AI TrackerAçık kaynak:
geliştiriciler için haberler.
Tüm AI sağlayıcılarından "Açık kaynak" konusundaki son haberler: lansmanlar, fiyat değişiklikleri ve kullanımdan kaldırmalar; sizin için ne anlama geldikleriyle özetlenmiş.
Asahi Linux, yapay zekâ destekli kod aklama girişimlerini gerekçe göstererek tüm kodunu GPL’ye taşıyor
Apple Silicon Mac’lerde Linux çalışmasını sağlayan Asahi Linux projesi, bir ilerleme raporunda tüm depolarını MIT lisansından GNU Genel Kamu Lisansı sürüm 2 veya üstüne taşıdığını ve böylece kodunun yalnızca copyleft lisansları altında yayımlanacağını duyurdu. Proje, değişikliği 9 Kasım’dan birkaç gün önce açıkladı.
Nous Research, “parti çizgisi” oranını %22’den %1’e düşürmek üzere sonradan eğitilen Arete-27B’yi piyasaya sürdü
Nous Research, Arete-27B’yi 6 Kasım’da X’te duyurdu. Model, laboratuvarın ifadesiyle “Batı değerlerini pekiştirmek” amacıyla sonradan eğitilmiş Qwen3.8-27B. Nous, en güçlü açık modellerin Çin menşeli olduğunu ve ağırlıklarında devlet çizgisiyle uyumlu davranışlar barındırdığını savunuyor.Harness Leaderboard, açık modeller üzerinde dokuz kodlama ajanı harness’ini karşılaştırıyor; yalnızca bash kullanan bir ajan zirvede
Joel Niklaus, açık modellerle çalışan dokuz kodlama ajanı harness’ini karşılaştıran Harness Leaderboard’ı yayımladı. Her karşılaştırmada yalnızca harness değişiyor: model, sağlayıcı ve akıl yürütme düzeyi sabit tutuluyor; her görev üç kez deneniyor. Niklaus, Terminal-Bench 2.1 ve DeepSWE’de GLM-5.3-Flash, DeepSeek-V4.1-Flash ve Flint kullanarak 28.849 deneme yaptığını ve çıkarım için 4.746 dolar harcadığını söylüyor. Gönderi, 6 Kasım itibarıyla X’te 625 puan almıştı.Village: açık ağırlıklı modeller bütçelerin yalnızca %3’ünde en iyi seçenek; haziranda bu oran %41’di
LLM Atlas’ı yayımlayan Village, kapalı modellerin artık fiyat-performans sınırındaki noktaların neredeyse tamamını elinde tuttuğunu bildiriyor. Tahminlerine göre açık ağırlıklı bir model, bütçelerin %3’ünde en güçlü model; bu bütçelerin neredeyse tamamı en düşük maliyetli uçta (Google’ın Gemma 4 E4B’si ve Xiaomi’nin MiMo-V2.6-Flash’ı). Haziranda bu oran %41’di; o sırada DeepSeek V4 Flash, bütçelerin neredeyse üçte birinde tek başına öndeydi. Village, bugünkü oranın şimdiye dek ölçtüğü en düşük seviye olduğunu belirtiyor; 2024’ten bu yana her çeyreğin sonunda oran en az %6’ydı.
Artificial Analysis, FLUX 3 Image Klein'ı açık ağırlıklı metinden görüntüye modeller arasında 2. sıraya koydu
Artificial Analysis'a göre, Black Forest Labs'ın 15 Ekim'de yayımlanan 5,6 milyar parametreli açık ağırlıklı görüntü modeli FLUX 3 Image Klein, AA-Image-T2I v2.1 liderlik tablosunda açık ağırlıklı modeller arasında 2. sırada ve 1. sıradaki Qwen-Image-2.1 ile başa baş durumda. AA-Image-Editing v2.1'de ise açık ağırlıklı modeller arasında 3. sırada yer alıyor. Sıralamalar Artificial Analysis'ın kendi değerlendirmesine dayanıyor.Moonshot releases the open weights of Kimi K3.1 Pro
Moonshot posted on X that it is releasing the model weights of Kimi K3.1 Pro, on Hugging Face as moonshotai/Kimi-K3.1-Pro, and said "we'll keep advancing open intelligence." It had promised the weights by November 4 when it launched the model on October 23.Hermes Agent v0.23.0 tarayıcı masaüstü, /rewind, grup sohbetleri ve harcama limitleri ekliyor
Nous Research, Hearth Release adını verdiği Hermes Agent v0.23.0 sürümünü yayımladı. Şirketin sıraladığı öne çıkan yenilikler:Artificial Analysis, açık ağırlıklı Nanbeige4.3-33B modeline Intelligence Index’te 20 puan verdi; model Qwen3.8 27B ile aynı seviyede
Artificial Analysis, Çinli işe alım platformu BOSS Zhipin’in temel model ekibi Nanbeige tarafından geliştirilen açık ağırlıklı Nanbeige4.3-33B modelinin Intelligence Index v5’te 20 puan aldığını ve Qwen3.8 27B (xhigh) ile aynı skoru elde ettiğini belirtiyor. Her ikisi de toplamda 33B ve 27B parametreye sahip yoğun modeller. Artificial Analysis’e göre Nanbeige’in modeli terminal kullanımında daha güçlü, ancak bilgi alanında daha zayıf; ayrıca toplam parametre sayısına kıyasla Intelligence Index’te yeni bir Pareto-optimal noktası oluşturuyor.Baidu, 280B parametreli seyrek MoE modeli ERNIE-5.5-Flash-Base’i açık kaynak olarak yayımladı
Baidu, ERNIE-5.5-Flash-Base’i Hugging Face’te yayımladı. Model kartında ERNIE 5.5 Flash, toplam 280B ve etkin 14B parametreye sahip, verimli ve seyrek bir uzman karışımı dil modeli olarak tanımlanıyor. Model, 128K eğitim bağlamıyla 33,5T token üzerinde sıfırdan önceden eğitildi. İnce ayar ve çıkarım için 1M tokene kadar bağlam uzunluğu destekleniyor.Ricursive AI, ajan tabanlı kodlama için 65B yoğun açık ağırlıklı bir model olan Ripple-65B Preview’ı yayımladı
Ricursive AI, 4 Kasım’da, sıfırdan ön eğitimini yaptığını söylediği 65 milyar parametreli yoğun bir dil modeli olan Ripple-65B Preview’ı yayımladı. Şirket, modelin ajan tabanlı kodlama görevlerinde ABD menşeli açık ağırlıklı modeller arasında yeni bir son teknoloji düzeyi belirlediğini ve adını verdiği çok daha büyük modelleri geride bıraktığını öne sürüyor: Muse Spark Open-816B, Beam-501B, Inkling-975B ve Nemotron 3 Ultra-550B. Bunlar şirketin kendi iddialarıdır.Nous Research, Hermes Agent'ın eklentilerini, bağlayıcılarını ve becerilerini tek bir pazaryerinde topladı
Nous Research, 4 Kasım'da X'te yaptığı açıklamada, Hermes Agent için eklentilerin, bağlayıcıların ve becerilerin artık tek bir Hermes Marketplace'te bir araya getirildiğini ve kullanıcıların uzantılara göz atıp bunları birkaç tıklamayla ekleyebileceğini söyledi. Pazaryeri hermes-agent.nousresearch.com/marketplace adresinde.Cloudflare, kodlama ajanları için bir güvenlik denetimi becerisini açık kaynaklı hâle getiriyor
Cloudflare’ın geliştirici hesabı, bir kodlama ajanını güvenlik denetçilerinden oluşan bir ekibe dönüştüren açık kaynaklı bir beceri olan cloudflare/security-audit-skill’i yayımladı. Cloudflare, bu becerinin kendi güvenlik açığı keşif düzeneğine temel oluşturduğunu söylüyor.Perplexity, 9B ve 0.6B boyutlarında açık ağırlıklı görsel-dil gömme modelleri pplx-embed-v2-context’i piyasaya sürdü
Perplexity, Hugging Face’te iki açık ağırlıklı görsel-dil gömme modeli (9B ve 0.6B) olan pplx-embed-v2-context’i, turbopuffer ile birlikte yazdığı bir makaleyle yayımladı. Her iki model de belge başına bir int8 vektör veya belgenin tamamını gören parça başına bir vektör döndürüyor; ayrıca ikisi de belge başına tek gömme ve parçalama olmadan bağlamsal olmayan modda çalışabiliyor.
OpenCode, tarayıcı geliştirici araçlarında çalışacak şekilde yeniden oluşturuldu
Adam (adamdotdev), 2 Kasım'da X'te, arayüzü için console.log ifadelerini kullanarak OpenCode'u tarayıcının geliştirici araçları konsolunda çalışacak şekilde yeniden oluşturduğunu söyledi. textjs.org adresinde bağlantı verdiği bir framework üzerine kurulu olan bu projeyle, geliştiricileri ve ajanlarını başka konsol uygulamaları geliştirmeye davet ediyor. Gönderideki bir notta, VS Code uzantısının geliştirilmekte olduğu, Chrome geliştirici araçları uzantısının ise daha sonra geleceği belirtiliyor.
Anthropic, hangi modelin yanıt ürettiğini kanıtlamaya yönelik açık kaynaklı bir prototip olan FlashProve'u yayımladı
Anthropic, kanıtlanabilir çıkarım üzerine araştırmasını yayımladı: Bir yanıtın, belirli ve önceden belirlenmiş bir model ağırlıkları kümesinden geldiğini gösteren, ağırlıklara sahip olmayan bir kullanıcının da doğrulayabileceği kriptografik bir kanıt (zkSNARK). Yazıya göre bu, bir yönlendirme hizmetinin modeli sessizce değiştirmesini veya bir saldırganın modele müdahale etmesini saptamaya yardımcı olabilir; ayrıca değerlendiricilere ve düzenleyicilere hangi modelin sunulduğunu denetleme olanağı sağlayabilir.
GLM-5.3 temel alınarak sonradan eğitilen açık ağırlıklı bilimsel model Hydrogen-1.0 yayımlandı
Chenru Duan, ekibin bilimsel araştırmalar için ilk açık ağırlıklı modeli olarak tanımladığı Hydrogen-1.0'ı duyurdu. Model, Z.ai tarafından geliştirilen GLM-5.3'ün ekibin kurum içi bilimsel verileri, laboratuvar kayıtları ve keşif süreçleri üzerinde sonradan eğitilmesiyle oluşturuldu.
MiniMax, M3.1 Flash’i yerel olarak çalıştırmak için topluluk tarafından hazırlanan kuantizasyonları listeliyor
MiniMax, 428 milyar parametreli açık ağırlıklı M3.1 Flash modelinin, modeli kendi donanımlarında çalıştırmak isteyenlere yönelik topluluk yapımı kuantize sürümlerini bir araya getiren bir liste paylaştı. MiniMax’e göre daha düşük bitli ağırlıklar, modeli yüklemek için gereken belleği ve kod çözme sırasında taşınan ağırlık verilerini azaltıyor. Bunun kullanışlı hâle gelmesi için dikkatli kalibrasyon, verimli düşük bitli çekirdekler ve uzmanların GPU ile sistem RAM’i arasında dağıtılması gerekiyor.