Claude Code, WeatherNext Cyclones ve DiffusionGemma, izin incelemesinden hava tahminine ve metin üretimine uzanan farklı işlerde ara adımları tek bir akış içinde azaltıyor.
Yapay Zekâ··Öğle
İzin isteminden seçici duruşa
Anthropic, Claude Code'un otomatik modunu 14 Ağustos'ta Pro, Max ve Team hesapları için varsayılan ayar yapacağını açıkladı. Bu mod, bir işlemi geri döndürülemez, yıkıcı ya da kullanıcının çalışma ortamının dışına yönelmiş saymadığı sürece her adımda izin istemeden ilerliyor. TechCrunch'ın aktardığı şirket içi çalışma, elle inceleme kullanan kişilerin risk düzeyinden bağımsız olarak isteklerin yüzde 97'sini onayladığını; otomatik modun ise zararlı işlemleri elle incelemeden daha sık yakaladığını bildiriyor. Anthropic bu sonucu onay yorgunluğuyla açıklıyor. Şirket, varsayılan ayar değişikliğini istem enjeksiyonu taraması ve veri sızıntısını önlemeyi amaçlayan, kullanıcının belirleyebildiği kesin ret kurallarıyla birlikte sunuyor. Böylece denetim tüm eylemlerin önünde yinelenen bir durak olmaktan çıkıp sistemin riskli gördüğü eylemlerde devreye giren seçici bir katmana dönüşüyor. Bu, denetimin tümüyle kaldırıldığı anlamına gelmiyor; kullanıcının önüne hangi kararların getirildiği yeniden düzenleniyor.[1]
Rota ve şiddet aynı tahminde
Google DeepMind'ın WeatherNext Cyclones sistemi de daha önce ayrı modeller arasında paylaştırılan iki işi tek geçişte birleştiriyor. Kullanımdaki kasırga tahmin düzenekleri rota ile şiddeti çoğunlukla ayrı ayrı hesaplıyor; yeni model tropikal kasırganın izleyeceği yolu ve gücünü birlikte üretiyor. The Decoder'ın aktardığı makale ölçümlerinde, beş günlük rota tahminindeki ortalama sapma 230 km; ECMWF topluluk tahmininde 370 km, GenCast'te 335 km. Üç günlük şiddet tahmininde sistem, NOAA'nın HAFS düzeneğinden 3,75 knot daha isabetli. Google DeepMind, National Hurricane Center, Cooperative Institute for Research in the Atmosphere ve UK Met Office ile geliştirilen modelin kodunu ve ağırlıklarını yayımladı; küçük bir sürüm ücretsiz bir Colab defterinde çalışıyor. Buradaki kısalma, insan onayından çok hesaplama akışında görülüyor: birbiriyle bağlantılı iki çıktı, ayrı model zincirleri yerine ortak bir tahmin içinde ele alınıyor. Haber, karşılaştırmaların makalenin kendi ölçümlerine dayandığını da açıkça belirtiyor.[2]
Sıfırdan eğitim yerine dönüştürme
DiffusionGemma üçüncü bir ara yolu kısaltıyor. Google DeepMind, yeni bir metin modelini baştan eğitmek yerine Gemma 4'ü yayılım tabanlı bir modele dönüştürdü. The Decoder'a göre dönüşüm, özgün modelin eğitim belirteci bütçesinin yüzde 10'undan azını kullandı. DiffusionGemma, metni belirteç belirteç sırayla üretmek yerine 256 belirteçlik öbekleri paralel biçimde işliyor; tek bir Nvidia H100 üzerinde saniyede yaklaşık 1.500 belirteç üretebiliyor. Bununla birlikte haber, uslamlama görevlerindeki niteliğin özgün ardışık modelin gerisinde kaldığını da aktarıyor. Üç gelişmenin ortak yönü, her aşamayı ayrı bir kapı, model ya da eğitim çalışması olarak korumak yerine bazı kararları ve işlemleri tek akışta sıkıştırmaları. Ortak eksen, sonuca giden durakların sayısından çok, bu durakların hangi görevleri taşıdığı. Yine de her örnek farklı bir sınır taşıyor: Claude Code risk sınıflandırmasına, WeatherNext ortak tahmine, DiffusionGemma ise eldeki modelin dönüştürülmesine dayanıyor. Bu nedenle ortaya çıkan tablo tek bir yöntemden çok, ara adımların nerede gerekli olduğunun üç ayrı alanda yeniden belirlenmesini gösteriyor.[3], [1], [2]
