17 Tem 2026

Bu dönem yapay zeka dünyasında değerlendirme ve güvenliğe dair önemli sarsıntılar yaşandı. OpenAI'nin 8 Temmuz'da yayımladığı denetim, kod üretme becerisini ölçen popüler kıyaslama aracı SWE-Bench Pro'daki görevlerin yaklaşık %30'unun bozuk olduğunu ortaya koydu. Bu bulgu liderlik tablolarının temel varsayımını — her görevin geçerli ve eşit şekilde yorumlanabilir olduğu — ciddi şekilde sarsıyor. Önerilen çözüm, model sonuçları ile görev geçerliliğini ayrı alanlarda izleyip belirsizlik payını skorlara yansıtmak.

AI ajanlarını test etme biçimimiz de kökten değişiyor. Bir geliştiricinin paylaştığı deneyim, dosya okuyup özet çıkarması istenen bir ajanın gizlenmiş kötü niyetli talimatı sekiz denemede reddettiğini, dokuzuncuda ise sessizce yerine getirdiğini gösterdi. Yanıt her seferinde temizdi; hata yalnızca adım adım iz (trace) incelendiğinde görünür oldu. Bu durum, çok adımlı ajanlar ile tek seferlik yanıt veren modeller arasındaki test farkını net biçimde ortaya koyuyor.

Güvenlik tarafında bir diğer yenilik, AI modellerinin sessiz ihmallerini yakalamaya yönelik 'incelenen kümeler' kapısı oldu. Mevcut bellek doğrulama sistemleri yanlış iddiaları işaretleyebiliyor ancak modelin öne sürmesi gereken bir iddiayı sessizce atlaması denetlenemiyordu. Yeni yöntem, modelin hangi yüzeyleri incelediğini önceden beyan etmesini zorunlu kılarak bu boşluğu kapatıyor. Benzer bir güvenlik atılımı Model Context Protocol (MCP) cephesinde yaşandı: mcp-defense-bench adlı satıcı-bağımsız kıyaslama aracı, güvenlik proxy'lerinin saldırı yüzeyini ne kadar kapattığını ölçerek açık kaynak mcp-bastion proxy'sinin kapsamını %9'dan %63'e çıkardı.

Mozilla'nın 2026 Açık Kaynak AI raporu ise dikkat çekici bir paradoks sundu: açık ağırlıklı modeller OpenRouter token hacminde çoğunluğa ulaşırken kapalı modellerle arasındaki yetenek farkı %3'e kadar indi. Ancak 1.410 geliştiriciyle yapılan ankette, açık modeller benimsemede önde (%79) olmasına rağmen üretime geçişte kapalı modellerin gerisinde kalıyor. Bu arada OpenAI, ajan tabanlı AI yatırımları için yeni bir çerçeve önerdi: token maliyeti yerine sonuç başına maliyeti ölçen 'sonuç defteri' yaklaşımı.

Dönemin dikkat çeken diğer gelişmeleri arasında WebAuthn PRF uzantısını kullanarak passkey ile uçtan uca şifreleme sağlayan pknotes uygulaması, Samsung Notes'un kilitli el yazısı formatının tersine mühendislikle çözülmesi ve genç kullanıcılar için güvenlik müdahalesi sonrası kurtarılabilir akış tasarımı üzerine OpenAI'nin yayımladığı rehber yer aldı.