İki ay önce, GPT-5.6 Sol büyük bir felaket yarattı.
HyperWrite kurucusu Matt Shumer'ın Apple bilgisayarındaki neredeyse tüm dosyaları, şirketin kritik belgelerini de dahil olmak üzere, tamamen sildi.
Matt, yerinden kalktı ve ana üretim aracını tamamen Claude Fable 5'e değiştirdi.
İki ay sonra, GPT-6 Astra'nın piyasaya sürülme gününde, Matt derin bir inceleme ile ilan etti: GPT-6 Astra beni yeniden kazandı.
GPT-6 Astra'nın önceki nesilden daha dikkatli olduğunu, neyin yapılacağını ve neyin yapılmaması gerektiğini bildiğini görünce, nihayet işi tamamen bırakma cesaretini kazandı ve bir gözetmen gibi sıkı sıkı tutmaya gerek kalmadı.
Ayrıca, GPT-6 Astra üzerinde son derece çılgın bir deney gerçekleştirdi: Unreal Engine içinde, bir tek uyarı cümlesiyle başlayarak hayali bir Manhattan'ı cadde cadde genişletti.
Ancak onu ana pozisyonu geri getirmeye ikna eden, model yeteneklerinin yükselişi değil, kendi keşfettiği AI ile çiftleşerek çalıştırma yöntemi: Manager Loop.
Bu yöntem, "AI iş yapabilir mi?" sorusundan daha ölümcül bir soruyu çözmektedir:
Proje belirli bir boyuta ulaştığında, ekibin hedefe doğru ilerlemesini kim sağlar?
Bilgisayarını tamamen silen kişi neden geri döndü?
Önceki durumu açıklayalım.
10 Temmuz'da, yani GPT-5.6 ailesinin yayınlandığı ikinci gün, Matt sosyal medyada kendi acı verici deneyimini paylaştı:
GPT-5.6 Sol「Tuhaf bir şekilde Mac'imde neredeyse tüm dosyaları sildim.»
Birkaç gün sonra, mühendis Bruno Lemos'un üretim veritabanı da aynı model tarafından silindi. Ironik olarak, birkaç saat önce o, şirketin Slack kanalında modeli savunmuş ve Shumer'in Tam Erişim iznini verdiğini suçlamıştı.
OpenAI Codex projesinin lideri Thibault Sottiaux, bu tür olayların genellikle Tam Erişim modu etkinleştirilmiş, sandbox devre dışı bırakılmış ve otomatik inceleme yokken meydana geldiğini açıkladı:
Model, ortam değişkenlerini değiştirmeye çalışırken kullanıcının ana dizinini tamamen sildi.
Bir “dürüst hata” olarak tanımladı OpenAI.
Bu açıklama kesinlikle Matt'i ikna edemiyor. Tepkisi, Claude'e geçmek ve şöyle bir tehditte bulunmak: OpenAI, beni geri getirmek için bir «mucizevi» model sunmalı.
İki ay sonra, GPT-6 Astra geliyor.
Matt, bunun ne kadar daha akıllı hale geldiğine değil, işleri ona güvenle bırakıp bırakamayacağına odaklanıyor.
Cevabı "cesaret"ti. Astra, önceki nesilden çok daha dikkatliydi, bazen fazla dikkatliydi, ancak nihayet güvenle ayrılabilirdi.
Bir örnek verdi: Bir hafta sonu dışarıda randevusu vardı, arkadaşından bir bot hizmetinin çalışmadığını bildiren bir mesaj aldı.
Telefonunu çıkarttı, projeye "Kapat, tamir et" yazdı ve doğrudan ekranı kapatıp cebine koydu. Bir saat sonra arkadaşının tamir edildiğini söyledi.
Ve kendisi, bu komutu verdiğini bile unutmuştu.
Beş Mac cihazında fanlar gürültüyle dönerken, aynı duvara takılı kalıyorlar.
Günlük görevi başarıyla tamamladıktan sonra, Matt Astra'ya biraz daha güç katmaya karar verdi.
O, Astra'ya Unreal Engine içinde bir New York şehri inşa ettirdi.
Astra, uzun görevlerde önceki nesilden daha güçlüdür, ancak belirli bir aşamaya geldiğinde ilerleme durur.
Yapay zeka hâlâ çılgınca çalışıyor, ancak giderek daha küçük detaylara takılıyor ve bir projenin genel ilerlemesi tamamen duruyor.
Çatıdaki su tankı, kapıdaki neon tabelalar, Astra bu tür küçük detaylarda giderek daha fazla odaklanıyor ancak genel ilerleme duruyor
Bu çıkmazdan kurtulmak için Matt, beş farklı organizasyonel ajan yöntemi denedi.
En basit ve kaba yöntem: Araya gizli inceleme mekanizması ekleyerek büyük bir görev verip sürekli çalıştırmak.
Sonuç başta çok güçlü görünür, ancak sıklıkla detayların çamuruna saplanır. O, bir ders çıkarır: Modeli "sürekli çalıştırma" ile ona "bir sonraki adımın nerede olduğunu söyleme" tamamen iki farklı şeydir.
İkincisi, rollerin ayrıntılı bölünmesidir. Bu şekilde görev dağılımı net olsa da, koordinasyon ve onay yeni bir sorun haline geldi.
Üçüncüsü, her 30 dakikada bir kontrol yapan bir 「CEO」 tarzı gözetmen belirlemekti. Sonuç neredeyse hiçbir iyileşme göstermedi.
Dördüncüsü, koordinatörün kendi takım yapısını ayarlaması. Çeşitli yöntemler var, ancak yine aynı duvara çarptı.
Beşinci yöntem, en ilkel ve basit yöntemi geri getirdi: Ajanın hedefi aşamalı bir liste haline getirmesini, her aşamayı tamamladıktan sonra durmasını, Matt’in iki kelime yazmasını (“devam et”), ardından AI’nın bir sonraki aşamaya geçmesini.
Bu yöntem işe yaradı, proje nihayet ilerlemeye devam edebiliyor.
Ancak sorun da ortaya çıktı: Her seferinde bu insanın onayı gerekiyor.
Kendisi bile bir darboğaz haline geldi: Projenin gerçekten harekete geçebilmesi için kendisini döngüden çıkarmak gerekiyor.
Yönetici Döngüsü: Kendinizi döngüden çıkarın
Altıncı seçenek, yani Manager Loop, temel mantığı son derece zekice tasarlanmıştır.
Codex içinde iki paralel oturum açtı, her biri ayrı bir işi yönetiyor:
Birisi «koordinatör».
Öncelikle insanlarla derin bir röportaj yapar, hedefler birlikte belirlendikten sonra hedefler, yapılacaklar listesine ve aşamalara ayrılır.
Diğeri ise "Yürütücü".
Tamamen bağımsız bir oturumda çalışıyor, koordinatörün altında değil.
Koordinatör, mevcut aşamanın görevini ona verir ve tamamlanana kadar mevcut aşamayı takip etmesini ister.
Tamamlandı, koordinatör onayladı, sonraki aşama başlatıldı.
Yeterli zaman yoksa, yürütücü gerekli olduğunda alt akıllı sözleşmeleri kendi kendine dağıtabilir.
Bu mükemmel döngüde, koordinatör, projeyi durdurmamak için toplam planı sıkıca takip ediyor ve insanlar yerine sürekli "devam et" diyorum.
Alt akıllı ajan sınırı 96'ya çıkarıldı ve Manhattan'ı zorla yaratıldı.
Matt, sistemin eşzamanlılık sınırını değiştirerek yürütücülere tamamen serbestlik sağladı.
Bilgisayarın varsayılan 4'ü, abartılı bir şekilde 96'ya çıkardı.
Elbette, bu 96 AI'nın her zaman aynı anda çalıştığını anlamına gelmez. Bazen model kotasını tam olarak kullanmaz ve bunu açıkça teşvik etmek için yönergelerde belirtilmesi gerekir.
Ancak bu aşırı yapılandırmada mucize gerçekleşti.
Hazır araçları ve varlıkları (MetaHuman karakterleri gibi) kullanarak, Astra bir hafta içinde Unreal Engine'de bu Manhattan dünyasını kurdu.
İlk caddesini memnun edici şekilde inşa edip, ardından sırayla dışa doğru genişletti.
İlk cadde'nin cephe detayları, tuğla duvar dokusu, pencere kemerlerindeki kabartmalar ve yangın merdivenleri yerinde.
Tam bir New York inşa edilmesine henüz birkaç ay olsa da, Astra bu karmaşık ortamları gerçekten kullanabilen ilk model.
Bu, çok fazla donanım gerektiren çılgın bir süreç.
Matt'in oturma odası küçük bir veri merkezi gibi: Bir Mac mini mutfakta, üç MacBook Pro kanepe üzerinde fanları gürültüyle dönerken, bulutta bir makine yapay zeka ajanları tarafından dolduruldu.
En absürt olan şey, disk neredeyse dolarken, Astra'ya eski iplikleri buluta taşıyıp yerel kopyaları silmesini, ardından açıldığında tekrar indirmesini söylemesiydi.
Onun sözleriyle: Bilgisayarı bakmak için bir AI istihdam etmek, bilgisayarın daha fazla AI istihdam edebilmesi için, bu kendisi bile büyüleyici.
Astra tüm savaş alanlarını kazanmadı
Elbette, Matt tamamen Astra'ya yanaşmamıştır.
Ona göre, Astra'nın gerçekten güçlü tarafı mühendislik, bilgisayar işlemleri ve uzun görevlerdir, ancak estetik ve 3D malzeme üretimi konusunda Claude hâlâ daha üstündür.
Yayınlanan gün, internet kullanıcıları bir karşılaştırma yaptı:
Aynı talimatla, Fable 5.1 ve GPT-6 Astra'nın her biri Blender'da bir sahil villası oluşturması isteniyor. Sol tarafta Fable 5.1, sağ tarafta GPT-6 Astra.
Fark çok büyük görünüyor.
Aynı villa görevi, solda Fable 5.1, sağda GPT-6 Astra. (Kaynak: @karankendre)
Ancak bu yalnızca bir ipucu için tek bir karşılaştırma; ipuçları ve deneme sayıları açık değildir ve Matt'in yargı yönüyle ters düşmektedir, ayrıca iki şirketin genel görsel yeteneklerini temsil etmez.
Matt'in kendi değerlendirmesine göre: Modeli doğrudan Three.js veya Blender'da "çizdirerek" güzel şeyler oluşturmak konusunda Claude hâlâ daha güçlü; bunları Unreal'e sokup mevcut varlıklar ve aydınlatma kullanıldığında ise Astra ilk kez kazandı.
O, Fable 5.1'in Unreal üzerinde büyük iyileştirmeler getireceğini de tahmin ediyor; özel karşılaştırmalı değerlendirme hâlâ devam ediyor.
Yani, model katmanındaki farklar hâlâ var, ancak artık «kim daha kapsamlı güçlü» yerine «kim hangi bölgede daha güçlü» haline geldi.
Farkı gerçekten yaratan, düzenleme katmanıdır.
Ön uç modeller benzer yetenek aralıklarına girdiğinde, modellerin dışındaki faktörler: bunları nasıl düzenliyorsunuz, onlara hangi araç ve ortam sağlıyorsunuz, ne kadar paralel hesaplama maliyetini taşıyabiliyorsunuz, gerçek olarak ne kadar değer üretebileceğinizi belirlemeye başlıyor.
Kaynaklar: https://x.com/mattshumer_/status/2095609734845927525
Bu yazı, WeChat hesabından "Yeni Zihin" tarafından paylaşılmıştır; yazar: ASI Vahiyleri; editör: Yuan Yu