Daha iyi versiyonlarını kendilerinin tasarlayabilen yapay zeka sistemlerine ne kadar yakın olduğumuzu bir zamanlar merak ediyorsanız, Vals AI tam olarak bu skor tablosunu oluşturdu. Şirketin Özyinelemeli Kendini İyileştirme Endeksi (RSI Endeksi), şimdiye kadar çoğunlukla teorik endişeler alanındaki bir konuyu ölçmeye çalışıyor: Günümüzün öncü modelleri, kendilerinin takipçilerini oluşturmak için gerekli araştırmayı ve geliştirmeyi ne kadar iyi yapabiliyor?
Endekste en iyi performansı gösteren model, Claude Fable 5.1, %35,03 puan alıyor. Bu oran ölçek anlaşılana kadar düşük gibi görünüyor.
RSI Endeksi nasıl çalışır
Vals AI, endeksi, yapay zeka geliştirme gerçek iş akışını yansıtan beş belirli görev etrafında tasarladı. Modeller, sabit hesaplama ve zaman kısıtlamaları altında değerlendiriliyor, bu da sınırsız kaynakları tüketerek iyi bir puan elde etmelerine izin vermiyor.
Puanlama sistemi, rastgele notlar yerine referans noktalarına dayanmaktadır. 0 puan, bir temel seviyeyi temsil eder; 0,5, yayınlanan araştırmalarda zaten belgelenmiş performans seviyelerine karşılık gelir ve teorik optimum değer 1'dir.
Claude Fable 5.1'in %35,03'lük skoru, etkili bir şekilde performans gösterdiğini ancak araştırmacılar tarafından zaten bilinen teknikleri tam olarak kopyalayamadığını göstermektedir. Modeller, deney yürütme aşamasında mevcut teknikleri geçebilir, ancak genellikle yeni teknikler üretmede geride kalır.
Neden şimdi bu önemli
Ağustos 2026'da Vals AI ve CoreWeave arasındaki iş birliğiyle başlatılan RSI Endeksi, şirketin 40 milyon dolarlık Seri A finansman turuyla aynı zamanda hayata geçirildi. Bu tur, Vals AI'nın değerini 400 milyon dolara çıkardı.
CEO Rayan Krishnan, endeksi kritik bir boşluğu dolduracak şekilde konumlandırdı. Büyük AI laboratuvarları, model kartlarında özyinelemeli kendini geliştirme potansiyeline zaten atıfta bulunmaya başladı, ancak karşılaştırmak için standartlaştırılmış bir çerçeve olmadan bu atıflar, değerlendirme için ortak bir temele sahip değil.
Finansman turundan sonraki altı ayda Vals AI'nın geliri, 2025 yılının tamamına kıyasla 8 kat arttı. Müşteri tabanı iki katına çıktı. Personel sayısı üç katına çıktı.
Yönetim sorusu
Krishnan, RSI Endeksi'nin düzenlemeye ne anlama geldiğini açıkça ifade etti. Endişe, %35 puan alan bir modelin hemen kontrolü kaybedeceği değil; %35'ten daha yüksek puanlara doğru olan eğimin dik olabileceği ve bu yeteneklerin gelişiminin, sınırlı dış gözlem olan birkaç laboratuvar içinde gerçekleşmesi.
Krishnan, bu ilerlemelerle uyumlu uluslararası yönetim yapılarının gerekliğini vurguladı. RSI Endeksi, bunlara deneysel bir temel sağlıyor: Özerk kendi kendini geliştirme yönünde ölçülebilir ilerleme gösteren somut bir metrik gösterildiğinde, denetim çağrılarını reddetmek daha zor hale geliyor.