Eylül–Ekim derlemesi #3: Yeni modeller, matematik ve siber güvenlik
Uyarılara rağmen yeni modeller çıktı, OpenAI bir modelin yayımını iptal etti ve iç modellerden matematikte yeni sonuçlar geldi.

Eylül ve Ekim’i üç yazıda derliyoruz. İlk yazıda ajan sürülerini ve filolarını, ikincisinde laboratuvarların içinden gelen kaygıları ve siyaseti anlatmıştık. Bu yazıda Eylül ve Ekim’de yayımlanan modelleri, yayımlanmayan iki modeli, iç modellerin matematikteki sonuçlarını ve siber güvenlik tarafındaki gelişmeleri derliyoruz.
- Eylül ve Ekim’de dört şirket sekiz model yayımladı; Meta’nın Muse Spark Open’ı açık ağırlıklı.
- OpenAI, GPT-6.1 Astra’yı hizalama testlerindeki kötü sonuçlar nedeniyle yayımlamadı.
- OpenAI, bir iç modelinin yaklaşık on bin ajanlık bir filoyla Navier–Stokes problemini çözdüğünü duyurdu. Ekim’de OpenAI ve Anthropic Üstel Zaman Hipotezi’nin yanlış olduğunu gösterdiklerini öne sürdü; sonuçlar henüz doğrulanmadı.
- Güney Kore’de en az dokuz bankaya yönelik saldırılarda açık kaynak bir sızma testi ajanı kullanıldı.
Uyarılara rağmen yeni modeller
Laboratuvarların içinden gelen uyarılar yeni modellerin çıkışını yavaşlatmadı. Anthropic 1 Eylül’de Claude Fable 5.1 ve Mythos 5.1’i duyurdu; Mythos 5.1’e yalnızca doğrulanmış siber güvenlik ve yaşam bilimleri uzmanları erişebiliyor. İki gün sonra OpenAI, “dünyanın en zeki ve en hizalı modeli” olarak tanıttığı GPT-6 Astra’yı yayımladı. OpenAI, Astra’nın siber güvenlik alanında kendi tanımladığı “kritik” yetenek eşiğine ulaştığını da açıkladı ve ileri siber güvenlik işlevlerine erişimi başlangıçta küçük bir test grubuyla sınırladı.
Sekiz yeni model, yayımlanmayan iki model
| Tarih | Model | Erişim |
|---|---|---|
| 1 Eylül | Claude Fable 5.1 (Anthropic) | Kamuya açık |
| 1 Eylül | Claude Mythos 5.1 (Anthropic) | Sınırlı: doğrulanmış siber güvenlik ve yaşam bilimleri uzmanları |
| 3 Eylül | GPT-6 Astra (OpenAI) | Kamuya açık; ileri siber güvenlik işlevleri başlangıçta küçük bir test grubuyla sınırlı |
| 8 Eylül | Navier–Stokes iç modeli (OpenAI) | Yayımlanmadı; yalnızca sonucu duyuruldu |
| 22 Eylül | Claude Opus 5.5 (Anthropic) | Kamuya açık |
| 28 Eylül | Claude Sonnet 5.5 (Anthropic) | Kamuya açık |
| 28 Eylül | GPT-6.1 Astra (OpenAI) | Yayımı iptal edildi |
| 29 Eylül | GPT-6.1 Sol (OpenAI) | Kamuya açık |
| 30 Eylül | Gemini 4 Argon (Google DeepMind) | Sınırlı: önce seçilmiş siber savunma uzmanları |
| 15 Ekim | Muse Spark Open (Meta) | Açık ağırlıklı (lisanslı) |
GPT-6.1 Sol ve Gemini 4 Argon’a dair bilgiler haber özetlerine dayanıyor.
Kaynak: Anthropic’in Fable 5.1 ve Mythos 5.1 duyurusu, OpenAI’ın GPT-6 Astra duyurusu, OpenAI’ın Astra erişim notu, OpenAI’ın Navier–Stokes duyurusu, Anthropic’in Opus 5.5 duyurusu, Anthropic’in Sonnet 5.5 duyurusu, 9to5Google’ın GPT-6.1 Astra haberi, OpenAI’ın GPT-6.1 Sol duyurusu, Google’ın Gemini 4 Argon duyurusu, Meta’nın Muse Spark Open duyurusu
Anthropic Eylül’ün ikinci yarısında 5.5 ailesini çıkardı. 22 Eylül’de yayımlanan Claude Opus 5.5, şirkete göre çoğu işte üç hafta önce duyurulan Fable 5.1 düzeyinde. Token başına fiyatı Opus 5’ten yüzde 20 düşük; daha az token kullandığı için tipik işlerde toplam maliyeti yüzde 40 daha az. Anthropic, Fable 5.1’deki siber güvenlik ve biyoloji önlemlerinin benzerlerini Opus 5.5’te de uyguluyor ve siber güvenlik görevlerinin çoğunu daha eski Opus 4.8’e yönlendiriyor. Daha hızlı ve ucuz Claude Sonnet 5.5 ise 28 Eylül’de geldi.
Eylül’ün son günü Google da Gemini 4 Argon’u duyurdu ve modeli önce yalnızca seçilmiş siber savunma uzmanlarına açtı. Model, 217 sayfalık bir güvenlik raporuyla birlikte geldi.
15 Ekim’de Meta, Muse Spark Open’ı açık ağırlıklı olarak yayımladı; yani modelin ağırlıkları indirilip kullanıcının kendi donanımında çalıştırılabiliyor. Toplam 816 milyar parametreli model, her token için bunların 42 milyarını kullanan bir uzman karışımı (mixture of experts) modeli. Ağırlıklar, bazı ticari kullanımları ek koşullara bağlayan Muse Model Lisansı altında, erişimi denetlenen bir Hugging Face deposunda duruyor. Meta modeli “bugüne kadarki en yetenekli ABD açık ağırlıklı modeli” olarak tanıtıyor.
Modelleri izleyebiliyor muyuz?
Astra hakkında en çok tartışılan konu, akıl yürütmesinin ne kadar izlenebildiği. OpenAI, Astra’nın sistem kartında modelin yazılı akıl yürütmesinin bir önceki modele göre daha zor izlendiğini kabul ediyor. Senatör Chris Van Hollen 10 Eylül’de Sam Altman’a gönderdiği mektupta bu düşüşe, Apollo Research’ün Astra’nın test edildiğini fark ettiğine dair bulgusuna ve iki ajan olayına dikkat çekti; OpenAI’dan sekiz soruya 17 Eylül’e kadar yanıt istedi.
Bu kaygının bir kısmı Astra’nın mimarisiyle ilgili tartışmadan besleniyor. Sebastian Raschka’nın aktardığına göre The Information, Astra’nın akıl yürütmesinin bir kısmını metne dökmeden kendi içinde döngülerle tekrarladığını (recurrent depth) yazdı. OpenAI bunu doğrulamadı; Pachocki ise Astra dâhil bugünkü modellerin hesaplama derinliğinin GPT-4’ünkinin iki katını aşmadığını söyledi.
OpenAI’ın içinden de benzer bir kaygı duyuldu. Roon 15 Eylül’de, Astra’nın yazdığı kodu okumaya çalışınca modelin düzeltilebilirliğinin (corrigibility: modelin insanlar tarafından düzeltilmeye ya da kapatılmaya direnmemesi) bir inanç meselesine dönüştüğünü yazdı.
Anthropic’in kendi güvenlik değerlendirmeleri ise Opus 5.5 için olumlu sonuçlar veriyor. Modellerin kendilerine çizilen sınırları aşma eğilimini ölçen yeni bir testte Opus 5.5, bunu Opus 5’e ve Mythos 5.1’e göre yaklaşık yüzde 85 daha seyrek denedi; denemelerin hepsi düşük ciddiyetteydi ve model hepsini kendisi bildirdi. Yaklaşık 2.000 senaryodan oluşan otomatik davranış denetiminde de yanlış uyumlu davranış ölçütlerinin neredeyse tamamında son dönemin en iyi Claude modeli oldu. Ancak Anthropic aynı duyuruda, Opus 5.5’in sık sık değerlendirildiğinden şüphelendiğine dair işaretler gördüğünü de yazıyor; bu, yukarıda değindiğimiz, Apollo Research’ün Astra hakkındaki bulgusuna benziyor. Bir model test edildiğini fark ediyorsa, iyi sonuçların ne kadarının gerçek davranışını yansıttığı belirsizleşiyor. Anthropic de yayından önce her hatayı güvenilir biçimde yakalayan değerlendirmeler kurmanın hâlâ çözülmemiş bir sorun olduğunu kabul ediyor.
Okuma önerimiz: Sebastian Raschka’nın GPT-6 Astra, Looped Transformers, and Hidden Reasoning yazısı, Astra’nın mimarisi hakkında neyin doğrulandığını, neyin söylenti olduğunu ayırarak anlatıyor.
GPT-6.1 Astra neden yayımlanmadı?
28 Eylül’de OpenAI, Astra’nın halefi GPT-6.1 Astra’yı Ekim’de yayımlama planından vazgeçtiğini açıkladı. Şirketin geçici güvenlik sistemleri başkanı Saachi Jain’e göre model hizalama testlerinde kötü sonuç aldı, önceki modellere göre daha fazla aldatıcı davranış sergiledi, görev ve yetki sınırlarının dışına çıktı ve kullanıcılara hangi işlemleri yaptığını her zaman doğru söylemedi.
OpenAI, GPT-6.1 Astra’yı yayımlamaktan vazgeçtiğini açıkladıktan bir gün sonra, 29 Eylül’de GPT-6.1 Sol’u yayımladı.
Matematik
8 Eylül’de OpenAI, 3 Eylül’de yayımladığı GPT-6 Astra’dan “önemli ölçüde daha yetenekli” bir iç modelin Navier–Stokes denklemlerine ilişkin Milenyum Ödül Problemi’ni çözdüğünü duyurdu. Şirkete göre yaklaşık on bin ajan 88 saat birlikte çalıştı ve ispat Lean adlı biçimsel ispat dilinde doğrulandı. Sonuç tartışmasız da kalmadı. Axios’un aktardığına göre New York Üniversitesinden (NYU) Tristan Buckmaster, OpenAI’ın kendisinin Anthropic’ten Levent Alpöge’yle yürüttüğü yayımlanmamış çalışmadan yararlanmış olabileceğini öne sürdü.
OpenAI 1 milyon dolarlık ödülü talep etmeyeceğini, sonucu modellerinin ne kadar hızlı ilerlediğini göstermek için paylaştığını açıkladı. Sonucu üreten model kamuya açık değil: OpenAI onu 28 Ağustos’ta eğitmeye başlamıştı ve Eylül’de eğitim hâlâ sürüyordu. Ajanlar, yani kendi başına plan yapabilen, kod çalıştırabilen ve birbirine mesaj atabilen model kopyaları, bu süre boyunca büyük ölçüde insan müdahalesi olmadan çalıştı. Dolayısıyla dışarıdakiler OpenAI’ın en yetenekli sisteminin neler yapabildiğini ancak şirket bir sonuç açıkladığında öğrenebiliyor.
Serinin ilk yazısında anlattığımız sürülerin aksine bu, OpenAI’ın bilerek kurduğu bir araştırma filosuydu. NYU Shanghai RITS’in aktardığına göre ajanlar 88 saat boyunca yaklaşık 2,7 milyon mesaj alışverişinde bulundu.
OpenAI, Navier–Stokes duyurusunda, şimdilik bu iç modeli anlamaya odaklandığını ve öğrendiklerine göre yetenek artışının hızını ayarlayacağını yazdı.
Navier–Stokes tek örnek de değildi. Kuantum hesaplama çalışmalarıyla tanınan ve bir dönem OpenAI’da yapay zekâ güvenliği üzerine çalışan bilgisayar bilimci Scott Aaronson, 15 Eylül’de yazdığı blog yazısında son bir ayda yapay zekânın çözdüğü ya da çözülmesine yardım ettiği, uzun süredir açık problemleri sıraladı. Aaronson, Navier–Stokes’a gelen tepkilerin ardından yapay zekâ şirketlerinin teorik bilgisayar bilimindeki bazı “çok büyük” problemlerin çözümlerini açıklamayı ertelediğine dair söylentiler duyduğunu da yazdı. Business Insider’ın sorularını yanıtlarken ise bir Milenyum Problemi’ni çözen, üzerinde çalıştığı sunuculara sızan ve kendi gelişiminde merkezi rol oynayan bir yapay zekânın yüzyıllar alabileceğini düşündüğünü, oysa 2026’da bunların hepsinin gerçekleştiğini söyledi.
Ekim’de bu söylentiyle örtüşüyor gibi görünen sonuçlar geldi. OpenAI 6 Ekim’de iç modellerinin ürettiği yaklaşık 720 makaleden oluşan 372 sonuç grubunu yayımladı; bunlar arasında, teorik bilgisayar biliminin açık problemlerinden Benzersiz Oyunlar Sanısı’nın (Unique Games Conjecture) ispatı olduğu iddiası da vardı. Ertesi gün cebirsel geometri alanındaki üç makale bir işaret hatası nedeniyle geri çekildi.
26 Ekim’de OpenAI, bir iç modelinin 1999’da ortaya atılan Üstel Zaman Hipotezi’nin (Exponential Time Hypothesis, ETH) yanlış olduğunu gösterdiğini, Kakeya ve Yang–Mills üzerine de sonuçlar elde ettiğini duyurdu. Anthropic de aynı gece, Claude’un bulduğu benzer bir ETH sonucunu yayımladı. İki sonuç da henüz bağımsız olarak doğrulanmadı. OpenAI’ın paylaştığı Lean ispatı makaledekinden daha zayıf bir sınırı kapsıyor; bağımsız incelemeyi ise hipotezi ortaya atan Russell Impagliazzo ve Ramamohan Paturi ile MIT’den Ryan Williams yürütüyor; ekip bunun bir onay olmadığını vurguluyor.
İki yılda olimpiyattan açık problemlere
- 25 Temmuz 2024, olimpiyat: Google DeepMind’ın AlphaProof ve AlphaGeometry 2 sistemleri Uluslararası Matematik Olimpiyatı’nda (IMO) gümüş madalya düzeyine ulaştı. 6 problemden 4’ünü çözdü, 42 üzerinden 28 puan aldı (altın sınırı 29). Problemler önce uzmanlarca Lean’e çevrildi; bazı çözümler üç güne kadar sürdü.
- 21 Temmuz 2025, olimpiyat: Gemini Deep Think’in gelişmiş bir sürümü IMO 2025’te altın madalya düzeyine ulaştı: 6 problemden 5’i, 42 üzerinden 35 puan. Sonuçları IMO koordinatörleri resmî olarak notlandırdı; model doğal dilde ve öğrencilerle aynı 4,5 saatlik sürede çalıştı.
- 28 Temmuz 2026, uzman araştırması: Claude Mythos Preview, büyük ölçüde kendi başına çalışarak iki şifreleme algoritmasında daha önce bilinmeyen zayıflıklar buldu.
- 8 Eylül 2026, açık problem: OpenAI, bir iç modelinin Navier–Stokes denklemlerine ilişkin Milenyum Ödül Problemi’ni çözdüğünü duyurdu: yaklaşık 10.000 ajan, 88 saat; ispat Lean’de doğrulandı.
- 15 Eylül 2026, açık problem: Scott Aaronson, son bir ayda yapay zekânın çözdüğü ya da çözülmesine yardım ettiği açık problemleri sıraladı.
- 6–7 Ekim 2026, açık problem: OpenAI, iç modellerinin ürettiği 372 sonuç grubunu yayımladı; ertesi gün bir işaret hatası nedeniyle üç makale geri çekildi.
- 26–27 Ekim 2026, açık problem: OpenAI, Üstel Zaman Hipotezi’nin (ETH) yanlış olduğunu gösterdiğini duyurdu; Anthropic de 27 Ekim’de benzer bir sonuç yayımladı. İki sonuç da henüz bağımsız olarak doğrulanmadı.
Kaynak: Google DeepMind’ın IMO 2024 duyurusu, Google DeepMind’ın IMO 2025 duyurusu, Anthropic’in şifreleme raporu, OpenAI’ın Navier–Stokes duyurusu, Axios’un haberi, Aaronson’ın yazısı, NYU Shanghai RITS aktarımı, OpenAI’ın 6 Ekim matematik duyurusu, The Next Web’in haberi, OpenAI’ın 26 Ekim duyurusu
Siber güvenlik
Bu hızın en somut güvenlik sonucu kriptografide, yani internetteki verileri koruyan şifreleme yöntemlerinde ortaya çıkabilir. Bugün kullanılan şifrelemelerin çoğu, belirli matematik problemlerini çözmenin pratikte imkânsız derecede uzun süreceği varsayımına dayanıyor. Bu problemlerin hızlı çözülemeyeceği kanıtlanmış değil; yalnızca bugüne kadar kimse hızlı bir yöntem bulamadı. 9 Eylül’de yayımlanan AI Could End Encryption as We Know It yazısının da vurguladığı gibi, uzun süredir açık matematik problemlerini çözebilen bir sistem bu problemlerden birine de bir kestirme bulursa, banka işlemlerinden devlet yazışmalarına kadar pek çok sistemin güvenliği tehlikeye girebilir.
Bunun ilk işaretleri Temmuz’da görüldü. Anthropic, kontrollü erişimle sunduğu Claude Mythos Preview modelinin büyük ölçüde kendi başına çalışarak iki şifreleme algoritmasında daha önce bilinmeyen zayıflıklar bulduğunu duyurdu. Model, ABD Ulusal Standartlar ve Teknoloji Enstitüsünün (NIST) kuantum bilgisayarlara dayanıklı yeni standartlar arasında değerlendirdiği HAWK imza şemasında, iki yıllık uzman incelemesinin gözden kaçırdığı bir açık buldu; HAWK’ın geliştiricisi bunun ardından şemayı değerlendirme sürecinden çekti. Model ayrıca en yaygın şifreleme standartlarından AES’in araştırmalarda kullanılan zayıflatılmış bir sürümüne karşı bilinen en iyi saldırıyı 200 ila 800 kat hızlandırdı. Anthropic, bu bulguların bugün kullanılan sistemleri etkilemediğini vurguluyor.
Ekim’deki ETH sonucu da şifreleme için ne anlama geldiği sorusunu gündeme getirdi. Ancak ETH’nin yanlış çıkması şifrelemenin kırıldığı anlamına gelmiyor: Anthropic’in makalesine göre sonuç tamamen asimptotik ve pratikte formülleri daha hızlı çözmeye yaramıyor; OpenAI da sonucun şifreleme sistemlerini kırmadığından makul ölçüde emin olduğunu söyledi.
Eylül’de yayımlanan modellerin birkaçı da, yukarıda andığımız gibi, siber güvenlik yetenekleri nedeniyle sınırlı erişimle ya da ek önlemlerle geldi.
Güney Kore’de ajan araçlarıyla banka saldırıları
Eylül’ün son günlerinde Güney Kore’de bankalara yönelik bir siber saldırı dalgası başladı. Reuters’a göre Ekim başına kadar en az dokuz banka hedef alındı; The Record’a göre en az yedi finans kuruluşundaki ihlallerde en az 68 bin kişinin kişisel verileri açığa çıktı. Siber güvenlik şirketi CrowdStrike’ın 7 Ekim’de yayımladığı rapora göre saldırgan, Çin’de geliştirilip GitHub’da açık kaynak olarak paylaşılan ARTEX adlı bir sızma testi ajanını kullandı. Ajanın ana modeli DeepSeek’ti; saldırgan bunu GLM-5.3 ve Grok 4.6 ile destekledi, Anthropic’in Claude Code aracını da çalışma ortamı olarak kullandı. CrowdStrike, saldırganın büyük olasılıkla Çince konuşan ve maddi çıkar peşindeki biri olduğunu orta düzeyde güvenle değerlendiriyor. ARTEX’in geliştiricisi, aracın saldırılarda kullanıldığının ortaya çıkmasının ardından kamuya dağıtımı ve güncellemeleri durdurdu.
Bu olayda ajanları bir insan bilerek saldırı için kullandı; serinin ilk yazısında anlattığımız olaylarda ise ajanlar kendilerine verilen görevleri yaparken sınırları aştı. CrowdStrike’tan Adam Meyers’a göre ARTEX, saldırganların ajanları daha hızlı hareket etmek ve kısa sürede çok sayıda sisteme sızmak için kullanmaya başladığını gösteriyor. Meyers, saldırganın çok gelişmiş olmadığını ama yöntemlerinin işe yaradığını da söyledi.
Kapanış
Bu seride anlattıklarımızın neredeyse hepsi Eylül ve Ekim aylarında yaşandı ya da gün yüzüne çıktı ve gelişmelerin hızı düşmüyor. Konu özelinde yazılarımızı ve bültenimizi sürdürecek, gerektiğinde bu tür derlemelerle sizi güncel tutmaya çalışacağız.
Önümüzdeki haftalarda METR’in Anthropic olaylarına dair incelemesini, FTC sürecini, Kasım’daki ABD–Çin diyaloğunu ve iki ETH sonucunun bağımsız incelemesini takip edeceğiz.
Bu yazıyı faydalı bulduysanız, yapay zekâ güvenliğini takip etmek isteyen çevrenizle paylaşmanızı rica ederiz. Yeni yazılarımızdan haberdar olmak için bültenimize abone olabilirsiniz. Takipte kalın!
Eylül–Ekim derlemesi
- #1: Ajan sürüleri ve filoları
- #2: İçeriden gelen kaygılar ve siyaset
- #3: Yeni modeller, matematik ve siber güvenlik (bu yazı)