü. Anladık ki modele nasıl sorduğun kadar, ona ne verdiğin de önemli. Doğru hafıza, doğru belge, doğru araç, doğru bağlam. Buna bağlam mühendisliği dediler. Modele soruyu sormadan önce masasına doğru dosyaları koymak.

Şimdi üçüncü perdedeyiz: döngü mühendisliği. İngilizcesi loop engineering.

Farkı şu. Prompt ve bağlam, modele "tek sefer" bir soru sorup cevap almakla ilgiliydi. Ajan öyle çalışmıyor. Ajan bir döngüde dönüyor:

Planla. Sonra bir araç çağır, yani harekete geç (dosya oku, mail at, veri çek). Sonucu gözle, ne oldu bak. Düşün ve düzelt. Sonra baştan.

Döngü mühendisliği bu çarkı tasarlamaktır. Adımları, durma koşulunu, hata kurtarmayı, doğrulama basamağını, bütçe tavanını. Yani "bu robot nereye kadar dönecek, yanlış yaparsa ne olacak, ne zaman durup bana getirecek" sorularının cevabını.

Neden tam da şimdi?

İki şey aynı anda oldu, disiplini zorunlu kıldı.

Birincisi, ajanlar pilottan üretime geçti. Artık slayt gösterisi değil, gerçek işi yapan sistemler bunlar. Gartner'ın öngörüsü net: bu yıl sonuna kadar kurumsal uygulamaların yaklaşık yüzde 40'ı ajan içerecek. Yani "denesek mi" sorusu geride kaldı, "nasıl kontrol edeceğiz" sorusu öne geçti.

İkincisi, ve asıl kırılma bu: akıl ucuzladı. Modeller hem güçlendi hem fiyatları sertçe düştü. Bugün amiral gemisine yakın kalitede iş yapan, ama çok daha ucuz modeller var. İşin ekonomisi tamamen değişti.

Düşün. Eskiden bir işi modele bir kez yaptırırdın, çünkü her çağrı pahalıydı. Şimdi aynı işi bir döngüde on kez yaptırıp en iyisini seçmek ekonomik hale geldi. "Tek mükemmel cevap" çağı bitti. "Döngüde kendini düzelten sistem" çağı başladı.

Ama ucuz akıl bedava değil. O gece yarısı 4.000 kez dönen ajan, tam da "akıl ucuzladı, salla gitsin" rehavetinin faturası.

Tez: Rekabet artık en iyi döngüde

Şunu açık söyleyeyim.

Bundan sonra iki firmanın farkı, kimin daha güzel prompt yazdığında değil. İkisi de aynı modeli kiralıyor, ikisinin de erişimi aynı. Fark, kimin daha iyi döngü kurduğunda.

Kötü döngü: kontrolsüz. Ne zaman duracağını bilmez, hatasını fark etmez, üstüne hata biriktirir, para yakar. Sonsuza dönebilir.

İyi döngü: yaptığını doğrular, sınırı gelince durur, yanlışında geri döner, bütçesini aşmaz, iş bitince sana getirir.

En sevdiğim benzetme şu. Prompt yazmak, çırağa "şunu yap" demektir. Döngü kurmak ise çırağa şunu demektir: "Yaptığını kontrol et. Hata varsa düzelt. Şu bütçeyi geçme. Emin değilsen bana sor. Bitince önüme getir." Birincisi bir cümle, ikincisi bir yönetim sistemi. Aradaki fark, iyi usta ile fena usta arasındaki farktır.

Bunu havada konuşmuyorum

Bu kavramı masabaşında bulmadım, sahada yedim.

Günlük işimi yürüten JARVIS sistemi tam da böyle çalışıyor: planla, yap, kontrol et, düzelt. Tek seferlik cevap veren bir kutu değil, döngüde dönen bir işletim sistemi. Ve o döngüyü yıllarca sağlama almakla uğraştım.

Bu yüzden açık kaynak tarafında CashClaw'u çıkardım. GitHub'da 290'a yakın yıldıza ulaştı ve npm'de "Agent Economy Layer" olarak duruyor. İçindeki özelliklere bakın, hepsi tek bir derdin cevabı: döngüyü kontrol etmek. Sonsuz döngüyü kesen recursive kill. Bütçe tavanı koyan cost cap. Ajanın hangi aracı kullanacağını sınırlayan tool firewall. Bunlar süs değil, o 4.000 kez dönen ajanın panzehiri.

HANDEN X ise sahada gerçek iş yürüten bir ajan akışı. Distribütörün rotasını, alacağını, denetimini döngüde işliyor. Orada "durma koşulu" ve "doğrulama" akademik terim değil, patronun parası.

Yani döngü mühendisliği benim için trend kelimesi değil, faturasını gördüğüm bir gerçek.

Yarın sabah yapabileceğin 5 şey

Büyük laf yok. KOBİ'ysen, girişimciysen, tek kişilik ekipsen bile bunları yarın uygulayabilirsin.

1. Döngünün adımlarını kağıda yaz. Ajanının hangi sırayla ne yaptığını tek tek çıkar: önce ne planlıyor, hangi aracı çağırıyor, sonucu nasıl okuyor. Yazamıyorsan, kuramamışsın demektir.
2. Bir doğrulama adımı ekle. Ajan bir iş bitirince, çıktıyı kim kontrol edecek? İkinci bir kontrol basamağı koy: ya basit bir kural, ya ikinci bir model, ya insan onayı. Doğrulamasız döngü, kör uçuştur.
3. Durma koşulu ve bütçe tavanı koy. En kritik madde bu. "En fazla 5 deneme." "En fazla şu kadar dolar." "Şu süreyi geçme." Sınırsız döngü, er ya da geç fatura demektir.
4. Her iterasyonu logla. Ajan her döndüğünde ne yaptığını bir yere yazsın. Sorun çıktığında "acaba nerede saçmaladı" diye saatlerce bakmazsın, log'a bakarsın. Kayıt tutmayan sistem, hatasını da tekrarlar.
5. Kendini düzeltme kuralı ekle. Hata olduğunda ne olacak? Aynı şeyi mi deneyecek, yoksa farklı mı? "Aynı hata iki kez olduysa dur ve bana haber ver" gibi basit bir kural, o gece yarısı faturasını sıfırlar.

Beşi de bir günde kurulur. Beşi de sana para kazandırmaz, para kaybettirmez. Bu çağda kaybetmemek çoğu zaman kazanmaktır.

Son söz

Prompt ölmedi. Sadece giriş kapısı oldu. Bağlam da öldürmedi onu, üstüne bir kat çıktı. Şimdi bir kat daha var: döngü.

Ve şunu unutma. Akıl ucuzladıkça, düşünmeyen sistemin maliyeti artıyor. Çünkü ucuz aklı kontrolsüz döndürmek, en pahalı hata.

Tez: Rekabet artık en iyi prompt'ta değil, en iyi döngüde. Prompt çırağa "yap" demektir; döngü çırağa "yaptığını kontrol et, hata varsa düzelt, bütçeyi aşma, bitince getir" demektir.

Peki senin ajanın bu gece çalışsa, sabah seni bir çözüm mü, yoksa bir fatura mı karşılar?

Ertuğrul Akben

Yapay Zeka & Sistem Stratejisti

ertugrulakben.com

Sıkça Sorulan Sorular

Döngü mühendisliği (loop engineering) nedir?

Bir yapay zeka ajanının içinde döndüğü döngüyü (planla, araç çağır, sonucu gözle, düzelt) tasarlama disiplinidir. Adımları, durma koşulunu, hata kurtarmayı, doğrulama basamağını ve bütçe tavanını kapsar.

Prompt mühendisliğinden farkı ne?

Prompt mühendisliği modele tek bir soruyu en iyi biçimde sormakla ilgilidir. Döngü mühendisliği ise ajanın çok adımlı, kendini düzelten çalışma akışını yönetir. Prompt "yap" der, döngü "yap, kontrol et, düzelt, dur" der.

Neden şimdi önem kazandı?

Ajanlar üretime geçti (Gartner: yıl sonuna kadar kurumsal uygulamaların yaklaşık %40'ı ajanlı) ve model maliyetleri sert düştü. Bir işi tek sefer değil, döngüde defalarca çalıştırmak ekonomik hale geldi; bu da döngü kontrolünü zorunlu kıldı.

Şaşırtıcı olan çıkması değil. Şaşırtıcı olan şu: bu model, birçok gerçek işte amiral gemisi Opus 4.8'e yaklaşan sonuçlar veriyor ama katbekat ucuz. Öyle ucuz ki tanıtım fiyatı 31 Ağustos'a kadar bir önceki Sonnet 4.6'nın bile altında.

Bir dakika duralım. On sekiz ay önce bu performansa erişmek için avuç dolusu para veriyorduk. Bugün neredeyse bedava. Bu yazıda haber vermek istemiyorum. "Bu sana ne kazandırır?" sorusuna cevap arıyorum. Çünkü akıl ucuzladıysa, senin stratejin de değişmek zorunda.

Zeka artık kıt değil, bol

Yıllardır oyunu tek bir soru üzerine kurduk: "Hangi model en akıllı?" En büyük parametreyi, en yüksek benchmark'ı kovaladık. Herkes gözünü foundation model tahtına dikti.

O taht hâlâ el değiştiriyor da, artık kimse oturmuyor. Çünkü sektörün ekseni kaydı. Soru "model ne kadar büyük?" olmaktan çıktı, "gerçek işi denetimsiz ne kadar iyi bitiriyor?" oldu. Aradaki fark, motor gücüyle varış noktası kadar açık.

Rakamlar da bunu söylüyor. NVIDIA geçtiğimiz günlerde açık ağırlıklı bir difüzyon dil modeli yayınladı. Metni tek tek değil paralel üretiyor, 2,42 kat daha hızlı çalışıyor ve bunu yaparken kalitenin yüzde 98,7'sini koruyor. Yaklaşık 2,1 trilyon token üzerinde eğitilmiş. Türkçesi şu: aynı işi neredeyse aynı kalitede, iki buçuk kat hızlı ve çok daha ucuza yapabiliyorsun. Çalıştırma maliyeti (inference) sert biçimde düşüyor.

Zeka metalaştı. Elektrik gibi, su gibi. Bir şey bollaşınca, o şeyin kendisi rekabet avantajı olmaktan çıkar. Kimse "benim prizimden daha kaliteli elektrik akıyor" diye reklam yapmaz. Rekabet, o elektrikle ne ürettiğine kayar.

Devler artık modelde değil, veride yarışıyor

Buna inanmıyorsan büyüklerin nereye para döktüğüne bak.

SAP, dört yılda 1,18 milyar dolar yatırımla kendi yapay zeka laboratuvarını kuruyor. Ama dikkat: yeni bir "en büyük sohbet modeli" için değil. Yapısal iş verisi üzerinde tahmin yapmak için. Yani ellerindeki asıl hazineyi, on yıllardır biriktirdikleri kurumsal veriyi zekaya çeviriyorlar.

OpenAI ise Codex'i güçlendirmek için Ona'yı satın aldı. Codex'in haftalık 5 milyondan fazla kullanıcısı var; Ona ise kalıcı, bulutta çalışan bir ajan. Yani yarış "en zeki cevabı kim verir"den, "arka planda işi kim bitirir"e taşınmış durumda.

Gördün mü kalıbı? Ne SAP ne OpenAI daha büyük model peşinde. İkisi de zekayı bir hammadde gibi alıp, üzerine kendi verisini ve kendi iş akışını koyuyor. Değer orada.

Peki Türk girişimci ne yapıyor?

Çoğu hâlâ yanlış soruyu soruyor: "Hangi modeli kullansam?"

Doğru soru bu değil. Ucuz ve güvenilir akıl çağında model, altından su akan bir musluk. Bugün Claude, yarın açık ağırlıklı bir model, öbür gün NVIDIA'nın difüzyon modeli. Hepsi ucuzluyor, hepsi iyileşiyor. Muslukları kovalayarak servet kuramazsın.

Sahiplenebileceğin üç şey var, sadece üç: veri, iş akışı ve dağıtım.

Verini kimse senden alamaz. Manavgat'taki bir distribütörün onlarca rotasında, binlerce SKU'sunda, yıllardır biriken tahsilat geçmişinde saklı olan bilgi, hiçbir foundation model'in eğitim setinde yok. O senin. Aynı şekilde iş akışın, yani firmanın yazılı olmayan süreçleri, kimin ne zaman ne yaptığı, hangi müşteriye nasıl davranıldığı da senin. Ve müşteriye ulaşma kanalın, dağıtımın da senin.

Model kiralık. Veri, akış ve dağıtım mülk. Sen mülke yatırım yapacaksın, kiralık motora değil.

Burada bir de sigorta meselesi var. Açık ağırlıklı modeller (NVIDIA'nın yeni modeli gibi, ya da Qwen, Llama tarafı) sana geri alınamaz bir güvence verir. Lisansı verilmiş ağırlığı kimse geri çağıramaz. Bir sabah "artık bu ülkeye kapalı" diyemezler. Kapalı API'ye tek başına bağlanmak, tek prize bağlı yaşamaktır. Çoklu model mimarisi kurmak ise jeneratörünü de hazır tutmaktır.

Sahada ne görüyorum

Bunları masabaşı teori olarak yazmıyorum. Kendi ürünlerimde yaşıyorum.

HANDEN X şu anda bir VPS'te, sahada, gerçek bir distribütörün işini yönetiyor. Onu değerli kılan altındaki model değil. Rota mantığı, banka mutabakatı, alacak yaşlandırması, o firmanın gerçeğine gömülmüş iş akışı değerli. Modeli yarın komple değiştirsem, ürün ayakta kalır. Çünkü değer motorda değil, şaside.

CashClaw tarafında da benzer bir şey görüyorum. Ajan ekonomisi katmanı olarak yaklaşık 290 yıldıza ulaştı. İnsanların ilgisini çeken şey "hangi modeli çağırıyor" değil, ajanların iş yapıp para kazanmasını sağlayan katman, yani akış.

JARVIS zaten günlük işimin omurgası; onu da tek bir modele bağlamıyorum, işin türüne göre model seçiyorum. AI-MOI verisi ise Türkiye gerçeğini net gösteriyor: KOBİ'lerin yapay zeka olgunluğu hâlâ dipte, aktif kullanım tek haneli yüzdelerde. Bu kötü haber değil. Bu, açık ara boş bir meydan demek. Övünmüyorum, sadece söylüyorum: sahada çalışan şey, en büyük modeli kim kullanıyor değil, veriyi ve akışı kim sahiplenmiş.

Wrapper olmak utanılacak bir şey değil. Ama orada kalmak tembelliktir. Modelin üstüne ince bir kabuk geçirip bırakmak kolay. Zor olan, o kabuğun altına kendi verini, kendi sürecini, kendi dağıtımını gömmek. Zoru yapan kazanır.

Yarın sabah yapabileceğin 5 şey

1. Modeli soyutla, çoklu model kur. Kodunda "Claude" diye sabit bir bağ olmasın. Model çağrısını tek bir katmanın arkasına al ki, yarın daha ucuz ya da daha iyi bir model çıkınca tek satırla geçebilesin. Tek tedarikçiye kilitlenme.
2. Veriyi bugünden toplamaya ve sahiplenmeye başla. Müşteri konuşmaları, teklifler, tahsilat geçmişi, süreç notları. Bugün dağınık duran her veri, yarın senin en büyük savunma hattın. KVKK uyumlu topla, kendi elinde tut.
3. Açık ağırlıklı bir modeli dene. Tek bir işi seç, açık ağırlıklı bir modelle çalıştır. Amaç hemen üretime almak değil; bir sabah kapı yüzüne kapanırsa jeneratörün çalışıyor mu, onu görmek.
4. Maliyet tavanı koy. Akıl ucuzladı diye faturanın kendi başına şişmesine izin verme. İş başına maliyet tavanı belirle, bütçe aşımında ajanı durduran bir mekanizma kur. Ucuz zeka, kontrolsüz kullanılınca pahalıya patlar.
5. İş akışını sahiplen. Firmanın en çok zaman kaybettiren tek sürecini al, baştan sona haritalandır, otomatikleştir. Modelin ne olduğunun önemi yok; o süreci en iyi senin bildiğin gerçek, senin avantajın.

Son söz

Herkes hâlâ en büyük modeli konuşurken, akıl çoktan ucuzladı. Bundan sonra kazanan, en zeki modeli bulan değil, o ucuz zekayı kendi verisiyle, kendi akışıyla, kendi dağıtımıyla değere çeviren olacak.

Tez: Motor kiralık, şasi senin. Zekayı satın al, işi sen sahiplen.

Peki bir el çabukluğuyla en büyük modeli kovalarken, aslında rakibinin çoktan sahiplendiği o veriyi ve akışı sen neden hâlâ toplamaya başlamadın?

Ertuğrul Akben

Yapay Zeka & Sistem Stratejisti

ertugrulakben.com

Sıkça Sorulan Sorular

Ucuz yapay zeka modelleri çıktıysa artık en iyi modeli kullanmak önemsiz mi?

Model seçimi hâlâ önemli ama artık kalıcı rekabet avantajı değil. Modeller hızla ucuzluyor ve birbirine yaklaşıyor. Fark, o modeli kendi verin ve iş akışınla ne kadar iyi kullandığında ortaya çıkıyor.

Açık ağırlıklı (open-weight) model kullanmanın avantajı ne?

Verilmiş ağırlık geri alınamaz. Bir tedarikçinin erişimi bir sabah kesme riskine karşı sigortadır. Çoklu model mimarisiyle birlikte kullanıldığında bağımsızlık sağlar.

KOBİ olarak yapay zekada nereden başlamalıyım?

En çok zaman kaybettiren tek süreci seç, veriyi topla, modeli soyutla ve iş akışını otomatikleştir. Tüm işi bir anda dönüştürmeye çalışma; hızlı kazançla başla.

Bugün Antalya'da "yapay zeka eğitimi" diye aratan biri karşısında üç farklı dünya buluyor: belediye etkinlik haberleri, bireysel sertifika kursları ve web tasarım firmalarının yanına iliştirdiği "AI uyumlu" etiketleri. Bunların hiçbiri bir işletmenin operasyonunu dönüştürmez. İşletmenizin ihtiyacı olan şey bir sertifika değil, ölçülebilir sonuç üreten bir yol haritasıdır. Bu yazıda bir Antalya yapay zeka uzmanının gerçekte ne iş yaptığını, hangi sektörlerin öne çıktığını ve doğru danışmanı seçmenin somut kriterlerini anlatıyorum.

Kısa Özet

• "Yapay zeka uzmanı" üç farklı şeydir: sertifika eğitmeni, yazılımcı ve yapay zeka danışmanı/sistem stratejisti. İşletmeler için değer üçüncüsündedir.
• Antalya'da en yüksek getiriyi turizm, sağlık turizmi, tarım ve perakende sektörleri sağlar.
• İşletmelerin önündeki bir numaralı engel maliyet değil, uzmanlık eksikliğidir (yüzde 30.6).
• Doğru danışman 5 kriterle seçilir: gerçek üretim referansı, yerellik, ölçülebilir sonuç, KOBİ gerçekliği, eğitim + uygulama birlikteliği.
• Doğru yol: tüm işi değil, en çok zaman kaybettiren tek bir süreci seçip hızlı kazançla başlamak.

Yapay Zeka Uzmanı Gerçekte Ne İş Yapar?

Piyasada "yapay zeka uzmanı" ifadesi üç ayrı şeyi karıştırıyor ve bu karışıklık işletmelere pahalıya patlıyor. Net ayıralım:

• Sertifika kursu eğitmeni: Size ChatGPT, Canva AI ve Midjourney kullanmayı öğretir, sonunda e-Devlet'te görünen bir belge verir. Bireyler ve iş arayanlar için değerlidir. Ama bu, işletmenizin muhasebesini, stok tahminini veya müşteri hizmetlerini dönüştürmez.
• Yazılım geliştiricisi: Belirli bir modeli kodlar. Teknik tarafı çözer ama "hangi süreci, neden, ne kadar getiriyle otomatikleştirmeliyim" sorusunu cevaplamaz.
• Yapay zeka danışmanı ve sistem stratejisti: Önce işletmenizin gerçek sorununu bulur, hangi sürecin yapay zekaya hazır olduğunu belirler, yatırımın geri dönüşünü hesaplar ve uygulamayı baştan sona yönetir. İşletmeler için asıl değer burada üretilir.

Farkı tek bakışta görmek için:

Bir işletme sahibiyseniz size lazım olan üçüncüsüdür. AI ile şov değil, AI ile sonuç. Maraş'taki bir baharatçının da, Antalya'daki bir otelin de ihtiyacı aynı: aynı ekiple daha fazla iş çıkarmak, hata oranını düşürmek, müşteriye daha hızlı yanıt vermek.

Antalya'da İşletmeler İçin Yapay Zeka Neden Bu Kadar Kritik?

Antalya'nın ekonomik dokusu yapay zekayı diğer şehirlerden daha acil hale getiriyor. Şehrin can damarı olan sektörlerin her biri veri yoğun ve hız odaklı çalışıyor:

• Turizm ve otelcilik: Çok dilli müşteri iletişimi, rezervasyon optimizasyonu, yorum analizi ve dinamik fiyatlama. Bir otelin gece resepsiyonu artık yapay zeka destekli bir asistanla 100'den fazla dilde anlık yanıt verebilir.
• Sağlık turizmi: 7/24 hasta iletişimi, otomatik lead skorlama, kişiselleştirilmiş takip mesajları ve çok dilli çağrı yönetimi. Antalya'nın en hızlı büyüyen sektörlerinden birinde satış verimliliği doğrudan yapay zekaya bağlı.
• Tarım ve sera: Verim tahmini, hastalık erken teşhisi, sulama ve enerji optimizasyonu.
• Perakende ve e-ticaret: Stok tahmini, ürün öneri motorları, ürün fotoğrafçılığının yapay zeka ile saniyeler içinde üretilmesi.

Buna rağmen sahadaki gerçek şu: işletmelerin önündeki bir numaralı engel maliyet değil, uzmanlık eksikliği. Yani teknoloji hazır, bütçe çoğu zaman makul, eksik olan tek şey doğru yönlendirme. İşte tam bu noktada doğru uzmanı seçmek belirleyici oluyor.

Doğru Yapay Zeka Danışmanı Nasıl Seçilir? 5 Kriter

Antalya'da yapay zeka hizmeti veren çok sayıda isim göreceksiniz. Çoğu ya web tasarımcı ya da uzaktan çalışan ulusal bir ajans. İşletmeniz için karar verirken şu beş kritere bakın:

• 1. Gerçek üretim referansı var mı? Sunumda güzel duran slaytlar değil, canlıda çalışan sistemler önemli. Distribütörler için iş yönetim platformları, çağrı merkezi sesli çeviri sistemleri, tahsilat asistanları gibi gerçekten sahada üretime alınmış işler isteyin.
• 2. Yerel mi, yoksa uzaktan mı? Antalya'daki bir işletmeyi anlamak için sektörü yerinde görmek gerekir. Uzaktan jenerik çözüm satan bir ajans, sizin operasyonunuzu tanımaz.
• 3. Ölçülebilir sonuç vaat ediyor mu? "Dijital dönüşüm" gibi soyut laflar değil, "şu süreçte şu kadar zaman tasarrufu, şu kadar hata azalması" gibi somut hedefler koyabilmeli.
• 4. KOBİ gerçekliğini biliyor mu? Büyük danışmanlık devlerinin modeli orta ölçekli bir Antalya işletmesine genelde uymaz. Türkiye KOBİ'lerinin gerçek bütçesini ve hızını bilen biri lazım.
• 5. Eğitim ve uygulamayı birlikte sunuyor mu? En iyi sonuç, ekibinize balık tutmayı da öğreten danışmandan gelir. Sadece sistem kurup gitmek değil, ekibinizi o sistemi yönetebilir hale getirmek.

Ertuğrul Akben Kimdir? Antalya'da Yapay Zeka Tarafında Ne Yapıyor?

Ben Ertuğrul Akben. Yapay zeka ve sistem stratejisti, yatırımcı ve araştırmacıyım. Manavgat doğumluyum ve faaliyetlerimin Akdeniz ayağını buradan yürütüyorum.

İşin otorite tarafı için somut veriler: Türkiye genelinde 490 firma ve 1.414 katılımcıyla KOBİ'lerin yapay zeka olgunluğunu nicel olarak ölçen AI-MOI Turkey 2025 araştırmasını ben yürüttüm. SYS4AI platformu üzerinden 500'den fazla bireye ve 30'dan fazla kurumsal ortağa yapay zeka eğitimi verdim. MASİAD, yani Manavgat Sanayici ve İş İnsanları Derneği'nin Yönetim Kurulu Danışmanı olarak derneğin dijital dönüşüm ve yapay zeka stratejisine liderlik ediyorum. Kasım 2025'te Dijital Zirve Manavgat 5'te konuşmacı olarak yer aldım.

Üretim tarafında ise iş laftan ibaret değil. Distribütörler için 24 modüllü bir yapay zeka iş yönetim platformu olan HANDEN X bir BAT distribütöründe 50'den fazla plasiyerle canlı çalışıyor. Çağrı merkezleri için anlık sesli çeviri yapan VOXONIC AI bir yıldır üretimde. Türkçe tahsilat asistanı Vadelim, restoranlar için yapay zeka görsel üretimi yapan MutfakAI ve LLM API geçidi AgabeyogluAI aktif. AR-GE tarafında Transformer mimarisine alternatif DSGMv2 modeli, nedensellik tabanlı bilgi erişim sistemi NeuroCausal RAG ve hibrit hafıza mimarisi NEURON gibi özgün projeler geliştirdim. Kısacası önce kendi sistemlerimi kurdum, sonra başkalarına anlatıyorum.

Antalya Yapay Zeka Danışmanlığı ve Eğitimi: Hangi Hizmetler?

İşletmenizin nerede durduğuna göre yol değişir. Sunduğum başlıklar:

• Kurumsal yapay zeka danışmanlığı: Mevcut süreçlerinizin analizi, yapay zekaya hazır alanların tespiti ve uygulama yol haritası. Detaylar için Antalya yapay zeka danışmanlığı sayfasına bakabilirsiniz.
• İşletmelere ve ekiplere yapay zeka eğitimi: ChatGPT ve diğer araçlarla iş süreçlerini dönüştürmeye yönelik uygulamalı programlar. Ayrıntılar Antalya yapay zeka eğitimi sayfasında.
• Süreç otomasyonu ve özel çözümler: WhatsApp satış otomasyonu, teklif sistemleri, müşteri hizmetleri chatbotu, stok ve muhasebe otomasyonu.
• Bölgesel vizyon ve yol haritası: Şehir ve sektör ölçeğinde stratejik bakış için Antalya yapay zeka ekosistemi ve Manavgat yapay zeka yol haritası yazılarını okuyabilirsiniz.

Sonuç: Yapay Zeka Bir Maliyet Değil, Madencidir

İş dünyasında zaman altınsa, yapay zeka onun madencisidir. Antalya'daki işletmelerin önünde devasa bir fırsat var çünkü rakiplerin büyük çoğunluğu hâlâ bekliyor. Bu farkı erken kapatan, pazarında bir adım öne geçiyor. Mesele yapay zekanın gelip gelmeyeceği değil, sizin onu rakibinizden önce mi yoksa sonra mı kullanacağınız.

Bugün atılabilecek dört somut adım:

• Bir süreç seçin: En çok zaman kaybettiğiniz tek bir operasyonu belirleyin. Müşteri yanıtı, teklif hazırlama, stok takibi, fark etmez.
• Hızlı kazanç arayın: Tüm işi değil, o tek süreci yapay zeka ile çözmeyi hedefleyin. WhatsApp otomasyonu ve teklif sistemi genelde en hızlı dönüşü verir.
• Doğru uzmana danışın: Yukarıdaki beş kriterle değerlendirin. Ücretsiz bir ön keşif görüşmesi her zaman ilk adımdır.
• Ekibinizi dahil edin: Sistemi kuran değil, ekibinizin yönetebildiği çözüm kalıcı olur.

Antalya'da işletmeniz için yapay zeka danışmanlığı veya eğitimi konuşmak isterseniz, ücretsiz ön keşif görüşmesiyle başlayabiliriz. Önce durumunuzu anlarız, sonra yol haritasını çıkarırız.

Sıkça Sorulan Sorular

Antalya'da yapay zeka uzmanı kimdir?
Ertuğrul Akben, Antalya merkezli faaliyet gösteren bir yapay zeka ve sistem stratejistidir. SYS4AI platformu üzerinden 500'den fazla kişiye eğitim vermiş, 490 firmalık AI-MOI Turkey 2025 araştırmasını yürütmüş ve MASİAD Yönetim Kurulu Danışmanı olarak görev yapmaktadır. İşletmelere kurumsal yapay zeka danışmanlığı ve eğitimi sunmaktadır.

Yapay zeka danışmanlığı ile yapay zeka kursu arasındaki fark nedir?
Yapay zeka kursu bireylere araç kullanımını öğretir ve sertifika verir. Yapay zeka danışmanlığı ise bir işletmenin süreçlerini analiz eder, yapay zekaya hazır alanları belirler, yatırımın getirisini hesaplar ve uygulamayı baştan sona yönetir. İşletmeler için asıl değer danışmanlık tarafında üretilir.

Antalya'da hangi sektörler yapay zekadan en çok faydalanır?
Turizm ve otelcilik, sağlık turizmi, tarım ve sera, perakende ve e-ticaret Antalya'da yapay zekadan en yüksek getiriyi sağlayan sektörlerdir. Bu sektörlerin tamamı veri yoğun ve hız odaklı çalışır.

Yapay zeka danışmanlığı ne kadar sürede sonuç verir?
Doğru seçilmiş tek bir süreçte, örneğin WhatsApp satış otomasyonu veya teklif sisteminde, sonuçlar genellikle birkaç hafta içinde görülmeye başlar. Tüm işi birden dönüştürmek yerine hızlı kazanç sağlayan tek bir süreçle başlamak en sağlıklı yöntemdir.

Yapay zeka danışmanlığına nasıl başlanır?
İlk adım ücretsiz bir ön keşif görüşmesidir. Bu görüşmede işletmenizin en çok zaman ve para kaybettiği süreç belirlenir, yapay zekaya uygunluğu değerlendirilir ve somut bir yol haritası çıkarılır. Büyük bir bütçe veya teknik altyapı gerekmez; tek bir süreçle başlanır.

Antalya dışındaki işletmelere de hizmet veriliyor mu?
Evet. Akdeniz ofisi Manavgat'ta olmakla birlikte Türkiye geneline kurumsal danışmanlık ve eğitim hizmeti sunulmaktadır. Manavgat ve Kahramanmaraş gibi bölgeler için ayrıca özel yol haritaları hazırlanmıştır.

Bu olayı bir teknoloji haberi gibi okursanız kaçırırsınız. Burada kırılan şey bir ürün değil, son yirmi yılın varsayımı: en iyi teknolojiye, kart bağlayan herkesin, her yerden erişebileceği varsayımı. Artık soru "hangi model" değil. Artık soru "hangi pasaport".

Tam olarak ne oldu

• 9 Haziran: Fable 5 ve Mythos 5 yayınlandı, Anthropic'in kamuya sunduğu en yetenekli modeller.
• 12 Haziran, 17:21: Lutnick'in mektubu geldi. Modeller, ABD dışındaki her konuma ve ABD içindeki tüm yabancı kişilere karşı ihracat kontrolü kapsamına alındı.
• Sonuç: "Yabancıya kapat, vatandaşa aç" ayrımını canlı serviste güvenilir biçimde uygulamak mümkün olmadığı için Anthropic modelleri herkese kapattı. Yani kısıt yabancıyı hedefledi, faturayı global kullanıcının tamamı ödedi.
• Gerekçe: Hükümet şimdilik yalnızca sözlü kanıt sundu. İşaret edilen şey evrensel olmayan, dar bir jailbreak: modele bir kod tabanını okutup içindeki yazılım açıklarını buldurmak. Yani siber saldırı kapasitesi endişesi.

Mektup, somut güvenlik kaygısını ayrıntısıyla açıklamadı bile. Bir sabah kalktınız, dünyanın en güçlü kapalı modeli üzerine kurduğunuz işin altındaki zemin, sizin hiç taraf olmadığınız bir kararla çekildi.

İronisi: kendi güvenlik uyarısı silaha dönüştü

Burada acı bir taraf var. Anthropic, sektörde modellerin tehlikeli yeteneklerini en şeffaf raporlayan şirket olmasıyla bilinir. Muhtemelen tetiği çeken de bu oldu: kendi yayınladığı güvenlik değerlendirmeleri, modelin siber alandaki kapasitesini görünür kıldı ve devlet bu görünürlüğü bir "ulusal güvenlik varlığı" gerekçesine çevirdi. Yani dürüst davranan şirketin en güçlü ürünü, dürüstlüğünün üstüne kapatıldı. Bunun bir alt mesajı var: bundan sonra her frontier model, gücü ölçüsünde, üreten ülkenin stratejik silahı muamelesi görecek. Ve silahlar ihraç edilmez, lisanslanır.

Bu neden senin sorunun

Diyelim ki bir Türk girişimcisiniz ve ürününüzü tek bir kapalı modelin üstüne kurdunuz. Bu sabaha kadar sizin için bu bir "güç" hikayesiydi: dünyanın en iyi modelini, aylık birkaç yüz dolara, kendi uygulamanızın altına koymuştunuz. Dün gece bu bir "bağımlılık" hikayesine döndü. Çünkü o motorun açık kalıp kalmayacağına ne siz karar veriyorsunuz, ne sözleşmeniz, ne de o modeli üreten şirket. Karar, bir başka ülkenin başkentinde, sizin adınızın bile geçmediği bir masada veriliyor. Pasaportunuz artık yapay zekanızı belirliyor.

Bugün gerekçe siber güvenlik. Yarın gerekçe ticaret savaşı, rekabet, diplomatik kriz ya da sadece bir seçim dönemi olabilir. Mekanizma kurulduktan sonra sebebin önemi kalmaz. Önemli olan tek soru şu: motorunuz, sizin kontrolünüzde olmayan bir düğmeye bağlı mı?

Bunun adı tersine küreselleşme

Yıllardır yapay zekanın küreselleşmenin en saf hali olduğunu düşündük. Bir API anahtarı, bir kredi kartı, ve Nairobi'deki de Manavgat'taki de San Francisco'daki ile aynı zekaya erişiyordu. Dün bu sayfa kapandı. Compute katmanı (çip) zaten yıllardır ihracat kontrolü altındaydi, Türkiye dahil pek çok ülkeye en güçlü çipler kapalıydı. Şimdi sıra model katmanına geldi. Yani değer zincirinin en üst iki katmanı, üreten ülkenin egemenlik alanına çekiliyor. Bu, küreselleşmenin tersine dönmesidir ve geçici bir kaza değil, yeni normaldir.

Bu noktada iki yanlış refleks var. Birincisi paniğe kapılıp "demek ki yapay zekaya hiç güvenilmez" demek. İkincisi inkar edip "bana dokunmaz, ben küçüğüm" demek. Doğru refleks üçüncüsü: mimarini, hiçbir tek noktanın seni durduramayacağı şekilde kur. Buna sigorta denir ve üç katmanı var.

Üç katmanlı sigorta

1. Tek tedarikçiye bağlanma, çoklu model kur. Uygulamanın altındaki modeli değiştirilebilir bir parça gibi tasarla. Claude kapanırsa Gemini, GPT ya da açık bir model devralabilmeli. Bunu sonradan eklenen bir yama değil, ilk günden bir mimari ilke yap. Tek modelin üstüne sıkı sıkıya kodlanmış her ürün, dün gece kırılganlığını gördü.
2. Asıl sigorta açık ağırlıklı modeller. Bir modelin ağırlıkları açık kaynak ve serbest lisansla (Apache 2.0, MIT) bir kez yayımlandıysa, hiçbir hükümet onu geri alamaz. Çünkü o dosya artık dünyanın dört bir yanında, binlerce diskte. Qwen, Llama, DeepSeek, GLM ailesi tam da bu yüzden jeopolitik sigortadır. Kapalı API'de risk yüksek, açık ağırlıkta neredeyse sıfır. Kapalı modelin son sürümü her zaman bir adım önde olabilir, ama bir adım önde ama kapatılabilir motor ile yarım adım geride ama kimsenin kapatamayacağı motor arasında, işini kuran adam ikincisini ihmal edemez.
3. Modeli değil, dikeyi sahiplen. Senin gerçek varlığın model değil. Senin varlığın, Türk firmasının yazılı olmayan sürecini haritalayan iş akışın, müşterine ait veri ve o veriyle kurduğun entegrasyon. Model değişebilir, bunlar kalır. Değerin biriktiği yer en üst katman, yani uygulama ve dikey ajan katmanıdır ve orası kapatılamaz, çünkü orası sensin.

Ben bunu bugün nasıl yapıyorum

Bu satırları teorik yazmıyorum. Dört üründe de aynı ilkeyi uyguluyorum. HANDEN X distribütör operasyonunu, Vadelim Türkçe tahsilatı, VOXONIC çağrı merkezi çevirisini, KOZA tarafı KOBİ dönüşümünü yönetiyor. Hiçbiri tek bir kapalı modele kilitli değil; hepsi modeli değiştirilebilir bir bileşen olarak görüyor ve asıl değeri yerel veride ve yerel iş akışında topluyor. AgabeyogluAI Gateway tarafında ise mesele bizzat bu: Claude, GPT, Gemini, Grok ve açık ağırlıklı modelleri tek Türk faturası altında, biri kapanırsa diğeri devralacak şekilde birleştirmek. Dün gecenin dersi, bu yaklaşımın neden lüks değil zorunluluk olduğunu gösterdi.

Devletin cevabı ve seninki

Madalyonun iki yüzü bu hafta yan yana geldi. Bir yanda ABD, en güçlü modelini sınırın içine çekti. Öte yanda Türkiye, daha bugün 2026-2030 Yapay Zeka Eylem Planı'nı ve yerli model Bilge'yi açıkladı. İkisi aynı gerçeğin iki ifadesi: erişim silah haline geldiyse, egemenlik artık tercih değil zorunluluktur. Ama şu ayrımı net görmek lazım. Egemenliği devlet kurar, kendi modeliyle, kendi verisiyle, kendi veri merkeziyle. Senin sigortan ise bunu beklemek değil. Senin sigortan, bugün elinde olan açık ağırlıklı modeller ve sahip olduğun dikey üründür. Devletin planı 2030'a bakar, senin müşterin bu çeyreğe bakar. İkisini karıştırma.

Bugün atılacak beş adım

1. Ürünlerinin altındaki modeli envantere çıkar: hangi iş hangi modele bağlı, o model kapanırsa ne durur? Cevabı bilmiyorsan, kırılganlığın da bu.
2. En kritik akışına bir yedek model bağla. Birincil kapalı, ikincil açık ağırlıklı olsun. Bir kez bağladığında, kapatılma riskin pratikte biter.
3. En az bir açık ağırlıklı modeli (Qwen, Llama, DeepSeek ya da GLM) kendi ortamında, kendi verinle ayağa kaldır. Bunu "ileride lazım olur" diye değil, bu hafta yap.
4. Verini ve iş akışını sahiplen. Müşteri verisi senin ortamında, dışa bağımlılık en altta. Asıl varlığın bu, modeli kiraladığını unutma.
5. Tek satıcıya romantik bağlılık kurma. "En iyi model" güzeldir ama "kapatılamayan mimari" para kazandırır. İkisini aynı cümlede tutamıyorsan, ikincisini seç.

Sonuç

Dün üç günlük bir model söndü ve bize sandığımızdan çok şey anlattı. Yapay zeka çağının en güçlü kası, aynı zamanda en politik kası. En iyi modele sahip olmak artık yetmiyor; o modele yarın da erişebileceğinden emin olman gerekiyor. Bunun tek yolu, kaderini tek bir kapalı kutuya ve o kutunun bağlı olduğu başkente teslim etmemek. Çoklu model kur, açık ağırlığı sigortan yap, dikeyini ve verini sahiplen. Pasaportun yapay zekanı belirlemesin diye, motoru değil, mimariyi sahiplen. Türk sorunu, Türk çözümü, ama bu kez altyapının kimseye kapatılamayacak kısmı üstünde. Hep birlikte daha ileriye.

Bu yazıda büyük resmi anlatacağım, ama daha çok kendi tercihimi anlatacağım. Çünkü bu dönüşümde herkesin verdiği ya da farkında olmadan verdiği bir karar var: çalışan tarafında mı duracaksın, çalıştıran tarafında mı?

Ajan Ekonomisini Nasıl Okuyorum

Klasik yazılım reaktiftir. Sen bir komut verirsin, o tek bir iş yapar ve durur. Ajan mantığı ise farklı. Sen bir hedef söylersin, sistem o hedefe ulaşmak için kendi planını kurar, hangi aracı kullanacağına karar verir, gerekirse başka ajanlarla iletişime geçer ve sonucu getirir.

Project Solara'nın asıl haberi bu yüzden bir cihaz değil. Microsoft'un ajanları arka planda sürekli çalışan bir işletim katmanı gibi konumlandırması. Google'ın I/O 2026'da Managed Agents ve ajan protokolleriyle yaptığı da aynı hamle. Yani dev şirketler ajanı bir "özellik" değil, üstüne ekonomi kurulacak bir "altyapı" olarak görüyor.

Burada benim için tek bir soru kalıyor. Bu altyapının üstünde ince bir kabuk olup gelir mi toplayacağım, yoksa kendi ajan sistemimi mi kuracağım?

İki Tarafın Hikayesi

Çalışan tarafı cazip görünür. Hazır bir platformun üstüne güzel bir arayüz koyarsın, bir ihtiyacı çözersin, gelir hızlı gelir. Ama bu zemin kaygan. Platform yarın aynı işi kendi içine alırsa, gece yatarsın gündüz ürünsüz kalkarsın. Buna sektörde thin wrapper riski diyoruz ve ben bu riski hafife alan çok girişimci gördüm.

Çalıştıran tarafı ise zordur. Çünkü orada sattığın şey arayüz değil; ajanların çalıştığı sistemin kendisi, biriktirdiği hafıza, koordinasyonu ve dağıtım ağı. Kurması yıllar alır ama bir kez kurulduğunda kopyalanması da o kadar zor olur.

Ben ikinci tarafı seçtim. Ve bunu lafla değil, üretime aldığım iki ürünle gösterdim.

CashClaw: Ajanı İşletmeye Çevirmek

CashClaw, otonom yazılım ajanlarını otonom bir freelance işletmeye dönüştüren bir ara katman olarak doğdu. Fikir basitti ama sonuçları değil: bir ajanı sadece komut çalıştıran bir araç olmaktan çıkarıp, kendi başına iş alabilen, üretebilen ve teslim edebilen bir birime çevirmek.

Açık kaynak olarak yayınladım. GitHub'da 283 yıldıza ve 104 fork'a ulaştı, npm üzerinden binlerce kez indirildi. Hiçbir reklam bütçesi koymadım; organik yayıldı. Çünkü insanların gerçekte istediği şey ajanı çalıştırmak değil, ajanın kendisi için çalışması. CashClaw tam olarak bu boşluğa oturdu.

HYRVE AI: Tek Ajan Değil, Ekosistem

CashClaw bir ajanı işletmeye çeviriyorsa, HYRVE AI bunu pazaryeri seviyesine taşıyor. Bir ajan marketplace olarak 5.933'ün üzerinde kayıtlı ajan ve müşteriyi bir araya getiriyor. Buradaki değer tek bir akıllı ajanda değil; ajanların birbirini bulduğu, iş aldığı, fiyatlandığı ve değiş tokuş yaptığı ekosistemin kendisinde.

Bu tam olarak çalıştıran tarafında durmak demek. Tek bir ürün satmıyorum, ürünlerin alınıp satıldığı zemini kuruyorum.

Bu Süreçten Çıkardığım 5 Ders

Yıllardır ajanlarla uğraşan biri olarak, bu işe girecek olanlara dürüstçe şunları söylerim:

1. Yaptığın şeyi dürüstçe sınıflandır. Derin bir iş akışı mı kuruyorsun, yoksa bir platformun yarın içine alacağı tek ekranlık bir arayüz mü? Kendini kandırma.
2. Veri ve hafıza katmanı senin kalendir. Arayüz kopyalanır, müşteri verisi ve operasyonel hafıza kopyalanmaz. Asıl varlığın bu.
3. Tek ajana değil, koordinasyona oyna. Geleceğin değeri, birden çok ajanı bir hedefe doğru birlikte yönetebilmekte. Tek başına çalışan ajan yarının ücretsiz özelliği.
4. Fiyatı sonuca bağla. Koltuk başına aylık lisans modeli ajan ekonomisinde eriyor. Tamamlanan görev ve teslim edilen değer üzerinden fiyatla.
5. Dağıtımı kalbine al. Prototip artık herkesin elinde. Fark, ürünü kimin kime nasıl ulaştırdığında. CashClaw'ın organik yayılması bana bunu bir kez daha öğretti.

Kapanış

Project Solara ve 1 milyar kullanıcılı ChatGPT aynı şeyi söylüyor: yapay zeka komut bekleyen bir araç olmaktan çıkıp görev üstlenen bir işgücüne dönüşüyor. Bu dönüşümde iki yer var. Birinde hazır bir sistemin üstünde çalışan olursun, gelir hızlı ama zemin kaygan. Diğerinde ajanları çalıştıran olursun, kurmak zor ama kurduğunda kolay yıkılmaz.

Ben CashClaw ve HYRVE AI ile çalıştıran tarafında durmayı seçtim, çünkü uzun vadede ayakta kalanın bu taraf olacağına inanıyorum. Şimdi soru sana kalıyor: ürünün yarın bir platformun ücretsiz özelliği olduğunda geriye ne kalacak?

Google I/O 2026’nın ana mesajı birkaç yeni modelden, birkaç ürün güncellemesinden veya etkileyici sahne demosundan ibaret değildi. Asıl mesaj daha derindeydi: Yapay zeka, “soruya cevap veren araç” döneminden çıkıp “bizim adımıza iş yapan ajan” dönemine geçiyor.

Bu değişimi anlamak için Google’ın yaklaşımına katman katman bakmak gerekiyor. Şirket yalnızca model geliştiren bir yapı değil. Kendi çiplerini, veri merkezlerini, güvenlik katmanını, araştırma ekiplerini, geliştirici araçlarını ve milyarlarca kişiye dokunan ürünlerini aynı çatı altında birleştiriyor.

TPU altyapısı, Google DeepMind ve Google Research tarafındaki araştırma gücü, Gemini modelleri, Antigravity, AI Studio, Search, YouTube, Android, Chrome, Gmail ve Workspace aynı hikâyenin parçaları.

Kısa tez: I/O 2026’yı tek bir ürün lansmanı gibi değil, Google’ın yapay zekayı tüm ürünlerine ajan mantığıyla yeniden yerleştirme hamlesi olarak okumak daha doğru.

Search Artık Link Vermekten Fazlasını Yapacak

Google’ın en dramatik hamlesi Search tarafında geldi. Arama kutusu uzun yıllar boyunca internete giriş kapısıydı. Kullanıcı bir kelime yazıyor, Google da ilgili sayfaları sıralıyordu. Şimdi bu yapı değişiyor.

Google’ın resmi duyurusuna göre AI Search artık metin, görsel, dosya, video ve Chrome sekmeleri gibi farklı girdileri birlikte anlayabiliyor. Daha da önemlisi, yalnızca cevap üretmekle kalmıyor, sorunun ihtiyacına göre özel arayüzler oluşturabiliyor.

Bir fitness takip uygulaması mı istiyorsunuz? Arama size sadece “en iyi fitness uygulamaları” listesini vermek yerine, sizin için anlık bir takip paneli oluşturabilecek. Bir konuyu öğrenmek mi istiyorsunuz? Sabit bir sonuç sayfası yerine, grafikler, tablolar, simülasyonlar veya mini uygulama benzeri bir deneyim sunabilecek.

Bu, arama motorunun “sayfa bulma”dan “arayüz üretme”ye geçmesi demek. Etkisi büyük olacak. Özellikle tek iş yapan küçük uygulamalar, basit hesaplayıcılar, gezi planlayıcıları, alışveriş listeleri, fiyat takip araçları ve kişisel takip uygulamaları için yeni rekabet doğuyor.

Çünkü kullanıcı artık her küçük ihtiyaç için uygulama indirmek yerine, ihtiyacını anlatıp Search içinde anlık bir çözüm alabilecek.

Ask YouTube: Video Artık Tek Parça Değil, Cevap Parçaları

YouTube tarafında duyurulan Ask YouTube da aynı dönüşümün başka bir örneği. Kullanıcı artık YouTube’da sadece anahtar kelimeyle video aramayacak. Doğal dille, detaylı sorular sorabilecek.

Örneğin “3 yaşındaki çocuğuma, denge bisikleti biliyorsa pedallı bisikleti nasıl öğretebilirim?” diye sorulduğunda YouTube, ilgili videoları ve Shorts içeriklerini derleyip yapılandırılmış bir cevap sunabilecek. Kullanıcı isterse soruyu takip sorularıyla daraltabilecek.

Buradaki kırılma şu: AI, videoyu artık 10 dakikalık, 40 dakikalık veya 1 saatlik tek bir bütün olarak görmüyor. Videoyu anlamlı anlardan oluşan bir bilgi havuzu gibi okuyor. Sorunun cevabı büyük bir videonun sadece 35 saniyelik bölümündeyse, kullanıcıyı oraya yönlendirebiliyor.

Bu içerik üreticileri için de oyunu değiştirir. Bugüne kadar YouTube’da başlık, thumbnail, izlenme süresi ve kanal büyüklüğü çok belirleyiciydi. Yeni dönemde içeriğin gerçekten soruya cevap verip vermediği daha önemli hale gelecek. Küçük ama uzman içerik üreticileri için bu ciddi bir fırsat.

Gemini Omni: Video Üretimi Sohbete Dönüşüyor

Gemini Omni, I/O 2026’nın en dikkat çekici duyurularından biriydi. İlk etapta video üretimiyle öne çıkıyor ama Google bunu sadece bir video modeli olarak konumlandırmıyor. Daha geniş hedef şu: Herhangi bir girdiden, herhangi bir çıktı üretebilen multimodal bir model ailesi.

Metin, görsel, video ve ses birlikte anlaşılabiliyor. Kullanıcı bir fikir veriyor, model onu videoya dönüştürüyor. Mevcut bir videoyu yükleyip arka planı değiştirmek, belli saniyeler arasına efekt eklemek, sahneyi uzatmak veya belirli bir görsel stile dönüştürmek mümkün hale geliyor.

Bu, içerik üretiminde zaman maliyetini radikal biçimde düşürecek. Bugün video düzenleme; kurgu, efekt, ses, geçiş, görsel bütünlük ve export gibi birçok adım istiyor. Gemini Omni gibi sistemler bu adımların önemli bir kısmını konuşma arayüzüne indiriyor.

Risk notu: Video üretimi kolaylaşırken gerçek ve yapay video ayrımı daha da zorlaşacak. SynthID ve Content Credentials gibi doğrulama teknolojileri bu yüzden yalnızca teknik ayrıntı değil, yeni medya okuryazarlığının merkezinde olacak.

Gemini 3.5 Flash ve Antigravity: Kodlama Araçtan Ajana Geçiyor

Gemini 3.5 Flash, Google’ın ajan çağındaki ana motorlarından biri olarak konumlandırıldı. Modelin özellikle kodlama, uzun görevler ve araç kullanımı tarafında güçlendiği vurgulanıyor. Buradaki önemli nokta sadece modelin hızlı olması değil, çok adımlı işleri sürdürebilmesi.

Antigravity 2.0 bu mantığın geliştirici tarafındaki karşılığı. Artık geliştirici yalnızca kod editöründe oturup satır satır yazan kişi değil. Birden fazla ajanı paralel çalıştırabilen, bir ajana kod yazdırırken diğerine test, dokümantasyon veya tasarım varlıkları hazırlatabilen bir koordinatöre dönüşüyor.

Antigravity CLI ve SDK ile bu yapı terminale ve geliştiricinin kendi altyapısına da taşınıyor. Ayrıca Managed Agents ile tek bir API çağrısıyla izole bir ortamda çalışan, dosya yönetebilen, kod çalıştırabilen ve araç kullanabilen ajanlar oluşturmak mümkün hale geliyor.

Bu, yazılım geliştirmede yeni bir iş bölümüne işaret ediyor. Kod yazmak hâlâ önemli ama daha değerli beceri, doğru işi tarif etmek, doğru sınırları koymak, ajanların çıktısını denetlemek ve sistemi üretime hazır hale getirmek olacak.

Google AI Studio: Prompt’tan Native Android Uygulamaya

I/O 2026’nın en somut geliştirici duyurularından biri Google AI Studio’nun native Android uygulama üretim akışını güçlendirmesi oldu. Kullanıcı tek bir prompt ile Kotlin ve Jetpack Compose tabanlı Android uygulama oluşturabiliyor. Tarayıcı içinde Android emülatörle önizleme yapılabiliyor, fiziksel cihaza yüklenebiliyor ve Google Play Console iç test kanalına gönderilebiliyor.

Bu özellik “herkes artık profesyonel yazılımcı oldu” anlamına gelmiyor. Kalite, güvenlik, mimari, performans, veri yönetimi ve mağaza kuralları hâlâ ciddi meseleler. Ama prototip üretimi açısından bariyer çok düştü.

Bir fikri anlatabilen kişi artık birkaç saat içinde çalışan bir Android prototipi görebilecek. Bu özellikle girişimciler, ürün yöneticileri, ajanslar, eğitimciler ve küçük ekipler için ciddi hız avantajı yaratır.

Gemini Spark ve Daily Brief: Asistan Değil, Dijital Çalışan

Gemini Spark, Google’ın kişisel ajan vizyonunun en açık örneği. Spark, bulutta 7/24 çalışabilen, Workspace uygulamalarıyla entegre olan ve kullanıcının yönlendirmesiyle görev yürütebilen bir kişisel AI ajan olarak tasarlandı.

Burada kritik fark şu: Gemini’ye soru sormak reaktif bir deneyimdi. Spark ise proaktif çalışabiliyor. Belirli zamanlarda görev yapabiliyor, tetikleyicilerle hareket edebiliyor, tekrar eden iş akışlarını öğrenebiliyor.

Örneğin her pazartesi geçen haftanın önemli maillerini özetlemek, kredi kartı ekstresinden yeni abonelikleri çıkarmak, gelen okul duyurularını toparlamak veya toplantı notlarından bir belge ve mail taslağı üretmek Spark’ın hedeflediği işler arasında.

Daily Brief ise daha dar kapsamlı bir ajan. Sabahları Gmail, Calendar ve görevler üzerinden kişisel bir günlük özet veriyor. Sadece özetlemekle kalmayıp önceliklendirme ve sonraki adım önerisi de sunuyor.

Universal Cart, UCP ve AP2: E-Ticaretin Ajan Altyapısı

Google’ın e-ticaret tarafındaki hamlesi üç katmanlı okunmalı: UCP, AP2 ve Universal Cart.

UCP yani Universal Commerce Protocol, ajanların mağazalarla ortak bir dille konuşmasını sağlayan açık bir standart olarak tasarlandı. Amaç şu: Her mağaza ayrı API mantığıyla çalışırsa ajanların alışveriş yapması ölçeklenemez. UCP, stok, fiyat, teslimat, sepet ve satın alma gibi süreçlerde ortak dil kurmayı hedefliyor.

AP2 yani Agent Payments Protocol, ödeme tarafındaki güven sorununu çözmeye çalışıyor. Bir ajan sizin adınıza alışveriş yapacaksa kritik sorular doğar: Yetkiyi kim verdi? Limit neydi? Hangi ürün alınacaktı? Yanlış işlem olursa sorumluluk kimde? AP2 bu süreci doğrulanabilir kayıtlar ve yetki sınırlarıyla güvenceye almaya çalışıyor.

Universal Cart ise bu altyapının kullanıcıya görünen yüzü. Search’te araştırırken, Gemini ile konuşurken, YouTube’da video izlerken veya Gmail’de mail okurken ürünleri ortak bir sepete eklemek mümkün hale geliyor. Sepet fiyat düşüşlerini takip ediyor, stok bildirebiliyor, uyumluluk sorunlarını işaretleyebiliyor ve ödeme tarafında Google Pay/Wallet altyapısıyla çalışıyor.

E-ticaret çıkarımı: Markaların yeni sorusu “Google’da çıkıyor muyum?” değil, “Ürünüm bir AI ajanının kısa listesine girebilir mi?” olacak.

Sonuç: Google’ın Mesajı Net, Ajan Çağı Başladı

Google I/O 2026’nın bütün duyuruları aynı yere bağlanıyor.

Search artık sadece sonuç göstermiyor, arayüz üretiyor. YouTube sadece video sunmuyor, videonun içinden cevap çıkarıyor. Gemini sadece yazmıyor, video üretiyor ve düzenliyor. Antigravity sadece kod önerisi vermiyor, ajanları iş akışına sokuyor. AI Studio sadece model deneme alanı değil, uygulama geliştirme platformuna dönüşüyor. Spark sadece asistan değil, arka planda çalışan kişisel operasyon ajanı oluyor. Universal Cart ise alışverişi insanın tıklama davranışından ajanların karar süreçlerine taşıyor.

Kazanç çok açık: hız, zaman, kişiselleştirme ve daha az sürtünme.

Ama kayıp tarafını da görmezden gelmemek lazım. AI bize tam aradığımız cevabı, tam ihtiyacımız olan anda, en kısa yoldan verecek. Fakat bazen değerli olan şey aradığımız değil, ararken tesadüfen bulduğumuz şeydi.

Gazetede hiç ilgilenmediğimiz bir habere takılmak, mağazada planlamadığımız bir ürünü keşfetmek, uzun bir videonun beklenmedik bir bölümünden etkilenmek, albümü baştan sona dinlerken başka bir şarkıya bağlanmak.

Ajan çağı bizi daha isabetli, daha hızlı ve daha verimli yapacak. Buna şüphe yok. Ama aynı zamanda dijital dünyadaki sürprizleri, sapmaları ve tesadüfleri azaltacak.

Google I/O 2026’nın özeti bu: Yapay zeka artık sadece cevap veren bir kutu değil. Uygulama yapan, alışveriş yöneten, içerik üreten, mail ayıklayan, kod yazan ve arka planda bekleyen bir ajan katmanı haline geliyor.

Önümüzdeki mesele şu olacak: Bu ajanları sadece hız için mi kullanacağız, yoksa karar kalitemizi artıran kontrollü bir sistem olarak mı konumlandıracağız?

Kaynakça

1. Google, 100 things we announced at I/O 2026
2. Google Developers Blog, Building the agentic future: Developer highlights from I/O 2026
3. Google Shopping, Introducing the Universal Cart and more ways to help you shop
4. Gemini Spark overview

Alibaba'nın 20 Mayıs 2026 Cloud Summit duyurusu sonrası Türk KOBİ'sinin yapay zeka stratejisindeki yeni denklem: Qwen ailesi, Zhenwu M890 çipi ve Ağabeyoğlu Grup × Alibaba Cloud yakınlaşması.

"Herkes onaylarken yaptığın değil, kimse anlamazken ısrar ettiğin seni büyütür."

20 Mayıs 2026. Hangzhou. Alibaba Cloud Summit sahnesinde Liu Weiguang çıktı ve şu cümleyi kurdu: "Biz Çin'in AI fabrikasını inşa ediyoruz." Sıradan bir lansman cümlesi gibi durur, değil mi? Değil. Çünkü arkasında çipten uygulamaya, beş katmanlı yığını tek elden işleten bir şirketin niyet beyanı var. Bir hafta dolmadan sahne tekrar açıldı: 26 Mayıs'ta Alibaba Cloud bu kez "Global Agentic AI Ecosystem" başlığıyla uluslararası kurumsal müşterilere yönelik ürün hattını ilan etti. İlk Singapur konferansı da aynı pencerede; Asya-Pasifik ve Orta Doğu'ya yönelik agresif bir genişleme planı, Çin'in 1.5 Trilyon RMB yatırım kalemiyle birlikte düşünülünce bu artık "yerel oyun" değil. Ve bu beyan, bizim Türkiye'deki dijital dönüşüm tartışmasını da doğrudan etkiliyor.Bu yazıda iki şey yapacağım. Birincisi, Alibaba'nın bu son bir haftadaki üst üste duyurularını sadelikle özetleyeceğim; Qwen 3.7-Max neden önemli, Zhenwu M890 çipi sahnede ne arıyor, açık kaynak Qwen 3.6 ailesi sessiz sedasız ne kuruyor, 26 Mayıs global ekosistem hamlesi Türk girişimci için ne anlama geliyor. İkincisi, ki asıl iş orada, bu hikayeyi Türk KOBİ'sinin masasına taşıyacağım. Çünkü AI-MOI Turkey 2025 araştırmamızda 490 firma ve 1.414 katılımcıyla bulduğumuz şey çok açıktı: KOBİ'lerin yapay zeka olgunluk skoru 14.03/100, sadece %8.6'sı AI'yı aktif kullanıyor. Bu manzarada "Alibaba bir model daha çıkardı" haberi sadece teknoloji bülteni değil, doğrudan stratejik bir karar matrisidir. Hadi sırasıyla.

1. 20 Mayıs'ta Ne Oldu, Sade Türkçesi

Alibaba Cloud Summit'te tek bir lansman değil, üst üste atılmış üç hamle var. Bunları ayrı ayrı görmek lazım çünkü her biri farklı bir hedef kitleye sinyal veriyor.

Qwen3.7-Max-Preview: Reasoning ve ajan odaklı yeni amiral gemi

Qwen ailesinin yeni amirali Qwen3.7-Max-Preview, 1 milyon token bağlam penceresi ve "extended-thinking" yani uzatılmış düşünme moduyla geliyor. Yani siz bir problem verdiğinizde model önce kafasında plan kuruyor, adım adım yürüyor, kendi çıkarımını denetliyor, sonra cevap veriyor. Sohbet botu değil, akıl yürüten bir motor. Dört sayı dikkat çekici:

• Artificial Analysis Intelligence Index'te 56.6 puan. Bu, 151 ölçülen modelin sıralandığı kompozit zeka skorunda lansman haftası 5. sıra, şu an top 10 demek. Daha önemlisi: bu skor, Çin menşeli herhangi bir modelin endeksteki en yüksek yerleşimi; Gemini 3.5 Flash'ı geçmiş durumda. Önceki Qwen 3.6'nın 51.8 puanına göre +4.8 puanlık tek-versiyon sıçraması, frontier tier'da anlamlı bir adım.
• Agent benchmarklarında Opus 4.6 Max'i geçiyor. Terminal-Bench 2.0: 69.7, SWE-Bench Pro: 60.6, MCP-Atlas: 76.4, GPQA Diamond: 92.4. Ajan / kod / araç-çağırma görevlerinde Anthropic'in amiral gemisinin üstüne çıkmak, "Çin frontier'a yetişti" söyleminin somut hali.
• 35 saat kesintisiz otonom çalışma, 1.158 tool call. Alibaba'nın iddiası: model bir ajan görevini 35 saat boyunca, bin yüz elli sekiz araç çağrısıyla, insan müdahalesi olmadan yürütebiliyor. Dahili bir testte tanımadığı M890 çipi için optimize edilmiş bir hesaplama çekirdeği üretmiş ve referans Triton çekirdeğinin 10 katı (geometrik ortalama) performans elde etmiş.
• Fiyatlandırma: $2.50 input / $7.50 output (1M token). Bu Opus 4.7'nin yaklaşık yarısı. "En iyi modeli en pahalıya satarım" stratejisi bitmiş gibi duruyor; Çin tarafı agresif fiyatlama ile market payı topluyor.

Burada bir uyarıyı baştan koyalım. "Preview" yazıyor adında. Yani bu önizleme bir build, kararlı sürüme kadar sayılar oynayabilir. Model proprietary, yani kapalı kaynak - self-host etmeniz mümkün değil. Erişim yolu çoklu: Alibaba Cloud Model Studio (Bailian) ana platform, ama lansman gününde (19 Mayıs) OpenRouter, Together AI ve Qubrid AI'da da cross-listed olarak yayınlandı. Yani Çin hesabı açmaya gerek yok, mevcut OpenRouter API key'iniz varsa zaten kullanabilirsiniz. Test sırasında ~97 milyon token üretmiş, yani reasoning maliyeti ciddi; her düşünce token'ı sizin cebinizden çıkıyor. "Her işime Max-Preview'i koşturayım" diyen birine "Abicim dur, bu modeli karmaşık ajanlık görevlerine sakla, kısa rewrite işlerine değil" dememiz lazım.

Zhenwu M890: Nvidia bağımlılığına karşı yerli çip

Sahnede yalnız Qwen yoktu. Alibaba'nın yarı iletken kolu T-Head, Zhenwu M890 isimli yeni AI eğitim ve çıkarım işlemcisini de tanıttı. Somut rakamlar: 144 GB HBM3 bellek, çipler arası 800 GB/sn bant genişliği, FP32 + FP16 + FP8 + FP4 hassasiyet desteği. Öncül çipe göre 3 kat performans, Alibaba'nın iddiasıyla Nvidia H20'nin 3 katı. Yanına Panjiu AL128 sunucusu geldi: tek rafta 128 M890 hızlandırıcısı, petabayt/saniye iç bant genişliği, Bailian platformu üzerinden Çin kurumsal müşterilerine doğrudan erişilebilir. T-Head'in sayıları küçümsenecek gibi değil: bugüne kadar 560.000'in üzerinde Zhenwu birimi sevk edilmiş, 400'den fazla kurumsal müşteri, 20 sektör (otomotivden finansa). Yol haritası belli: V900 üçüncü çeyrek 2027, J900 2028. Mesaj net: ABD'nin Nvidia ihracat kısıtlamaları karşısında Çin "ben kendi silikonumu üretirim" diyor; üstelik bu sefer kıyaslama söylem değil sayı: 144 GB bellek figürü, 96 GB'lık Nvidia H100'ün üzerinde. Bunu neden Türkiye'deki bir KOBİ sahibinin umursaması gerekiyor? Çünkü bu, AI maliyetlerinin orta vadede iki katmanlı bir piyasaya yerleşeceğinin işareti. Bir tarafta Nvidia + OpenAI/Anthropic ekseni, diğer tarafta Çin (Alibaba, ByteDance, DeepSeek, Baidu) kendi yığını. Türk şirketi olarak siz, "model fiyatları sabit kalır" varsayımıyla planlama yaparsanız hata yaparsınız. Bu jeopolitik rekabet birim token fiyatını orta vadede aşağı çekecek.

Qwen 3.6 ailesi: Sessiz devrim açık kaynakta

Asıl önemli haber sahnede en yüksek sesle söylenen değildi. Nisan 2026'da Alibaba, Qwen 3.6 ailesinin açık ağırlık (open-weight) versiyonlarını arka arkaya yayınladı. İki yıldız oyuncu var ve ikisinin de Apache 2.0 lisanslı, Hugging Face'te indirilebilir hali mevcut:

• Qwen3.6-35B-A3B (16 Nisan). Mixture-of-Experts mimarisi, 35 milyar toplam parametre, her token için sadece ~3 milyarı aktif. Yani dense bir 3B model maliyetiyle çalışıyor, gerektiğinde 35B'lik temsil kapasitesini açıyor. Tek RTX 4090 + 32 GB RAM ile rahat dönüyor.
• Qwen3.6-27B (22 Nisan). Dense 27B model - ama sansasyon şu: SWE-bench Verified'de 77.2 puan alıyor. Karşılaştırma için: Qwen3.5-397B-A17B (15 kat daha büyük model) aynı testte 76.2 puan. Yani 27 milyar parametreli açık kaynak model, 397 milyar parametreli amiral gemisini ajan-kod görevinde geçti. Bu cümleyi iki kez okuyun, çünkü "ölçek = performans" doktrinine ciddi bir çatlaktır.

Her iki model native 262K bağlam penceresine sahip, YaRN ile 1 milyon token'a kadar uzatılabiliyor - yani Qwen3.7-Max ile aynı bağlam kapasitesi açık kaynakta da var. Türkçe dahil çok dilli güçlü performans korunuyor. Sayılar konuşuyor: Qwen indirme sayısı Nisan 2026 itibarıyla 1 milyara yaklaştı, açık kaynak model indirmelerinin %50'sinden fazlasını Qwen ailesi oluşturuyor. Qwen Chat uygulaması 203 milyon aylık aktif kullanıcıyla dünya 3. sırasında, sadece ChatGPT ve DouBao önde. İşte bu, Türkiye için en kritik haber. Tutalım, devamında niye önemli olduğunu açacağım.

2. Stratejik Resim: "Model" Yarışı Bitti, "Fabrika" Yarışı Başladı

Alibaba'nın söylemine dikkat: "Model satıyoruz" demiyor. "AI fabrikası kuruyoruz" diyor. Beş katman: çip, agentic cloud, modeller, model servis platformu, agentic uygulamalar. Hepsi kendisinin. Bu, Apple'ın "donanım + işletim sistemi + uygulama mağazası" stratejisinin AI versiyonu. Aynı zamanda iki yönlü bir oyun oynuyorlar. En iyi modeli kapalı tutuyorlar (Qwen3.7-Max-Preview), bir alt seviyeyi açık kaynak veriyorlar (Qwen 3.6-35B-A3B, Apache 2.0). Bu hem gelir tarafını koruyor (kurumsal müşteri Max'i API'den alır, ücret öder), hem developer mindshare'ini kazanıyor (öğrenci, freelancer, KOBİ ücretsiz 35B'yi self-host eder), hem de ekosistemi şişiriyor. Aynı oyunu Meta de Llama ile, Mistral de Mixtral ile oynamıştı. Şimdi Çin tarafından çok daha disiplinli bir versiyon geliyor. Bunu Türkiye'deki bir karar verici olarak nasıl okumalıyız? Üç katmanda: Maliyet katmanı. OpenAI, Anthropic, Google modelleri prestijli ama dolar bazlı. Türkiye'deki KOBİ döviz volatilitesi içinde aylık 5.000 dolarlık bir AI faturası ile yaşayamaz. Açık kaynak Qwen 3.6-35B-A3B'yi tek bir RTX 4090 ya da 2x RTX 4080 SUPER yapılandırması üzerinde çalıştırabilirsiniz. JARVIS sisteminde kullandığım kişisel iş istasyonum (RTX 4080 SUPER 16 GB, 64 GB DDR5 RAM) bu modeli sorunsuz çalıştırıyor. Yani aylık 200 TL elektrik faturasıyla GPT-4 yaklaşımında bir akıl yürütme motoru, kendi sunucunuzda, ofisten çıkmayan veriyle. Veri egemenliği katmanı. KVKK denetimi gelen bir muhasebe ofisi düşünün. Müşteri verisi sınırı dışına çıkmayacak. OpenAI API'sini kullandığınız anda veri ABD'ye gidiyor, bunu izah etmek zor. Self-host Qwen 3.6, veri hiç ofisten çıkmadan AI değer üretiyor. Bu, vergi, hukuk, sağlık, finans sektörlerinde devrimsel bir fark. KOZA AI vizyonumun (Türk KOBİ vergi/muhasebe odaklı Qwen tabanlı LLM) tam olarak adresledigi nokta budur. Yetkinlik katmanı. AI-MOI Turkey 2025 araştırmamızda firmaların %8.6'sının AI kullandığını gördük. Geriye kalan %91.4 ne yapıyor? Bekliyor. "Bizim sektörümüze gelmedi", "pahalı", "personelim yok", "veri gizli kalmaz" diye bekliyor. İşte Qwen 3.6 açık kaynak bu mazeretlerin üçünü birden kaldırıyor: pahalı değil (Apache 2.0), personeliniz olmasa freelance bir geliştirici 1 hafta içinde kurabilir, veri sizden çıkmaz.

3. Türk KOBİ'si Hangi Soruları Sormalı?

Şimdi pratiğe inelim. Bu yazıyı okuyan bir KOBİ sahibi yarın sabah ne yapmalı? "Bakarız, düşünürüz" yasak. Aksiyon listesi:

Sorular ki cevabını henüz vermediğiniz

1. Şu an hangi tekrarlanan iş AI'ya devredilebilir? Müşteri sorularına cevap, fatura sınıflandırması, ürün açıklaması yazımı, e-posta drafting, satış tahmini, stok optimizasyonu... Listenizi 10 madde tutun, her birinin yıllık adam-saat maliyetini çıkarın. Üst 3'ü AI ajanına devretmek için aday. 2. Verim bulutta mı kalmalı, içeride mi? Eğer veri hassas değilse (genel pazarlama, içerik üretimi) bulut API hız avantajı verir. Hassas ise (müşteri kişisel verisi, finansal kayıt, müşteri sözleşmeleri) self-host kaçınılmaz. 3. Hangi sektörde Türkçe performansı kritik? Eğitim, hukuk, kamu, müşteri hizmetleri Türkçe ağırlıklı. Qwen 3.6'nın Türkçe performansı diğer açık kaynak modellerden ileride; testlerinde DSGMv2 ile birlikte denemekte fayda var (DSGMv2 Türkçe optimize, iç benchmarklarımızda %92.47 doğruluk).

Aksiyon adımları, "KAPAT" mantığıyla

Bu adımları masaya koyduğunuzda her birinin yanına ya Kapat yaz (bu hafta bitir), ya Devret yaz (freelance ekibe ver), ya Netleştir yaz (1 toplantıyla evet/hayır al), ya da Dondur (3 ay sonra tekrar bak).

• Adım 1 (1 hafta): Şirketinizdeki en sık 5 tekrarlayan görevin envanterini çıkarın. Bir Excel tablosu yeterli.
• Adım 2 (2 hafta): İlk göreve "bulut API" ile prototip yapın. Maliyeti yıllık kaç dolar olur, hesap edin.
• Adım 3 (1 ay): Eğer maliyet sürdürülemezse veya veri hassasiyeti varsa, self-host Qwen 3.6-35B-A3B kurulumu için bir freelance AI geliştirici işe alın. JARVIS sistemi gibi yapılarda kurulum ortalama 5-7 gün.
• Adım 4 (2 ay): Kullanım metriklerini takip edin: AI çağrı sayısı, doğru cevap oranı, kazanılan saat, kazanılan TL. Ölçemediğinizi yönetemezsiniz.
• Adım 5 (6 ay): Ölçeklendirme kararı. Diğer süreçlere yayma, AI ajan zincirleri (Qwen3.7-Max'in vaat ettiği 35 saatlik otonom zincirler), agent marketplace entegrasyonu (HYRVE AI gibi 5.745+ ajan platformlarından hazır bileşen alma).

Bu beş adımı 6 ay içinde yaparsanız, AI-MOI olgunluk skorunda 14/100'den 45-60 bandına çıkarsınız. Sıçrama gibi durur ama matematik şu: bu adımları atmayan rakibiniz 14'te kalacak, siz 50'ye çıkacaksınız. 6 ay sonra rekabet artık eşit değil.

4. Açık Soru: Çin Eksenine Bağlanmak Risk mi?

Burada gerçek bir karşı argümanı görmezden gelemeyiz. "Kardeşim, Çin modeline bağlanırsak yarın USA bir yaptırım çıkarırsa elimizde kalır mı?" Haklı soru. İki katmanda cevap vereyim: Kapalı API tarafında (Qwen3.7-Max): Evet, jeopolitik risk var. Alibaba Cloud API'sini production'da kritik bir ürüne bağlamak, OpenAI API'sini bağlamakla aynı riski taşır; biri ABD, diğeri Çin yönetimine maruz. İdeali çoklu vendor: AgabeyogluAI gibi bir LLM Gateway katmanı yazıp Claude, GPT, Gemini, Qwen'i tek API arkasına almak. Bir provider düşse diğerine fail-over. Açık kaynak tarafında (Qwen 3.6-35B-A3B): Risk neredeyse sıfır. Model ağırlıklarını bir kez Hugging Face'ten indirdiğinizde sizindir. Apache 2.0 lisansı geri alınamaz. Alibaba kapansa, Çin yaptırım yese, ABD ihracat kısıtlasa bile, ağırlıklar diskinizde duruyor, modeliniz çalışıyor. Bu, açık kaynağın bağımlılık açısından en hijyenik tarafı. Strateji önerim: Production'a açık kaynak kurun, prestij ve yedek için bulut API'yi gateway katmanında tutun. Hem maliyet düşer, hem risk dağılır, hem opsiyonalite artar.

5. 26 Mayıs Notu: Global Agentic AI Ecosystem Türk Girişimci İçin Ne Demek?

Yazıyı bitirip masadan kalkacaktım, 26 Mayıs sabahı sahne tekrar açıldı. Alibaba Cloud bu kez "Advanced Agentic AI Ecosystem for Global Customers" başlığıyla uluslararası kurumsal müşterilere yönelik agresif bir paket açıkladı: Singapur'da ilk uluslararası geliştirici konferansı, AgentPaaS isimli ajan platformu, Bailian üzerinde küresel partner programı, MENA + Asya-Pasifik odaklı satış hamlesi. "Pekin'de büyük model çıkardık" haberinin bir hafta sonrasında, aynı modellerin Türk şirketinin de doğrudan masasında olduğu mesajı verildi. Türk girişimci için iki sonuç: (1) Çin modelleri artık "deniz aşırı egzotik" değil, regional partner network ile yerel destek alınabilir; (2) erken hareket eden Türk SaaS, Alibaba Cloud küresel partner programıyla muhtemelen ASEAN ve Körfez pazarlarına da dağılım kanalı açabilir. Burada bir köprü kuralım - bu son duyurunun bizim açımızdan en somut karşılığı, zaten yürüyen bir görüşmenin ileriye doğru ivme kazanması anlamına geliyor.

6. Bir Müjde: Ağabeyoğlu Grup ve Alibaba Cloud Yakınlaşması

Şimdi yazının asıl müjdesine geçeyim. Bu paragrafı okuyorsanız "yakında" iki kez tekrar edeceğim, ona göre kafanızda parantez açın. Ağabeyoğlu Grup A.Ş. ile Alibaba Cloud arasında stratejik bir iş birliği görüşmesi ileri aşamada. Yakın dönemde sonuçlanması beklenen bu yapı, Türk girişimcileri, KOBİ'leri ve geliştiricileri Qwen ekosistemine doğrudan, uygun fiyatlı ve Türkçe destekli bir kanal üzerinden bağlamayı hedefliyor. Detayları yakında ayrı bir duyuruda paylaşacağız. Bu iş birliğinin somut yansıması, halihazırda %99.99 uptime ile çalışan AgabeyogluAI LLM API Gateway'imiz (agabeyogluai.com) üzerinden olacak. Gateway şu an Claude, GPT, Gemini, Grok modellerine birleşik erişim sağlıyor; yakında bu listeye Qwen ailesinin tüm kritik bileşenleri ekleniyor:

• Qwen3.7-Max-Preview (reasoning, 1M token, ajan görevleri)
• Qwen 3.6-35B-A3B (Apache 2.0 açık kaynak, MoE)
• Qwen-VL (görsel anlama, OCR, çoklu modal)
• Qwen-Image (metinden görsel üretimi)
• Qwen-Video (metinden video, video anlama)
• Qwen-Audio (ses anlama ve sentez)

Yani Türk geliştirici ya da KOBİ, ayrı ayrı Alibaba Cloud, OpenAI, Anthropic, Google hesabı açıp dolar bazlı kredi kartı eklemek zorunda kalmadan, tek bir Türk faturasıyla, TL bazlı, tek API endpoint'i üzerinden frontier model erişimine kavuşacak. Bu, Türkiye'deki "AI'a başlamak istiyorum ama bürokrasi çok" mazeretini bitiren bir çözüm. Fiyatlandırma konusunda şunu söyleyebilirim: hedef, Türk piyasasında piyasa altı birim token maliyeti sunmak. Detaylı tarife duyuru gününde net olacak. Erken erişim listesine kayıt için agabeyogluai.com üzerinden iletişime geçebilir, ya da i@ertugrulakben.com adresine "Qwen Erken Erişim" konusuyla mail atabilirsiniz. Neden bu iş birliği önemli? Çünkü bugüne kadar Türk geliştirici Çin modellerine erişmek için Alibaba Cloud International'da hesap açmak, USD ile ödemek, fatura ve KDV tarafında ayrı süreç yönetmek zorundaydı. KOBİ tarafı için bu yapı işlemez. Gateway katmanıyla bu sürtünme kalkıyor; Qwen modelleri "yerli faturayla, TL ödemeyle, Türkçe destekle" erişilebilir oluyor. Bu, KOZA AI vizyonumun da altyapı temelini oluşturuyor; Türkçe vergi/muhasebe odaklı model fine-tuning'i Qwen tabanı üzerinde, Gateway'in arkasında çalışacak. Bir not daha: AgabeyogluAI Gateway, sadece son kullanıcı için değil, üzerine ürün geliştiren startup'lar için de tasarlandı. NeyeYatirim'in 96 araçlı AI finansal analiz katmanı, SoruKocu'nun TYT/AYT sınav koçu, eFotom'un Trendyol entegre ürün fotoğrafçılığı, hepsi bu Gateway'in arkasındaki model çoğulluğundan besleniyor. Qwen ailesinin eklenmesi, özellikle görsel ve video tarafında maliyeti ciddi şekilde aşağı çekecek.

7. Bu Yarış Nereye Gidiyor?

Şahsi okumam: 2026'nın geri kalanı "ajan" yarışıyla geçecek. Tek soru cevaplayan chatbot dönemi bitti. Şimdi 35 saat çalışıp 1.000 araç çağıran, kendi planını kuran, kendi hatasını fark edip düzelten ajanlar geliyor. Qwen3.7-Max bunun manifestosu. GPT-5.5, Claude Opus 4.7, Gemini 3.5 hepsi benzer iddialarla çıktı. Önümüzdeki 6-12 ayda kazanan "en akıllı model" olmayacak; en uzun çalışabilen, en az hata yapan, en ucuz token üreten olacak. Türkiye'deki KOBİ için bu, "AI'ya yatırım yapmalı mıyım" sorusunun cevabını basitleştiriyor: artık soru bu değil. Soru şu: "AI ajanlarımı bulut tarafına mı bağlayacağım, kendi sunucumda mı çalıştıracağım, yoksa hibrit mi gideceğim?" Cevap sektörünüze, veri yapınıza ve karar hızınıza bağlı. Ama "yapmayacağım" artık bir seçenek değil. Yapmayan rakip ileride pazar payını kaybedecek; bu, AI-MOI 2025 verisinin söylediği gerçek.

Kapanış

Alibaba 20 Mayıs'ta bir model lansmanı yapmadı. Bir doktrin açıkladı. "Çip, model, servis, uygulama, hepsi benim" doktrini. Bu doktrinin Türk KOBİ'sine üç hediyesi var: ucuzlayan token, açık kaynak alternatif (Qwen 3.6-35B-A3B), olgunlaşan ajan teknolojisi. Ağabeyoğlu Grup A.Ş. olarak bizim cevabımız da hazır: Alibaba Cloud ile süren stratejik iş birliği görüşmeleri yakında somut bir altyapıya dönüşecek. AgabeyogluAI Gateway üzerinden Qwen ailesinin LLM, görsel, video, ses bileşenlerine Türkçe destekli, TL bazlı, uygun fiyatlı erişim açılacak. Bu, sadece bir API duyurusu değil; Türk girişimcisinin frontier AI'ya bürokrasisiz girişi anlamına geliyor. Bunları kullanmak için Çin uzmanı olmanıza gerek yok. Bir freelance geliştirici, uygun bir GPU yapılandırması, bir hafta zaman ve KAPAT mantığıyla yürüyen 5 adımlık bir yol haritası yeter. Gateway tarafı için erken erişim listesine kayıt olun, bu kadar. Geriye kalan, klasik soru: "Bakarız" mı diyeceksiniz, yoksa Pazartesi sabahı envanteri açıp ilk 5 görevinizi mi listeleyeceksiniz? Cevap sizde.

Yazar Notu: Bu yazıda referans verdiğim AI-MOI Turkey 2025 araştırmasının tam raporuna ai.ertugrulakben.com adresinden erişebilirsiniz. Şirketinize özel AI yol haritası ihtiyacınız varsa danışmanlık seçenekleri için ertugrulakben.com üzerinden iletişime geçebilirsiniz. Ertuğrul Akben, JARVIS AI iş sistemleri kurucusu, Ağabeyoğlu Grup A.Ş. yönetim kurulu başkanı. Türk girişimciler için vertikal AI ürünleri geliştiriyor: HANDEN X (distribütör operasyonu), MutfakAI (restoran içerik), Vadelim (Türkçe tahsilat), VOXONIC AI (çağrı merkezi çeviri). HYRVE AI agent platformu (5.745+ kayıtlı agent) ve CashClaw açık kaynak projesinin (271 GitHub star) yaratıcısı. Kaynaklar:

• Alibaba Cloud Summit duyuruları, 20 Mayıs 2026 (Hangzhou) ve Global Agentic AI Ecosystem duyurusu, 26 Mayıs 2026 (Singapur)
• Artificial Analysis Intelligence Index - Qwen3.7 Max (56.6 puan, top 10 / 151 ölçülen model)
• CNBC - Alibaba reveals more powerful Zhenwu AI chip, new LLM
• Bloomberg - Alibaba Unveils New AI Chip for Training and Inferencing
• WCCFTech - Zhenwu M890 specs (144 GB HBM3, 800 GB/s, 3x H20)
• Computer Weekly - Alibaba unveils Qwen 3.7 Max at inaugural Singapore conference
• MarkTechPost - Qwen 3.7 Max reasoning agent model
• Decrypt - Qwen 3.7 Max Preview review
• TechNode - Qwen3.7-Max next-gen AI agent model
• Manila Times - Alibaba Cloud Advanced Agentic AI Ecosystem for Global Customers (26 May 2026)
• Qwen Resmi Blog - Qwen3.6-27B: 27B Model Beats 397B on Coding
• Hugging Face - Qwen3.6-35B-A3B (Apache 2.0)
• Hugging Face - Qwen3.6-27B (Apache 2.0)
• GitHub - QwenLM/Qwen3.6
• AI-MOI Turkey 2025 araştırması, 490 firma, 1.414 katılımcı (ai.ertugrulakben.com)

İlgili yazılar:

• Anthropic Ayda 1,25 Milyar Dolar GPU Ödüyor: Compute Uçurumu ve Türk Yapay Zekasının Tek Stratejisi
• 19 Mayıs Gecesi AI Haritası Yeniden Çizildi
• Bu Yaz 4 AI Ürünüm Sahaya İndi

SpaceX'in IPO prospektüsü 21 Mayıs 2026'da SEC'e sunuldu. Yatırımcılar şirketin uçuş gelirlerini ve Starlink abone büyümesini araştırırken, doküman dipnotlarından bir başka veri çıktı: Anthropic, SpaceX'e aylık 1,25 milyar dolar GPU kirası ödüyor. Sözleşme Mayıs 2029'a kadar geçerli, yani toplam 60 milyar dolar compute taahhüdü.

Karşılaştırmaya gerek var.

• Anthropic'in aylık GPU faturası: 1,25 milyar dolar
• Türkiye'nin yıllık yapay zeka Ar-Ge bütçesi (TÜBİTAK 2025): ~600 milyon dolar
• TRUBA, Türkiye'nin ulusal süperbilgisayarı: 312 GPU
• Anthropic'in tek anlaşmadaki GPU kapasitesi: 220.000 GPU (Colossus 1)

Türkiye'nin tüm ulusal süperbilgisayar kapasitesi, Anthropic'in tek anlaşmasının yüzde sıfır virgül sıfır sıfır sıfır beşi. Bu bir rakam değil, bir gerçek: foundation model yarışına Türkiye hiç başlamadı, ve bu yarışı Türkiye kazanamaz.

Yanlış Soru

Geçen yıl bir TÜBİTAK toplantısında "Türkiye kendi ChatGPT'sini ne zaman yapacak?" sorusu konuşulurken biri ilginç bir cevap verdi: "Önce Türkiye'nin kendi Şehir Hatları feribotunu Boeing'e karşı uçurmasını isteyelim."

Espri olarak söylenmiş ama isabetli. Compute, modern AI'da Boeing fabrikasıdır. NVIDIA, AMD, TSMC; bu üçlünün sahip olduğu sermaye ve mühendislik birikimine 5 yıl içinde Türkiye nasıl ulaşacak? Cevap: ulaşmayacak. Bu yarışmaya katılma kararı stratejik akıl değil, romantik gurur.

Doğru soru başka: Compute'u kiralayamadan değer üretmek mümkün mü? Cevabı evet. Üç katmanlı bir yapay zeka değer zinciri var:

1. Compute (Boeing katmanı): Donanım, chip, veri merkezi. Türkiye için kapalı.
2. Foundation Model (uçak gövdesi): Anthropic Claude, OpenAI GPT, Google Gemini, Meta Llama. Burada bir Türk şirketinin kayda değer girmesi imkânsız.
3. Application + Vertical Agent (yolculuk): Sektörel veri, yerel dil, iş akışı, agent. Türk girişimcinin asıl meydanı.

1,25 milyar dolarlık aylık GPU faturası bize üçüncü katmanın değerini söylüyor; söylemek de değil, dayatıyor. Çünkü ilk iki katman artık o kadar yoğun sermaye gerektiriyor ki dünyada toplam 5-6 oyuncu kalacak. Üçüncü katmanda ise binlerce kazanan olabilir.

Vertikal AI: Türk Girişimcinin Asıl Meydanı

JARVIS sisteminin omurgasında Claude Opus 4.7 çalışıyor; yani Anthropic'in 60 milyar dolarlık compute taahhüdüne bedava biniyorum. HANDEN X distribütörler için, MutfakAI restoranlar için, Vadelim tahsilatçılar için, VOXONIC AI çağrı merkezleri için çalışıyor. Hepsi aynı temel mantıkla kuruldu: compute Amerika'da fışkırsın, biz bağlamda kazanalım.

HANDEN X: Distribütör Operasyonu

Cimhan Grup, BAT'ın Manavgat distribütörü, ilk kullanıcı. 24 modül: rota planlama, banka mutabakat, alacak yaşlandırma, alias eşleştirme, araç filo entegrasyonu (Arvento), iptal fatura takibi, denetim raporları. Anthropic'in modeli Türkçe konuşmasını mümkün kılıyor, ama Türk distribütör operasyonunu anlamak için onlarca rota + yüzlerce nokta + binlerce SKU deneyimi gerekiyor. O deneyim Manavgat'ta, San Francisco'da değil.

MutfakAI: Restoran Görseli

30 saniyede Yemeksepeti ve Instagram'a uygun yemek görseli üretiyor. Türk restoran sahibinin gerçek sorununu çözüyor: profesyonel fotoğrafçı 1.500-3.000 TL alıyor, MutfakAI saniyede onda biri fiyata aynı kaliteyi veriyor. Compute Anthropic'in / Google'ın, problem Manavgat lokantacısının, çözüm Türkçe.

Vadelim: Türkçe Tahsilat Asistanı

Türkiye'nin ilk AI tahsilat asistanı. Kullanıcının kendi sesi, kendi konuşma tarzı, 6 dil, KVKK uyumlu, 7 dakikada kurulum. "90 günde nakdin yüzde 40-60'ı geri getirir" iddiası, Türk vade kültürüne özel yazılmış bir vaat. Bir Amerikan startup'ı bu iddiayı bilmez bile, çünkü vade Amerikan ekonomisinde aynı sertlikte değil.

VOXONIC AI: Çağrı Merkezi Anlık Çeviri

100'den fazla dilde 800 milisaniye altında gecikme, konuşmacının klonlanmış sesiyle çeviri. ElevenLabs v3 audio tag'leri ile duygu aktarımı. Bir yıldır kendi çağrı merkezimizde production'da çalışıyor; yani Anthropic'in geliştirmediği bir vertikal: çağrı merkezi operatörünün psikolojik yükünün AI ile azaltılması.

Dört ürün, dört sektör, dört dikey. Hepsinin ortak özelliği: compute'a değil, bağlama yatırım. Anthropic'in 60 milyar dolarlık taahhüdü olmadan bu ürünler çalışmazdı; ama o taahhüt olduğu için Türk girişimci bedavaya biniyor.

Agent Ekonomisi: 2026'nın Asıl Hikayesi

Bu hafta sadece Anthropic değil, sektör tamamı agent ekonomisine dönüşüyor.

• SAP Sapphire 2026 (20-22 Mayıs): Autonomous Enterprise lansmanı, kurumsal yazılımın çekirdek operasyonlarını agent'lara bırakma vizyonu.
• Salesforce Agentforce Coworker (22 Mayıs): AI ajanın "iş arkadaşı" olarak CRM içine gömülmesi.
• Camunda ProcessOS (20 Mayıs): Mevcut iş süreçlerini analiz edip agentic workflow'a dönüştürme katmanı.
• NVIDIA Verified Agent Skills (19 Mayıs): Agent ekosistemi için imzalanmış, doğrulanmış yetenek paketleri standardı.
• Google Gemini 3.5 Flash (19 Mayıs): Karmaşık görevleri otonom çalıştırabilen kodlama ajanı.

Hepsinin ortak yönü: agent. Yani yazılım artık soruya cevap vermiyor, iş yapıyor. "Görev başına" iş modeli "koltuk başına" SaaS modelini deplase ediyor. Bu Türk girişimci için iyi haber: çünkü görev tanımı yerel, koltuk tanımı küresel. Yerel tanımlar yerel bilgi gerektirir, yerel bilgi yerel oyuncuya avantaj.

HYRVE AI platformumuzda bugün 5.745'den fazla kayıtlı agent/client var. CashClaw GitHub deposu Mayıs içinde 271 star, 103 fork, 13 watcher rakamına ulaştı. Mart 2026'dan bu yana 276 yeni agent eklendi. Bu sayılar foundation model dünyasının yanında küçük görünebilir; ama agent ekonomisinin kapsamı dikey-dikey değil, gerçek üretim ekonomisinde. Bu ekosistem genişlemeye devam ediyor.

Compute'a Bedava Binmek

Şu anki en büyük yapay zeka avantajımız compute'u almıyor olmak. Çünkü:

1. Anthropic, Google, OpenAI dünyanın her yerinden API kullanıcısı kabul ediyor. Hesaba kart bağla, $20-$200 aylık API faturası ile dünyanın en güçlü modeli senin uygulamanın altında çalışıyor.
2. Bu modeller Türkçe konuşuyor. Beş yıl önce hayal değildi, gerçek değildi; bugün gerçek.
3. API maliyetlerinin yıllık düşüş hızı yüzde 70-90. Bugün 1.000 token için ödediğin para, gelecek yıl 100 token için ödediğin para olacak.

Yani compute Türkiye için kaybedilmiş bir savaş değil, ödenmesi gereken bir vergi. Vergiyi ödeyip değer üretmek var; vergiyi ödememek için ürün yapmamak var. İkincisi rekabet stratejisi değil, intihar stratejisi.

Türk girişimcinin yapması gereken üç şey:

1. Compute'u sahiplenme, kirala. Kendi modelimi eğiteyim hayalini bırak. API + iyi bir vertikal = altın.
2. Veriyi sahiplen, koru. Anthropic Türk distribütör verisine sahip değil. Sen sahip ol. KVKK uyumlu, müşterine ait, ama senin üzerinden değer üreten.
3. Workflow'u tasarla. Türk firmasının yazılı olmayan iş süreçleri var; onları haritalandır, agent'la, otomatikleştir. Mart 2026'da kurulmaya başlayan agent ekonomisinde her sektörün ilk yerleşeni cazip avantaja sahip.

Kapanış: Romantik Gurur ya da Stratejik Akıl

2026'nın geri kalanında Türkiye'de iki tür yapay zeka söylemi yan yana yaşayacak. Birincisi: "Türkiye'nin kendi modeli olmalı." Romantik gurur. İkincisi: "Türkiye'nin kendi vertikal ürünleri olmalı, dünyanın en güçlü modeli üzerinde." Stratejik akıl.

İki söylem aynı ülkeyi aynı yere götürmüyor. Romantik gurur bütçeyi compute hayaline bağlar, sonu hüsran. Stratejik akıl bütçeyi vertikal'a, veriye, ürüne, satışa bağlar, sonu para.

Anthropic'in aylık 1,25 milyar doları rakip değil, müttefik. O fışkırma olmadan benim ürünlerim çalışmaz. O fışkırma olduğu için Manavgat'tan dünyaya vertikal AI ürünleri sevk edebiliyoruz. Türk sorunu, Türk çözümü, küresel altyapı.

Geri kalanı detay.

Ertuğrul Akben, JARVIS AI iş sistemleri kurucusu, Ağabeyoğlu Grup yönetim kurulu başkanı. Türk girişimciler için vertikal AI ürünleri geliştiriyor: HANDEN X (distribütör operasyonu), MutfakAI (restoran içerik), Vadelim (Türkçe tahsilat), VOXONIC AI (çağrı merkezi çeviri). HYRVE AI agent platformu ve CashClaw açık kaynak projesinin yaratıcısı.

Bu yazının kaynakları:

• SpaceX IPO Prospektüsü (SEC, 21 Mayıs 2026): Anthropic Colossus 1 GPU sözleşmesi
• BuildFastWithAI Daily, 22 Mayıs 2026: Anthropic Q2 operasyonel kar projeksiyonu
• SiliconANGLE, 22 Mayıs 2026: Mega AI IPOs ve agentic blitz
• SAP News Center, Sapphire 2026: Autonomous Enterprise duyurusu
• TechCrunch, 19 Mayıs 2026: Google Gemini 3.5 Flash agent stratejisi
• SD Times, 8 Mayıs 2026: Coder Agents Launch ve Snyk-Claude ortaklığı

İlgili yazılar:

• 19 Mayıs Gecesi AI Haritası Yeniden Çizildi
• Bu Yaz 4 AI Ürünüm Sahaya İndi
• Küçük Şirketlerin Büyük AI Avantajı

Üçü de farklı haber. Üçü de aynı hikayenin parçası: kapalı kaynak frontier modellerde liderlik el değiştiriyor, agent ekonomisi mainstream'e taşındı, video AI deepfake tartışmasını masaya yatırdı.

Türkiye'den biri olarak bu üç gelişmeyi tek tek değil, birbirine bağlı bir tablo olarak okumam gerektiğini düşündüm. Hem JARVIS hem HYRVE AI hem de CashClaw ile bu sahada production'dayım, gözlemim somut.

"Big Tech bir şeyi sahnede tanıtınca herkes ona koşuyor. Halbuki o şey çoğunluk için 1-2 yıl önce yapılmış, sadece görünür hale geliyordu."

1. Karpathy Anthropic'e Geçti: Tek Bir Transfer Değil, Strateji Mesajı

Andrej Karpathy adını duymayan kalmadı. OpenAI'ın kurucu üyesi, Tesla Autopilot ekibinin liderliğini yapmış, 2024'te Eureka Labs'ı kurmuştu. 19 Mayıs günü Anthropic pre-training ekibine katıldığını duyurdu. Takım lideri Nick Joseph. Görevi tek cümleyle özetlenebilir:

"Claude'u Claude'la eğitin." Yani modeli geliştirmek için yine modelin kendisini kullanan bir pre-training mimarisi kuracak.

Bu, alelade bir transfer haberi değil. İki gerçeği aynı anda imzalıyor:

• OpenAI'da yetenek tutulamıyor. Sam Altman'ın safety ekibini geçen yıl lağvetmesi, Frontier modelinin "ajan işe alma" pozisyonlamasıyla beraber, derin araştırmacılar için Anthropic daha cazip bir liman haline geldi.
• Self-improving AI artık fantastik değil, takvimli. "Modelin kendisini eğitmesi" 2-3 yıl önce sci-fi tarafındaydı, bugün Anthropic'in pre-training takımının resmi yol haritası.

Bu hamlenin Türkiye'deki KOBİ için anlamı şu: Anthropic'in arkasında ciddi bilim insanları toplandı, bu modelin önümüzdeki 12 ayda kalitesi hızlanacak. Eğer ChatGPT'ye sıkışmış bir KOBİ iseniz, alternatif olarak Claude'a bakmanın zamanı geldi.

Benim Tarafımdan Görünen

JARVIS'in motoru Claude Opus 4.7. Yani ben 1 yıldır Anthropic ekosisteminde production'dayım. HANDEN X (distribütörler için 24 modüllü AI iş yönetim platformu), VOXONIC AI (gerçek zamanlı sesli AI çevirisi), Vadelim (AI tahsilat asistanı) ve MutfakAI (restoran için AI yemek görseli) projelerimin hepsi Claude omurgalı.

Bu yüzden bana şu sorulduğunda net cevabım var: "ChatGPT mi, Claude mu?" Karpathy transferi soruyu daha da netleştirdi. Eğer kodluyorsanız, uzun bağlam istiyorsanız, agent zinciri kuruyorsanız, Claude şu an açık ara önde. Nisan 2026 model karşılaştırma yazımda SWE-bench Pro'da 64.3 ile lider olduğunu zaten yazmıştım.

2. Anthropic $900 Milyar: OpenAI Tahtı El Değiştirdi

Karpathy haberiyle aynı hafta gelen ikinci bomba: Anthropic 30 milyar dolar büyüklüğünde yeni bir tur kapatmak üzere ve değerlemesi 900 milyar dolara dayanıyor. Mart 2026'da OpenAI 852 milyar dolar değerlemeyle rekor kırmıştı. Şubat'taki yazımda OpenAI'ın 110 milyar dolar topladığını aktarmıştım. 72 gün sonra tablo tersine döndü.

Anthropic, kurulduğu 2021'den bu yana ilk kez OpenAI'ı değerleme tarafında geride bıraktı. Aynı hafta KPMG ile global kurumsal entegrasyon anlaşması imzalandı.

Nasıl Buraya Geldik?

Üç sebep var:

1. Etik duruş satılabilir hale geldi. Şubat 2026'da Anthropic Pentagon kontratını "kitlesel gözetim sınırı çizilmediği için" reddetti. OpenAI o kontratı aldı. Kısa vadede OpenAI kazandı. Uzun vadede Fortune 500 risk yönetim ekiplerinin kapısı Anthropic'e açıldı. Avrupa pazarı, sağlık, finans, kamu kurumları "öngörülebilir AI" istiyor.
2. Claude Code + Computer Use kurumsallaştı. Cursor, Cline, GitHub Copilot gibi geliştirici araçlarının büyük çoğunluğu altta Claude çalıştırıyor. Yazılım dünyasının damarına bağlandı.
3. Routines + Task Budgets. Opus 4.7 ile gelen otonom çalışma altyapısı kurumsal otomasyon için doğrudan kullanılabilir hale geldi.

Türkiye İçin Ne Demek?

Türk KOBİ'lerinin yapay zeka olgunluk skoru Digitopia 2026 raporuna göre 2.30/5. Turizm 2.43, inşaat 2.56. Bankacılık ise 3.26 ile ortalamanın üzerinde. Bu, sektörlerin önündeki en büyük boşluk: frontier modellere doğru entegrasyon.

Anthropic'in büyüyen kurumsal ortakları (Bedrock, Vertex, Foundry) Türkiye'deki büyük bulut müşterilerinin kullandığı platformların hepsinde mevcut. Yani Claude'a erişim için "VPN" değil, mevcut buluttaki tek bir tıkla aktif olabiliyor. Bu mesele "hangi modeli kullanacağım" değil, "ne zaman entegre edeceğim".

3. Google Gemini Omni: "Dünyayı Simüle Eden" Video Modeli

Aynı günün üçüncü depremi Google'dan geldi. Google I/O 2026 sahnesinde Sundar Pichai üç ana ürünü duyurdu:

• Gemini 3.5 Flash: Rakiplerinden yarı fiyatına kullanılabilen yeni hafif model.
• Gemini Spark: 7/24 çalışan kişisel AI ajanı, bağlı uygulamalar arasında reasoning yapıyor.
• Gemini Omni: "World model" olarak konumlanan video üretim ve düzenleme motoru.

Asıl konuşulması gereken Omni. Çünkü Google "video üretiyoruz" demedi, "dünyayı simüle ediyoruz" dedi. Fark büyük.

Omni'ye fotoğraf, ses, video ve metin tek prompt olarak veriliyor. Model bunları "birleştirmiyor", aralarında akıl yürütüyor. Çıktı 10 saniyelik 4K video ve sonradan konuşarak değiştirilebiliyor. Tarayıcıda Flow editörü, telefonda YouTube Shorts entegrasyonu hazır.

Eksik Özelliğin Hikayesi

İşte burada işin politik tarafı başlıyor. Google Omni'nin ses değiştirme ve dudak senkronu özelliklerini lansman gününde geri çekti. Demolarda bir insanı hayvana dönüştürürken kendi sesinin korunduğunu gördük. Mevcut bir videoda konuşmayı değiştirebildiğini gördük. Ama bu özellikler kullanıcıya verilmedi. Google'ın açıklaması:

"Bunu kullanıcılara sorumlu biçimde nasıl getireceğimizi hâlâ test ediyoruz."

Tercüme edersek: Deepfake riski hesaplanamadı, lansman gününde devre dışı tutuldu.

Mart 2026'da Yazdıklarım Bugün Çok Daha Önemli

Mart 2026'daki "Mart 2026 Bilançosu" yazımda CHP'nin deepfake miting skandalı ve Ece Seçkin deepfake meselesini işlemiştim. O dönem "deepfake yapay tek tük tehlike" gibi konuşuluyordu. Şimdi Google'ın kendi modeli o özelliği lansmana yetiştiremediği için geri çekiyor. Yani "henüz hazır olmayan" değil, "üretildi ama sorumluluk taşınmadığı için verilmeyen" bir özellikten bahsediyoruz.

VOXONIC AI'da ses klonu (ElevenLabs v3 audio tag mimarisiyle) çağrı merkezi senaryolarında çalışıyor. Bu ses klonlama bizim için bir özellik değil, KVKK uyumlu işletilen bir altyapı. Yani "klonlayalım da bakalım ne çıkıyor" ile "çağrı merkezi operatörünün kendi sesini, sözleşmeli, izinli ve auditlenebilir biçimde klonlayalım" arasında muazzam fark var. Google'ın Omni'de geri çektiği özellik, VOXONIC'in çözmesi gereken problem.

4. Gemini Spark: Google Agent Ekonomisini Sahiplendi

Spark'ı ayrı başlık altında ele almak lazım. Çünkü Spark'la beraber Google, agent ekonomisini resmen mainstream'e taşıdı.

Mart 2026'daki "AI Agent Ekonomisi: $9B'dan $199B'a" yazımda Goldman Sachs verisine atıfla pazar büyümesini şöyle aktarmıştım: 2026'da 10.91 milyar dolar, 2034'te 199 milyar dolar, yıllık bileşik büyüme %43.84. Gartner'ın "2028'de kurumsal uygulamaların %40'ı agent içerecek" tahminini eklemiştim.

Spark, bu tahminin Google ayağındaki cevabı. Bağlı uygulamalar arasında reasoning yapan, 7/24 çalışan, kullanıcının yerine karar alan bir agent. MCP, ACP ve UCP gibi protokollerle birleşince oluşan tablo şu:

• Google Spark = Google ekosisteminde agent
• OpenAI ChatGPT Atlas = OpenAI ekosisteminde agent
• Anthropic Claude + Computer Use = Anthropic ekosisteminde agent
• HYRVE AI = Bunlardan bağımsız, agent'lar arası işlem yapabilen marketplace

HYRVE AI Niye Önemli?

Big Tech'in tanıttığı her agent, sadece kendi ekosisteminde para kazanabiliyor. Spark Google'ın değer zincirini çalıştırıyor. Atlas OpenAI'ın. Bizim HYRVE AI ise tam tersini yapıyor: agent'lar arası işlem yapabildiği, geliştiricinin %85 komisyon aldığı, Stripe Connect ile ödemenin direkt hesabına düştüğü bir pazaryeri.

Şu an HYRVE'de 5.745+ kayıtlı agent/client var. CashClaw npm paketi 271 yıldız, 103 fork, 12 watcher aldı. Mart 2026'daki yazımı yazarken 5.469 idi. İki ayda 276 yeni agent eklendi. Mayıs'taki YouTube Shorts organik viralinden sonra kullanıcı sayısı 5.560'tan 5.745'e çıktı.

Spark'ın çıkmasıyla bu rakamlar daha da hızlanacak çünkü agent kavramı kütlesel kabul gördü. Big Tech'in tanımladığı standart, küçük geliştiricinin para kazanma alanını açıyor. Aynen iOS App Store'un Apple'a değil, indie geliştiriciye milyarlık pazar açtığı gibi.

Türkiye İçin 4 Somut Aksiyon

3 deprem birden konuşurken kafamızı net tutmak için Türkiye'deki KOBİ ve geliştirici için 4 somut adım:

1. Çoklu model stratejisine geçin. ChatGPT'ye %94.49 bağımlı bir ülkeyiz. Claude, Gemini ve open-source alternatiflerden en az birini iş süreçlerinize katın. Tek kaynağa bağımlılık tedarik zinciri riski.
2. Agent ekosisteminde yer tutun. Spark, ACP, MCP, UCP, MPP zinciri tamamlandı. KOBİ'ler iki seçenek arasında: ya başkasının agent'ına maaş ödeyen müşteri olacak, ya da kendi agent'larıyla pasif gelir kuracak. CashClaw açık kaynak, denemek ücretsiz: npx cashclaw init.
3. Deepfake savunması bugün başlasın. Google'ın bile sahnede çekemediği yetenek 2-3 ay içinde tehdide dönüşecek. Çalışan eğitimi, ses doğrulama protokolü ve "tek faktörlü kimlik doğrulama yok" politikası hemen yazılmalı.
4. İçeriği insanlaştırın. AI ile üretilen video, ses ve metin patladıkça insan kanıtı değer kazanıyor. Kusur, samimiyet, yerel bağlam ve sahne arkası içerik öne çıkacak. Adam Mosseri'nin Ocak'ta dediği gibi: "Özgünlük artık sonsuz kopyalanabilir."

Sonuç: 24 Saatte Neyi Öğrendik?

19 Mayıs 2026 gecesi üç şey aynı anda kanıtlandı:

• Frontier model lideri değişti (Anthropic OpenAI'ı geçti).
• Video AI'ın deepfake duvarı somutlaştı (Google Omni özelliği geri çekti).
• Agent ekonomisi resmen mainstream (Spark + ACP + MCP + UCP zinciri tamam).

Bu üçünün ortak noktası şu: Türk girişimci için pencere hâlâ açık ama daralıyor. Anthropic'in büyümesi Türk SaaS'ların altyapı kalitesini yükseltiyor. Omni'nin geri çektiği özellik VOXONIC gibi yerel KVKK uyumlu çözümlere alan açıyor. Spark'ın tanıttığı agent kavramı HYRVE benzeri pazaryerlerini doğal hızlandırıcı haline getiriyor.

Bu yüzden ben yarın sabah ilk işime aynı yerden devam edeceğim: Türk sorunu, Türk çözümü, yapay zeka temelli. Big Tech kendi sahnesinde gösteri yapsın, biz sahada üretiyoruz.

Peki size soruyorum: 19 Mayıs gecesi yatağınıza giderken AI haritası değişmişti. 20 Mayıs sabahı sizin işiniz değişmediyse, soru kimde?

Kaynaklar:

• TechCrunch, "OpenAI co-founder Andrej Karpathy joins Anthropic's pre-training team", 19 Mayıs 2026
• CNBC, "Google debuts new AI models, personal AI agents", 19 Mayıs 2026
• Decrypt, "Google Unveils Gemini Omni World Model", 19 Mayıs 2026
• Fortune Tech, "Google's AI rebuild, Anthropic's big hire", 20 Mayıs 2026
• Digitopia, "Türkiye Dijital ve Yapay Zeka Olgunluk Raporu 2026"

Bu yazıda dördünü tek tek anlatacağım. Niye yaptık, kimin için, ne yapıyor.

HANDEN X: Distribütörler İçin İş Yönetim Beyninizi Yapay Zekayla Donatın

Türkiye'de distribütörlük yapan binlerce şirket var. Sigara, içecek, gıda, kozmetik. Hepsi aynı problemleri yaşıyor. Sahaya çıkan satış temsilcisi rotaya gitti mi gitmedi mi belli olmuyor. Stok kayıtları Excel'de tutuluyor, gün sonu kapatması iki saat alıyor. Müşteriden gelen sipariş, depoya geç düşüyor. Bayilerin ödeme takibi muhasebenin kabusu.

HANDEN X, bu kabusu çözmek için tasarlandı. Bir distribütörün operasyon merkezini yapay zekayla yeniden inşa eden bir platform. Şu an 24 modülü var: rota planlama, saha satış, gün sonu, stok yönetimi, müşteri kartları, ödeme takibi, raporlama, alacak/borç dengesi, kasa, bayi sözleşme yönetimi, banka mutabakat, alacak yaşlandırma, alias eşleştirme, araç filo (Arvento entegrasyonu), iptal fatura yönetimi, AI denetim raporları ve daha fazlası.

İlk müşterimiz Çimhan Grup oldu, Manavgat merkezli bir British American Tobacco distribütörü. Onlarca rotada, yüzlerce noktada, binlerce SKU'da test edildi. Şu an günde binlerce işlemi yapay zekayla optimize ediyor.

HANDEN X'in farkı şu. Diğer ERP'lerin yapay zekayla süslemesi değil. Yapay zeka temelin kendisi. Hangi rotaya hangi araç çıkmalı, hangi müşteriden hangi gün tahsilat yapılmalı, hangi ürünün stok devir hızı düşüyor. Bu kararları sistem öneriyor, operatör onaylıyor.

Distribütörlük yapıyorsanız ve hâlâ Excel ve WhatsApp gruplarıyla yönetiyorsanız, HANDEN X size yıllık birkaç yüz saat kazandırır. Ölçtük.

MutfakAI: Yemek Görseli 30 Saniyede

Restoran sahipleri için en zor şey ne biliyor musunuz? Sosyal medya içeriği üretmek. Yemekçinin elinde sabit bir telefon var, ışık iyi değil, fotoğraf çıkmıyor. Profesyonel fotoğrafçı çağırmak ayda en az 5-10 bin TL. Yemeksepeti listesindeki görseller ya hiç yok ya da telefon kamerasıyla çekilmiş, yarısı yenmez gibi duruyor.

MutfakAI, bu sorunu yapay zekayla çözüyor. Restoran sahibi telefonundan yemek menüsündeki bir ürünün adını veya sıradan bir fotoğrafını yüklüyor. 30 saniye içinde Yemeksepeti'nde, Instagram'da, hikayede kullanabileceği kalitede yemek görseli üretiliyor. Tabağın açısı, ışık, dekor, hepsi profesyonel.

Restoran zincirleri için ayrı, küçük esnaf için ayrı paketleri var. Aylık tasarım maliyetini onda bire indiriyor. Üstelik haftada iki kere yeni içerik üretme refleksini kazandırıyor.

MutfakAI'yı geliştirme sürecinde 50'den fazla restoran sahibiyle görüştük. Hepsi aynı şeyi söyledi: "Tasarımcıyla aram iyi değil, brief vermek zor, sosyal medya ajansları pahalı." MutfakAI bu zinciri kırıyor. Restoran sahibi, kendi telefonundan kendi içeriğini üretebiliyor.

Restoranınız varsa, deneyin. İlk üretim ücretsiz.

Vadelim: Tahsilatı Yapay Zekayla Otomatikleştirin

Türkiye'de KOBİ'lerin en büyük problemi nedir biliyor musunuz? Tahsilat. Vadesi geçen fatura. Müşteri "haftaya öderim" diyor, üç hafta oluyor. Şirket sahibi her gün yarım saatini sadece "kim ödeme yapacak, kim yapmadı" diye sormakla harcıyor. Banka kredisinden daha pahalı bir nakit akışı problemi var.

Vadelim, Türkiye'nin ilk yapay zeka destekli tahsilat asistanı. Vadesi geçen alacaklarınızı, sizin tarzınızda, sizin numaranızdan, kibar bir dille takip ediyor. Altı dilde iletişim kuruyor. KVKK uyumlu. Kurulumu yedi dakika sürüyor.

Söylediği iddialı: "90 günde nakdin yüzde 40 ila 60'ını geri getirir." Bu sayıyı pilot müşterilerimizle test ettik, doğruladık. Hem küçük esnafın hem orta ölçek işletmenin ortak ihtiyacını çözüyor.

Vadelim'in en sevdiğim tarafı şu. Müşteri ilişkisini koruyor. Sert bir avukat mesajı değil. Sizin kullandığınız tonda, sizin yazdığınız gibi bir hatırlatma. "Sayın Ahmet Bey, geçen aylarda harika çalıştık, küçük bir hatırlatma yapmak istiyoruz..." gibi.

Nakit akışı sıkıntısı yaşıyorsanız, ücretsiz demosunu deneyin. 60 gün iade garantisi var.

VOXONIC AI: Çağrı Merkezi İçin Anlık Çeviri

VOXONIC AI, bu dört üründen en uzun süre üzerinde çalıştığım proje. Bir yıldır kendi çağrı merkezimizde production'da. Hayatım bu sistem üzerinden geçti diyebilirim.

Hikâye basit. Antalya turizm sektörü, ihracat firmaları, dış pazara açılan sağlık merkezleri. Hepsi aynı problemi yaşıyor. Yabancı müşteri telefon ediyor, operatör ya İngilizce bilmiyor ya da yetmiyor. Tercüman maliyetli, kalifiye olanı bulması zor. Müşteri kapatıyor, bir daha aramıyor.

VOXONIC AI, operatör ile yabancı müşteri arasında gerçek zamanlı sesli çeviri yapan bir platform. 100'den fazla dilde çalışıyor. Gecikme 800 milisaniyenin altında. Yani operatör Türkçe söylüyor, müşteri kendi dilinde duyuyor, neredeyse gerçek zamanlı.

Çevirinin sesi de önemli. Robot sesi değil. Konuşmacının kendi sesinin klonlanmış versiyonu ya da doğal AI sesleri. Ton korunuyor, duygu aktarılıyor. ([laughs], [whispers], [excited] gibi audio tag'lar destekleniyor.)

KVKK ve GDPR uyumlu. Tarayıcı tabanlı. Operatöre eğitim gerektirmiyor. Aylık 2.500 TL'den başlayan paketleri var.

Bir yıl önce kendi şirketimde kullanmaya başlamak için yapmıştım. Üç ay sonra ilk müşteriler talep etmeye başladı. Şimdi çağrı merkezi olan her sektörde satıyoruz. Sağlık, turizm, e-ticaret, finans. Tercüme bütçesini binde bire indiriyor, çağrı süresini iki kat hızlandırıyor.

Çağrı merkezi operasyonunuz varsa veya yabancı müşteri ile çalışıyorsanız, demo isteyin.

Ortak Hikâye: Türk Sorunu, Türk Çözümü

Bu dört ürünün ortak noktası şu. Hiçbiri ABD pazarına bakmıyor. Hiçbiri uluslararası AI yarışına girmek için yazılmadı. Hepsi, Türkiye'de yaşadığım, gördüğüm, müşterilerimden duyduğum somut problemleri çözmek için tasarlandı.

Distribütörlerin Excel'le ERP yönetme dramı, restoranların sosyal medya kabusu, KOBİ'lerin tahsilat krizi, çağrı merkezlerinin dil bariyeri. Hepsi Türkiye'ye özgü değil, ama Türkiye'de daha keskin yaşanan problemler.

Yapay zeka, bu problemleri çözmek için doğru araç. Ama tek başına yetmez. Sektörü tanımak, müşteri davranışını okumak, Türk regülasyonuna uymak, KVKK altyapısı kurmak, yerel dilde optimize etmek. Bunların hepsi platformun arka tarafında.

Önümüzdeki 12 ayda bu dörtlüye iki yeni ürün daha eklenecek. Birisi sağlık sektörü için, diğeri eğitim. Hâlâ aynı prensipte: Türk sorunu, Türk çözümü, yapay zeka temelli.

Eğer bir distribütör, restoran, KOBİ veya çağrı merkezi sahibiyseniz, dört üründen biri sizin için var. Eğer hiçbiri tam olarak uymuyorsa, i@ertugrulakben.com adresine yazın. Yeni bir şey üretmenin tam zamanı.

Bu bir beceri mi? Evet. Ama "mühendislik" değil. Ve kesinlikle yeterli değil.

Prompt yazmak, AI ile çalışmanın giriş kapısı. Problem tanımlama, iş akışı tasarımı ve çıktı doğrulama ise asıl bina. Giriş kapısında durup binanın sahibi olduğunu iddia edemezsin.

Gerçek AI Becerisi Üç Katmandan Oluşuyor

Birinci katman: Problem tanımlama. AI'ya doğru soruyu sormak için, önce problemi doğru tanımlaman gerekiyor. "Bana bir pazarlama planı yaz" demek kolay. "Aylık 5.000 TL bütçeyle, Kahramanmaraş'taki 25-35 yaş arası kadın müşterilere ulaşmak için Instagram Reels odaklı bir içerik takvimi oluştur" demek bambaşka bir seviye. İkincisini yapabilmek için AI bilgisi değil, iş bilgisi gerekiyor.

İkinci katman: İş akışı tasarımı. Tek bir prompt ile tek bir çıktı almak başlangıç. Asıl güç, AI'yı iş sürecine entegre etmekte. Müşteri maili geldi, AI sınıflandırdı, uygun departmana yönlendirdi, taslak cevap hazırladı, insan onayladı, gönderildi. Bu zinciri kurmak, "iyi prompt yazmak"tan çok farklı bir beceri.

Üçüncü katman: Çıktı doğrulama. AI hallüsinasyon yapıyor, yanlış bilgi üretiyor, bağlamı kaçırıyor. Bu hataları yakalayabilmek için alan bilgisine ihtiyacın var. Hukuk alanında çalışıyorsan, AI'nın ürettiği sözleşme taslağını okuyup "bu madde Türk mevzuatına uygun mu?" diye sorgulayabilmen gerekiyor. Prompt mühendisliği bunu öğretmiyor.

Peki Gerçekte Ne Öğrenilmeli?

Birincisi: kendi alanında uzmanlaşmak. AI, genelciyi gereksiz kılıyor. Uzmanı güçlendiriyor. Yüzeysel bilgiyle AI kullanırsan, yüzeysel sonuç alırsın. Derin bilgiyle kullanırsan, AI seni katlanarak hızlandırır.

İkincisi: sistem düşüncesi. Tek bir görevi değil, bir dizi görevi birbirine bağlamayı öğrenmek. AI'yı tek seferlik asistan olarak değil, iş akışının parçası olarak konumlandırmak.

Üçüncüsü: eleştirel düşünce. AI'nın ürettiği her çıktıya "bu doğru mu?" diye sormak. Doğrulama refleksi geliştirmek. Özellikle AI çıktısını başkalarıyla paylaşmadan önce.

Prompt mühendisliği bir geçiş dönemi unvanı. Önümüzdeki birkaç yıl içinde herkes temel düzeyde prompt yazabilecek, tıpkı herkesin temel düzeyde Google araması yapabilmesi gibi. Asıl değer, prompt'un ötesindeki becerilerde.

AI'ya ne soracağını bilmek değil, ne sormaman gerektiğini bilmek asıl beceri.

Özet: Her yeni SaaS çıktığında JARVIS için yeni bir MCP adapter yazmaktan yoruldum. Lucid, ekranı gören ve mouse ile klavyeyi insan gibi kullanan bir masaüstü AI ajanı. Bir kez gösteriyorum, sonra "Ahmet'e SEO için 12.000 TL fatura kes" dediğimde hatırlıyor ve yapıyor. Yakında MIT lisansıyla açık kaynak.

Her SaaS İçin Ayrı Bir Adapter Yazmaktan Yoruldum

Son iki yılda JARVIS'e 15 MCP sunucu, 320'den fazla araç bağladım. Gmail için mcp__google-workspace__sendGmailMessage, WhatsApp için WAHA, Binance için başka bir MCP, Figma için başka biri. Her yeni aracın dokümanını oku, auth akışını çöz, rate limit'lerini haritala, hata senaryolarına test yaz, sonra güncellemelerde tekrar kırılsın.

Bir süre sonra şunu fark ettim: aslında istediğim şey bir insan personelin yaptığı iş. Oturup uygulamayı açıyor, müşteriyi seçiyor, kalem ekliyor, tutarı yazıyor, kaydet'e basıyor. O insan programın API'sine bakmıyor. Ekrana bakıyor, mouse ile tıklıyor, klavye ile yazıyor.

O zaman bu işi yapan bir AI ajan neden olmasın?

Lucid tam olarak bu. Geçtiğimiz haftalarda geliştirdim ve şimdi günlük işlerimde kullanıyorum. Yakında MIT lisansıyla GitHub'a açacağım. Bu yazıda neyi neden yaptığımı, hangi kırıklara tosladığımı ve nasıl çözdüğümü anlatacağım.

"Personel" Metaforu ve 3 Mod

Lucid'i geliştirirken kafamdaki tek soru şuydu: ilk gününde bir stajyere nasıl iş öğretirdim? Omzunun üstünden bakardım, gösterirdim, sonra "bunu yap" derdim.

Lucid'de üç mod var:

• Answer: Ekranı görür, cevap verir. "Açık olan Excel'de A1 hücresinde ne yazıyor?" dersem bakar, söyler. Mouse'a dokunmaz.
• Teach: Kaydeder. "Şimdi sana fatura kesmeyi göstereceğim" derim, adımları atarım, Lucid izler ve anlamsal bir workflow çıkarır.
• Execute: Kontrolü alır. Mouse ve klavyeyi kullanarak işi yapar. Ctrl+Shift+K ile her an durdurabilirim.

Üç mod da aynı beyinden (Claude) besleniyor. Aradaki fark, hangi araçların o modda açık olduğu ve prompt'un ne söylediği.

Pixel Tahmin Etme, Önce Kısayol Dene

İlk versiyonda klasik "computer use" yaklaşımını denedim: ekran görüntüsü al, modele gönder, "şu butona tıkla, koordinatları ver" de, tıkla. Tek bir açık pencerede iyi çalışıyordu. Üç açık pencere, iki monitör, %125 ölçeklendirme olunca tamamen çöktü.

Sorun şu: modele pixel koordinatı tahmin ettirmek bir kumar. Her seferinde doğru çıkacak diye bir garanti yok.

Bu yüzden Lucid'in sistem prompt'una şu kuralı gömdüm: "Pixel tahmin etme. Önce kısayol dene." Uygulama açmak için Win+R, browser adres çubuğu için Ctrl+L, form gezmek için Tab, kaydetmek için Ctrl+S, yeni sekme için Ctrl+T. Sonuç: işlerin %80'i mouse'a dokunmadan bitiyor, %80 daha güvenilir.

Ama bazen kısayol yok. O zaman üç katmanlı bir fallback kuruyor:

1. click_element: Pixel tahmin etmek yerine Windows UI Automation ağacını geziyor. "Temizle ve onar" ya da "Kaydet" gibi etiketten butonu buluyor, sistem seviyesinde tıklıyor. Pencere kaydığında bile çalışıyor.
2. focus_window: Alt+Tab karışıklığı yok. Pencere başlığı ile doğrudan odak alıyor (EnumWindows + SetForegroundWindow).
3. file_dialog_paste: Open/Save dialog'larda klasör ağacıyla boğuşmak yok. Ctrl+L ile path yapıştır, Enter.

Sadece bunlar hiç çalışmazsa en son mouse koordinatına iniyor.

Küçük Gibi Görünen, Aslında Her Şeyi Bozan Bug'lar

İşin ilginç kısmı burada başlıyor. Lucid'i geliştirirken en çok başımı ağrıtan iki bug, computer use'u prodüksiyona alınca kesin çarpacağınız türdendi.

Türkçe Klavyede "/" Yerine "." Yazılıyordu

Lucid ilk günlerde adres çubuğuna "https://ertugrulakben.com" yazmak istediğinde "https:..ertugrulakben.com" yazıyordu. Başta şaka sandım. Sonra pydirectinput'un scan code ile doğrudan klavye interrupt gönderdiğini, Türkçe klavye layout'unda "/" karakterinin farklı bir scan code'a mapping'lendiğini fark ettim.

Çözüm: tüm type eylemlerini clipboard paste ile yapmak. Lucid ne yazacaksa panoya koyuyor, Ctrl+V ile yapıştırıyor. Her klavye layout'unda doğru çalışıyor, üstelik karakter karakter yazmaktan 10 kat daha hızlı.

%125 Ölçeklendirmede Tıklamalar Kayıyordu

Modern Windows laptop'larda ölçeklendirme varsayılan olarak %125 ya da %150. Ben ekran görüntüsünü mss kütüphanesiyle alıyordum, mss fiziksel pixel'de çalışıyor. Ama pyautogui tıklarken sanal pixel'de tıklıyor. Yani model "x=1000, y=500" dediğinde aslında x=800, y=400'e tıklanıyordu. Sistematik bir koordinat kayması.

Çözüm SetProcessDpiAwareness(2) ile process'i per-monitor DPI aware yapmak. Bir satır kod, saatlerce debug.

Bu iki bug'ı paylaşıyorum çünkü açık kaynak olunca kullanıcıların ilk gün tosladığı bug'lar bunlar olacak. Çoktan çözdüm, paket içinde geliyor.

Güvenlik: Destructive Action, Kill Switch, Retry Guard

Mouse ve klavye kontrolünü bir AI'ya vermek tehlikeli. Lucid'de üç güvenlik katmanı var:

• Destructive action onayı: "rm -rf", "DROP TABLE", "DELETE FROM", password field'a yazma gibi tespitler yapılıyor. Her birinde Allow / Deny / Always-in-session modal çıkıyor.
• Kill switch (Ctrl+Shift+K): Her yerden çalışıyor. Lucid hangi eylemi yapıyorsa anında durur.
• Retry escalation: Aynı koordinata iki kez başarısız tıklarsa "retry-guard" uyarısıyla Claude'a "başka yaklaşım dene" der. Tek bir yerde sonsuza kadar takılıp kalmaz.
• Timeout: Her aksiyon maksimum 30 saniye. Aşarsa abort.

Bir de captcha_solver var: reCAPTCHA v2 checkbox ve Cloudflare Turnstile'ı çözebiliyor. Ama saatte 10 ile sınırlı ve kendi hesaplarımda kullandığım için açık. Mass bot kullanımı niyeti olan biri için tasarlanmadı.

Hafıza: Bir Kere Göstermek Yetiyor

Lucid'in belki en hoşuma giden kısmı memory sistemi. SQLite'ta facts diye bir tablo tutuyor. Başarılı her işten sonra kısa bir özet çıkarıp buraya yazıyor. Sonraki benzer işte Claude önce bu öğrendiklerine bakıyor, aynı hataya iki kere girmiyor.

Ayrıca dosya sistemi index'i var. "Geçen hafta açtığım rapor" gibi soruları yanıtlayabiliyor.

Ama asıl güç named workflows kısmında.

Teach modunda oturup Lucid'e şöyle diyorum:

"fatura_kes: Logo Go'ya gir, müşteri seç, kalem ekle, tutar yaz, kaydet."

Adımları omzunun üstünden bana baktırıyormuş gibi atıyorum. Lucid UI Automation olaylarını kaydediyor, Claude semantik bir workflow çıkarıyor ve değişkenleri kendiliğinden tespit ediyor: musteri, urun, tutar.

Sonra günlük kullanımda:

"Ahmet'e SEO için 12.000 TL fatura kes."

Lucid alias eşleşmesini buluyor ("fatura_kes"), parametreleri çıkarıyor (musteri=Ahmet, urun=SEO, tutar=12000), workflow'u replay ediyor. İlk kurulumdan sonra günde onlarca fatura aynı cümleyle kesiliyor.

Bu özelliği kurmaktaki hedefim başından beri şuydu: her tekrar eden iş, bir kere gösterdikten sonra cümle düzeyi komuta düşsün.

Kullanıcı Profili: Kodda Hardcode Yok

Lucid'in açık kaynak olabilmesi için bir şart koydum: kodun hiçbir yerinde benim özel bilgilerim olmayacak. Mail adresim, imzam, sık kullandığım klasörler, pinned app'ler, hepsi profile.yaml dosyasında. Kodda sadece "profile'dan oku" çağrıları var.

Kullanıcı indiriyor, profile.yaml'ı kendi bilgileriyle dolduruyor, çalıştırıyor. İçinde "password", "şifre" ya da "token" geçen notlar otomatik redakte ediliyor, Claude'a hiç gönderilmiyor.

Tüm veri .tools/Lucid/data/ klasöründe duruyor. APPDATA'ya sızıntı yok. Klasörü başka bilgisayara taşırsan Lucid de taşınır. Portable by design.

Felsefe: UI Son Çare, API Her Zaman Tercih

Buraya kadar okuduktan sonra şöyle düşünebilirsiniz: "Madem Lucid her şeyi insan gibi yapıyor, MCP'yi at gitsin."

Bu yanlış olurdu. Lucid'in felsefesi şu: "UI only son çare."

Gmail API varken Lucid'e Gmail arayüzünü açtırmak aptallık. mcp__google-workspace__sendGmailMessage milisaniyelerde, hatasız, auth'lu çalışıyor. Lucid'in aynı işi yapması 20-30 saniye, tıklama hatası riski var, rate limit yok ama ekran kilidine takılabilir.

Lucid'in parladığı noktalar şunlar:

• Resmi API'si olmayan uygulamalar: Özel admin paneli, iç CRM, bağımsız kurulum bir muhasebe programı. İnsan kullanabiliyorsa Lucid de kullanabilir.
• Dokümantasyon olmayan, auth'u ağır olan, API'si ücretli olan servisler.
• Uzun bir UI akışının otomasyonu. 15 tıklama gereken bir süreç varsa, insanın o 15 tıklamayı yapmasını Lucid'e yüklemek mantıklı.

Yani JARVIS'te Gmail hâlâ MCP ile gidiyor. Ama Logo Go, iç CRM'im, bazı bankacılık panelleri artık Lucid'e gidiyor. Doğru araç, doğru iş.

Teknik Özet

• Dil: Python 3.10+
• Platform: Windows 10/11
• Backend: Anthropic API (default) ya da Claude Code CLI. Claude Code aboneliği varsa Answer modu sıfır ek API maliyeti.
• Test: 78 test
• Lisans: MIT
• Bağımlılıklar: uiautomation, pygetwindow, pyperclip, mss, anthropic
• Veri: SQLite (memory), YAML (profile), dosyalar .tools/Lucid/data/ içinde

Yakında Açık Kaynak

Lucid'i iki hedefle geliştirdim: kendi işlerimi kolaylaştırmak ve başkalarının da kullanabileceği bir temel çıkarmak. Şu an ikincisi için son testleri yapıyorum.

GitHub'a açıldığında duyuracağım. Bu arada @ertugrulakben'den ya da ertugrulakben.com'dan takipte kalın. JARVIS, HYRVE AI ve CashClaw'a dair diğer içeriklerden de haberdar olun.

MCP'siz, API'siz, insan gibi çalışan bir masaüstü AI ajanı fikri ne kadar işine yarar, yorum kısmında söyleyin. Kendi akışınızda en çok neyi otomatikleştirmek isterdiniz, onu merak ediyorum.