Communication Chief @CommChiefSW

Bu sorunu ben de yaşıyorum. Çevremdeki arkadaşlarıma, eşime dostuma yardımcı olmaya çalışıyorum; fakat çoğu, elde edilen sonucun yalnızca kullandığımız sistemden veya verdiğimiz son prompttan kaynaklandığını düşünüyor. ChatGPT’nin kullanıma açıldığı ilk günlerden beri bu modellerle uğraşıyorum. Çocukluğumdan beri izlediğimiz onlarca filmde yapay zekânın gelişeceği bir dünya anlatıldığı için bunun gerçekleşmesini zaten büyük bir merakla bekliyordum. ChatGPT ortaya çıkınca büyük dil modelleriyle ilk kez doğrudan tanıştım. Ardından, bugün “vibe coding” dediğimiz yöntemle, sayfadan kodları kopyalayıp yapıştırarak programlama dünyasına girdim Sonrası hiç kesilmedi. ChatGPT, Claude ve DeepSeek derken yıllardır hafta sonları dâhil neredeyse her gün en az iki, bazen on altı saatimi bu modellerle geçiriyorum. Toplamda yedi–sekiz bin saatlik birebir kullanım tecrübesini geride bıraktım. Üstelik micromanagement yapmayı seven, sürecin her ayrıntısını kendisi yönetmek isteyen biriyim. Bu nedenle işi hiçbir zaman tamamen modele bırakmadım. Hedefi, bağlamı, adımları, kontrol noktalarını ve geri dönüşleri sürekli kendim yönettim. Ben bu durumu arkadaşlarıma çocukken oynadığımız Red Alert üzerinden anlatıyorum. Oyunu o kadar çok oynamıştık ki oyun başladığı anda ana üssün, askerlerin ve birkaç tankın yerleşimine bakarak haritanın neresinde olduğumuzu hemen anlayabiliyorduk. Bizi izleyen biri bunu görünce şaşırıyordu. Çünkü onun gördüğü yalnızca birkaç bina ve araçtı; bizim gördüğümüz ise yüzlerce oyundan sonra zihnimize yerleşmiş örüntülerdi. Ali Nesin’in bir videosunda anlattığı düşünce de aslında bununla çok bağlantılıydı. Muhtemelen siz de aynı videoya denk gelmişsinizdir. Bir şey öğrenirken sürekli “Bu benim ne işime yarayacak?” diye sormamak gerekiyor. Bazen yalnızca merak ettiğiniz için öğreniyorsunuz ve o bilginin nerede kullanılacağını henüz bilmiyorsunuz. Fakat öğrenmeye devam ettikçe birbirinden bağımsız görünen bilgiler zamanla zihninizde birleşmeye başlıyor. Tıpkı bir çocuğun elindeki aynı Lego parçalarıyla bir gün uçak, başka bir gün gemi yapması gibi. Parçalar aynı kalıyor; fakat çocuk, elindeki parçalar arasındaki farklı bağlantıları görmeyi öğreniyor. Bir süre sonra hangi bilginin ne zaman işe yarayacağını önceden hesaplamaya çalışmak yerine biriktirdiğiniz bilgiye ve geliştirdiğiniz sezgiye güvenmeye başlıyorsunuz. Çünkü yıllar boyunca topladığınız parçalar, yeni bir sorunla karşılaştığınızda kendiliğinden bir araya geliyor. Dışarıdan bakan kişi yalnızca ortaya çıkan uçağı veya gemiyi görüyor; sizin o parçaları yıllardır biriktirdiğinizi ve onları kaç farklı biçimde birleştirmeyi denediğinizi görmüyor. LLM kullanmak da biraz böyle. Onlarla yeterince uzun süre vakit geçirince modelin huyunu, nerede bağlamdan kopacağını, hangi noktada hata yapacağını, ne zaman işi savsaklayacağını ve onu tekrar nasıl doğru yola sokacağınızı sezebilmeye başlıyorsunuz. Bu sezgi tek bir kaynaktan öğrenilmiyor. Birbirinden bağımsız görünen binlerce denemenin, hatanın, düzeltmenin ve küçük keşfin zamanla birleşmesinden doğuyor. Sizin paylaştığınız bir sistemi elime alsam, muhtemelen sizin elde ettiğiniz sonuca yakın; biraz altında veya üstünde olsa bile kabul edilebilir ölçüde benzer bir performans alabilirim. Çünkü yalnızca sistemi değil, sistemin arkasındaki çalışma mantığını ve modeli nasıl yönetmem gerektiğini de anlayabiliyorum. Fakat bu modellerle yeterince vakit geçirmemiş biri aynı sistemi aldığında “Bu çalışmıyor” veya “Bana seninkine benzer cevap vermiyor” diyor. Veremez; çünkü ben işi tamamen modele bırakmıyorum. Bağlam kaymasını yönetiyorum, hedefi zihnimde net tutuyorum, yapılacak adımları biliyorum ve aynı tür sorunlarla yüzlerce, hatta binlerce kez karşılaştım. Bunun için zaman harcadım, para yaktım, sayısız hata yaptım ve karşılığında tecrübe kazandım. Son prompt veya son workflow yalnızca görünen kısım. Asıl sonuç, onun arkasında biriken binlerce saatlik deneme yanılmadan ve zamanla birbirine bağlanan bilgi parçalarından geliyor.

Grok 5 is still deep in training on the massive Colossus II cluster. Roughly 220k high-end NVIDIA GPUs are already online, with more being added. Power draw is sitting around 1 GW and climbing. The model is targeting the 6 to 10 trillion parameter range, which puts it in a completely different league from anything currently public. Training has been running since at least January. Elon recently confirmed it should arrive before the end of 2026 and will be trained on the full 25-year SpaceX engineering data set. That combination of extreme scale plus proprietary real-world engineering data is the real story here. This is not another incremental Grok 4.x update. It is the much larger architectural and compute jump happening in the background while the smaller releases keep rolling out. When it lands it should give SpaceX a serious internal edge on engineering, simulation and design problems that current models still struggle with. Cursor is already running on the same cluster, so the jump in capability should show up there too. No firm date yet, but the ambition on both compute and data is very real.

keyboard_arrow_left Previous keyboard_arrow_right Next

someone asked Claude Fable 5 to build Fable 6. it asked for a small country’s power grid 💀

its so funny that the decades long tyranny of hardware companies making their proprietary drivers and firmware was ended basically overnight by chatbots who can crawl in and play with the guts of everything with a SOC in it

Kuber @kuberwastaken

5 days ago

just Claude writing a MacOS driver for my obscure HP printer built only for Windows support

335 836 19K 3.9M 3K

The F-22's avionics used Intel's i960MX processor. 32-bit. 25 MHz. Based on 1990s technology. In 2003, Intel told the Air Force it was shutting down the processor's production line. So that December, the Air Force bought its last 820 chips. Imagine stockpiling CPUs for a fighter jet.

keyboard_arrow_left Previous keyboard_arrow_right Next

Şu üniversite twitim en çok yanlış anlaşılan twitim oldu. Epey kişi karşı çıktığını söyleyip benim dediğimle aynı şeyi yazıyor. Ben mi yeterince açık ifade edemedim yoksa insanlar okumadan mı cevap yazıyor anlamıyorum. Bilgisayar mühendisliği öğrencilerinin çoğunun orada bulunması zaman kaybı. Bunlar iki yıllık hızlandırılmış bir eğitime tabi tutulup salınmalı. Üniversitede gerçekten dersleri iyi, gerçekten bu rotanın dibine kadar gitmek isteyen başarılı öğrenciler olmalı. Öğrenci okula gidiyor fizik kimya calculus kalıyor tekrar alıyor. Akademik hayatta başarısız olacağı çok açık. Zaten çocuğun amacı da mezun olayım iş bulayım. Bu öğrenci bunlarla cebelleşirken dünya çok hızlı değişmeye devam ediyor. Bu gariban bu dersleri verene kadar 4-5 senesi yanıyor. Sonra iş de bulamayacak zaten. Bu öğrencilerin 4 senelik üniversite eğitiminde bulunmaması lazım. Bunlara başka bir rota çizilmeli.

Gökhan Özeloğlu @gokhan_ozeloglu

a week ago

@t_a_r_a_n_i_s Kac senedir “okul guncel teknoloji ogretsin” yaygarasi bi bitmedi. Herkesin agzina pelesenk olmus “kendini gelistirme” kismi zaten biraz da o guncel teknolojileri ogrenmek oluyor. Okulda bi zahmet temelleri ogretsin. Teknoloji öğrenmek isteyen on lisansa gidebilir

1 0 10 18K 1

@egenull @b3r4sum @shentific Bu programın sildiği gibi siliyorsa geri gelmeyebilir. eraser.heidi.ie

🤔

Çok iyi bir gözlem.

Ahmet Göker🇳🇱🇹🇷 @_shadowintel_

2 weeks ago

Bazen düşünüyorum da artık “ben bunu bilmiyorum, öğrenemedim” lafını eskisi kadar anlayamıyorum. Cidden anlayamıyorum yani. Çünkü cebimizde acayip bir şey var artık. Merak ettiğin bir konu mu var, aç sor. İngilizce bilmiyor musun, otur konuş. Matematikte bir şeyi anlamadın mı,

0 0 5 492 2

Here's Qwen 3.6 27B on an AMD 7900XTX over USB3 (literally any computer made in the last 10 years) at 34 tok/s. The eGPU dock that supports this launches on the 12th, with 100% open source firmware and an extra USB port for serial + unbrickability.

Linkedinde herkes öğüt veriyor, herkes kendini birbirinden üstün görüyor. En ufak olaylara roman yazıyorlar. Yoruyorsunuz...

@_shadowintel_ Burnout, biyolojik "context" limiti gibi birşey. Bir noktadan sonra aşırı mühendisliğie dönebiliyor dikkatli olmak lazım. (over engineering)

Ben özellikle Codex için böyle deniyorum, farklı farklı modelleri biraz "burn out" yapıyor beni. Ben daha çok bir modeli en optimize, en "clean" hem bağlam bakımından hem muhakeme anlamında deniyorum. x.com/i/status/20853…

Communication Chief @CommChiefSW

2 weeks ago

@_shadowintel_ ben bir tarafta güçlü bir model ile (ingilizce) ilerlerken diğer taraftan nispeten daha zayıf bir modelle sohbet edip aynı zamanda değişiklikleri gözden geçiriyorum. Mesela claude ile ilerlerken aynı zamanda gemini 3.1 pro (türkçe) ile sohbet ediyorum ya da sonucu inceliyorum.

1 1 0 676 0

@_shadowintel_ ben bir tarafta güçlü bir model ile (ingilizce) ilerlerken diğer taraftan nispeten daha zayıf bir modelle sohbet edip aynı zamanda değişiklikleri gözden geçiriyorum. Mesela claude ile ilerlerken aynı zamanda gemini 3.1 pro (türkçe) ile sohbet ediyorum ya da sonucu inceliyorum.

@_shadowintel_ ileride gerekecek bir özellik için bütün mimariyi değiştirmektense baştan sistemi sağlam kurmaya çalışıyorum.

@_shadowintel_ Bu yolla (planı md dosyasına yazdırma) kısa vadede çok token tüketiyorum muhtemelen ama llm'in verdiği planı direkt onaylamaktan kaçınıyorum ve üzerinde düşünüyorum ki amaç da bu.