Codex'te 1M bağlam olduğunu düşünmüştüm. Sonra Astra sohbetimin 258k içinde 172k kullanıldığını gördüm. Astra'nın API spesifikasyonu 1,05M token listeliyor, ancak Codex varsayılan olarak daha küçük bir bağlam penceresi kullanabilir. Ayarlarımda varsayılan 272.000 token idi. Müşterinin %95 kullanabilir pencere faktörüyle, uygulamada gösterilen 258k açıklanır. Yerel model katalogumdaki maksimum 872.000 token idi, bu da yaklaşık 828k kullanabilir anlamına gelir. Ayarlarınız farklı bir sınır olabilir, bu yüzden değiştirmeden önce Codex'in kontrol etmesi değerlidir. Bir ödün: Aktif bağlamda daha fazla geçmiş tutmak, izninizin daha fazlasını tüketebilir. Sınırı yükseltmek tek başına her isteğin tüm pencereyi tüketmesini sağlamaz. ChatGPT üzerinden oturum açmış Codex için ayrı bir uzun bağlam çarpanı yoktur, ancak daha fazla token işlemek hala sayılır. Kendi API anahtarınızı kullanmak API fiyatlandırmasına uyar. Ayarlarınızın desteklediği en büyük pencereyi istiyorsanız, bunu Codex'e yapıştırın: --------------------------- "Codex bağlam penceresini şu anda seçili modelime, hesabımı ve istemcime göre desteklenen maksimuma çıkarın. Aktif kullanıcı yapılandırmasını inceleyin, CODEX_HOME ve herhangi bir etkili profil veya proje geçersiz kılmasını saygılıca karşılayın. Seçili modeli tanımlayın ve mevcut yetkili model meta verilerini kullanarak istemciye özel maksimumu doğrulayın. Varsayılan context_window ile max_context_window arasında ayrım yapın. 1M veya 872000'i varsaymayın veya sabitlemeyin. Maksimum doğrulanamazsa, ayarı değiştirmeden bırakın ve açıklayın. Düzenlediğiniz her dosyanın yedeğini alın. İlgisiz ayarları, kimlik bilgilerini, sağlayıcıyı, modeli, hızı, akıl yürütme çabasını, Ultra görünürlüğünü ve izin politikalarını koruyun. Gizlilikleri asla yazdırmayın. Model_context_window değerini doğrulanmış maksimuma uygun yapılandırma kapsamına ayarlayın. Kullanıcı yapılandırmasında, ilk bölümden önce bir üst düzey anahtar olmalıdır. Var olan bir anahtarı kopyalamak yerine güncelleyin. Daha yüksek öncelikli geçersiz kılınmaları kontrol edin ve yönetilen politikaları saygılıca uygulayın. Otomatik sıkıştırmayı etkin tutun. Var olan açık sıkıştırma eşiğini ayrı olarak raporlayın, yeni bir eşik yaratmayın. Model kataloglarını değiştirin veya sınırları atlamayın. Yapılandırmayı doğrulayın ve yalnızca amaçlanan ayarların değiştiğini doğrulayın. Uygulamayı yeniden başlatmayın veya çalışan görevleri kesmeyin. Yedek konumunu, tam değişiklikleri ve beklenen kullanabilir pencereyi raporlayın. Meta verilerde mevcutsa effective_context_window_percent değerini kullanın. Yeniden başlatma ve doğrulama talimatlarını verin. Kaydedilen ayarı, çalışan bir sohbet tarafından raporlanan gerçek sınırından ayırın." --------------------------- Aktif görevleriniz tamamlandıktan sonra uygulamayı tamamen kapatıp yeniden açın ve bağlam göstergesini kontrol edin. Eğer mevcut bir sohbet eski sınırını koruyorsa, yeni bir sohbet kontrol edin.

Soruları olan herkes, AIPOCH Open-Science ile gerçek araştırma yapabilir artık. @aipoch_ai, her sonucun arkasındaki kodu ve veriyi koruyan açık kaynaklı bir AI çalışma masası olan 1.0.0 sürümünü sundu. Basit kelimelerle soru soruyorsunuz ve AI tüm analizi tek bir çalışma alanında yürütüyor. Her sonuç, onu oluşturan girdilerle ve kodla ilişkili kalıyor; böylece herkes kontrol edebilir veya yeniden çalıştırabilir. Apache 2.0 lisanslıdır ve projeleriniz kendi makinenizde kalır. Mac ve Windows için masaüstü uygulamaları mevcuttur; Linux desteği de dahildir. Modeli seçebilirsiniz: bulut sağlayıcılarından Claude veya Codex aboneliğine kadar. Araştırma, başka birinin açıp üzerinde çalışabileceği .science paketi olarak seyahat eder. En sevdiğim galeri örneği, NVIDIA’ya 10.000 dolar yatırım yaparak Bitcoin ile karşılaştırıyor ve her adımı kaydediyor. https://t.co/Oq1koKdlX9 BiomniBench-DA Public 50 topluluk sıralamasında 79,05 puanla 1. sırada. ASI-Bench B1’de AIPOCH’in kendi çalıştırmalarında 79,35 puan aldı; aynı modelde Codex’i geçti. Tam .science spesifikasyonu içeren ön baskı: https://t.co/2UBuP16Rie Depoyu yıldızlayın ve ilk sorunuzu bu gece çalıştırın. https://t.co/p6qqQQHKtJ #AI4Science #OpenScience

NVIDIA ve Arcee, şirketlerin açık modellere geçiş nedenini açıkladı AI Mühendisleri Fuarı sahnesinden 43 dakika sonra Kendileri çalıştırabildikleri ve her zaman erişimleri olan bir modele ihtiyaç duyuyorlardı Jev kayıtları şu anda durduruldu ve Kev gibi açık kopyalar zaten bir dizüstü bilgisayar GPU'sunda çalışıyor İzleyin, ardından kendi GPU'nuzda açık Jev modellerini çalıştırmak için aşağıdaki tam rehberi okuyun

LangChain, Jev'i kendi ajan döngüleri içine aldı ve ona verdiği üç görevi gösterdi. Demo sırasında bir LLM, bir metnin PII içerip içermediğini belirlemek için yaklaşık 5 saniye harcadı, ancak Jev %98 doğrulukla hemen cevap verdi. Bu nedenle kodlama ajanları, Jev'e bir görevin ne kadar zor olduğunu sorarak güçlü modeli sadece zor görevlerde kullanabilir. Otomatik mod aracılık yazılımı, bir araç çağrısının riskli olup olmadığını Jev'den sorar ve çalışırken engeller; bu kontrol, daha önce çok yavaş olduğu için kapatılmıştı. Aynı model, çevrimiçi değerlendirme sırasında bir ajanın cevabını bir değerlendirme kriterine göre değerlendirir: doğru, referansa uygun, temellendirilmiş, kaynakça verilmiş. Kılavuzum, 50 makale üzerinde 0 ila 3 aralığında ilgilik kriteriyle bu kurulumu araştırmalara yönlendiriyor ve düşük güvenli çağrılar için bir inceleme kuyruğu sağlıyor. Ayrıca filtre tarafından sessizce arşivlenen faydalı makaleleri de kontrol ediyor. Oturumu izleyin, ardından başlatıcı ve aşağıdaki talimatları edinin.

Vibe coding kadar hızlı ki, uygulamayı bitirip hâlâ onu anlatan videoyu yapmakta takılı kalırsınız. Tam burada @videoclawapp kullanırdım, ki bu, masaüstü video oluşturma ajantını kamuoyuna sunuyor. Daha önce araştırdığım ve yazdığım gönderilerle başlarım. Orada videoya dönüştürülebilecek bolca içerik var. Bir AI editör, video üretici ve avatar oluşturucuyu tek bir sohbet tabanlı uygulamada birleştiriyor. AI, karmaşık üretim görevlerini otomatikleştiriyor ve siz basit talimatlarla hassas düzenlemeler yapıyorsunuz. Giriş kısmını kısaltmamı istemek, öğlen boyu nasıl yapılacağını anlamaya çalışmaktan çok daha tercih ederim. Bu karşılıklı etkileşim, video oluşturma deneyimini vibe coding gibi hissettiriyor. Akrilik boya, Photoshop, Canva ve AI görsel üretimiyle bunu zaten gördük. Engelleri düşürdüğünüzde daha fazla kişi kendi kendine bir şey yapmaya başlıyor. Videoclaw, bu deneyimi kurucular, geliştiriciler, pazarlamacılar ve kendi kendinize üretim yapmak için zaman, beceri veya ekip sahibi olmayan diğerleri için videoya getiriyor. Video konuşabilirsiniz, üretim için zamanınız, beceriniz veya ekibiniz olmasa bile. İçerik mühendisi, bir sonraki neslin yaratıcıları için tamamen normal bir iş unvanı haline gelebilir. Mac uygulamasını https://t.co/I7KYl3p1mA adresinden indirin, ChatGPT veya Claude hesabınızı bağlayın ve talimat vermeye başlayın. Daha fazla platform yakında gelecek. Kamu beta sürümü ücretsizdir ve içinde $10 değerinde AI üretimi kredisi bulunur. İlk 300 kişiye $50 değerinde kredi verilir.

Replit CEO Amjad Masad: “Döngüyü kapadık ve Replit içinde, Replit Agent’i sürekli geliştiren bir ajantımız var.” Her gece bu ajant, Replit kullanıcılarından gelen izleri okur ve bulduğu hatalar ve duygu sorunları için bir pull request açar. Her PR, A/B testi olarak yayınlanır ve sonuç, Replit’in değişikliği yayınlamasını mı yoksa düzenlemesini mi kararlaştırır. Ajantı 10K ile SaaStr’in Jason Lemkin’i 46 dakika boyunca izleyin; ajant, kendi kendine 331 yatırımcıya e-posta gönderdi. İzleyin, ardından aşağıdaki rehberden genel döngü promptunu kopyalayın

Bir ergen, birkaç on saat içinde sürüş öğrenir. Bu, onun yaşamının tamamını şeyleri düşerken ve birbirlerine çarparak izleyerek geçirdiği için işe yarar. Çok sayıda robot bunların hiçbiri olmadan başlar ve her görevi binlerce tekrarlanan gösterimden öğrenir; Odyssey ekibi buna kaba kuvvet diyor. @odysseyml’in Odyssey-3’ü, ergen gibi daha çok öğrenir. Gerçek dünyadan toplanan devasa bir görsel veri seti üzerinde eğitilen bir dünya modelidir; bu nedenle önce neden-sonuç ilişkisini ve insanların nasıl davrandığını öğrenir. Sonra, belirli bir makinenin birkaç saatlik verisi, ona kontrolleri öğretmek için yeterlidir. Ön izlemeye göre, bir model bir humanoid’i güçlendirir, robot kollarını kontrol eder, araba sürer, drone uçurur, video oyunları oynar ve diğer yapay zekâları eğitir. Onlar bunu bir fiziksel ajan olarak adlandırıyor ve yakında halka açık olacak. Eğer bu yaklaşım dayanırsa, getirisi sadece gösterimleri aşar. Makineler, insanları riske atan işleri devralabilir ve yaşla veya engelle zorlaşan günlük görevlerde yardımcı olabilir. Ekip dışındaki insanların bunu eline aldığında nasıl performans göstereceğini izleyeceğim.

LangChain mühendisi: "Eğer 100.000 token kullanıyorsanız, bu tokenler önbellekte olsun olmasın, hâlâ 100.000 token'dır." Bir küçük ajan görevinin her istekte aynı bağlamı tekrar göndermesinin nedeni üzerine 50 dakika. Manus, her çalıştırma sırasında yaklaşık 50 araç çağırır ve bu araçların sonuçlarının her biri bir sonraki çağrıda beraber taşınır. Önbellekleme, bu tokenlerin oranını azaltır ama sayısını asla düşürmez. İzleyin, ardından aşağıdaki rehberde bir tamamlanmış görevin fiyatlandırılmasını okuyun.

EvoMap AutoResearch'in Katkıda Bulunanlar listesinde karpathy hesabını fark ettim. EvoMap'in açıklamasında dikkatimi çeken şey, test başarısızlıklarının ajanın sonraki denemesini nasıl şekillendirdiğiydi. https://t.co/7qWbs9v0xx

Çoğu stake işlemi, ek adımlarla birlikte kilitli bir süreçtir. Cosmos Hub, unbonding için 21 gün beklemenizi gerektirir. Ethereum’un validator çıkış kuyruğu, birçok kullanıcı aynı anda çıkış yapmaya başladığında haftalarca uzayabilir. Sui, 24 saatlik epoch’lar üzerinde çalışır. Şimdi stake edin, ödüller bir sonraki epoch’tan itibaren başlar. Stake’i kaldırın, SUI bir sonraki epoch’tan sonra likit hale gelir. Her iki yönde de yaklaşık bir gün. Bu, gördüğüm en kısa dönüş süresi olan bir büyük PoS zincirinde ve küçük pozisyonlar üzerinde matematiği değiştiriyor. Minimum stake 1 SUI. Ağ APR şu anda yaklaşık %1,47 ve blockchain üzerindeki koşullara göre dalgalanıyor. Sui stake işlemi, custodial değildir. Anahtarlarınız cüzdanınızda kalır, delegasyon blockchain üzerinde gerçekleşir ve SUI’nizi sadece siz hareket ettirebilirsiniz. Yani tek gerçek karar, stake’inizi hangi validator’a vereceğinizdir. Çevrimdışı kalırsa veya cezalandırılırsa, ödüllerinizi yiyen validator olur. @HashKeyCloud, Hong Kong’da lisanslı HashKey Grubu altında 40’tan fazla zincirde validator işletiyor. 5+ yıllık canlı operasyon, %99,9 uptime, 0 cezalandırma. Sui için komisyonları %8, piyasa ortalaması %9’a karşı; bu nedenle tipik bir validatorla karşılaştırıldığında daha fazla ödülü siz korursunuz. Denemek isterseniz: 1. Bir Sui cüzdanı açın (Slush veya herhangi bir ana akım cüzdan) 2. Kazan’a gidin, ardından Stake’e tıklayın ve bir validator seçin 3. HashKey Cloud’u arayın 4. Miktarı girin ve onaylayın Ödüller bir sonraki epoch’tan sonra, yaklaşık bir gün sonra başlar. Toplam stake, canlı APY ve delegasyon sayısı burada kamuoyuna açıktır: https://t.co/Oreh2KZX0J