Applied AI engineeringUygulamalı yapay zekâ mühendisliği
Compact AI models, built and measured end to end.Uçtan uca geliştirilen ve ölçülen kompakt yapay zekâ modelleri.
We train compact language, translation, OCR, screen-understanding, chemistry and code models from scratch, and build ML platforms, test automation, performance-testing tools and browser games. Every result is measured, and every known limit is stated.
Kompakt dil, çeviri, OCR, ekran anlama, kimya ve kod modellerini sıfırdan eğitiyor; ML platformları, test otomasyonu, performans testi araçları ve tarayıcı oyunları geliştiriyoruz. Her sonuç ölçülüyor, bilinen her sınır açıkça belirtiliyor.
Six capabilities, each backed by work you can read about further down this page.
Her biri bu sayfanın devamında anlatılan işlerle desteklenen altı yetkinlik.
Custom small modelsÖzel küçük modeller
Compact models trained from scratch for one well-defined job: Turkish language, English↔Turkish translation, handwriting and document OCR, screen understanding, chemistry, code. Small enough to run on your own hardware.
Tek ve net tanımlı bir iş için sıfırdan eğitilen kompakt modeller: Türkçe dil modelleme, İngilizce↔Türkçe çeviri, el yazısı ve belge OCR, ekran anlama, kimya, kod. Kendi donanımınızda çalışacak kadar küçük.
Proof pointKanıtThe first version of our 60M translator beat Qwen2.5-7B on a 150-pair sample (chrF 40.69 vs 35.73) at 0.29 s vs 9.6 s per sentence.60M parametrelik çevirmenimizin ilk sürümü, 150 çiftten oluşan bir örnekte Qwen2.5-7B'yi geçti (chrF 40,69'a karşı 35,73); cümle başına 9,6 sn yerine 0,29 sn.
ML platforms and training pipelinesML platformları ve eğitim hatları
Training infrastructure you can operate: visual pipelines for tabular, vision, 3D, diffusion and text work, with isolated environments, live metrics, checkpoint and resume, and release gates.
İşletebileceğiniz eğitim altyapısı: tablo verisi, görüntü, 3B, difüzyon ve metin çalışmaları için görsel hatlar; yalıtılmış ortamlar, canlı metrikler, kontrol noktası ve kaldığı yerden devam, sürüm kapıları.
Proof pointKanıtPipeForge: 93 node types in 11 packs, 13,119 backend tests at 92.03% coverage.PipeForge: 11 pakette 93 düğüm türü, %91,77 kapsamla 12.075 arka uç testi.
Test suites generated only from facts extracted from the application (API specifications, the live page, source code) and then executed; a grounding gate rejects any locator or endpoint that was not extracted.
Yalnızca uygulamadan çıkarılan olgulardan (API tanımları, canlı sayfa, kaynak kod) üretilip çalıştırılan test paketleri; dayanak kapısı çıkarılmamış her seçiciyi ya da uç noktayı reddediyor.
Proof pointKanıtSelenium, REST-assured, Appium, pytest, Robot Framework and Cucumber-JVM output, backed by 2,110 JVM tests.Selenium, REST-assured, Appium, pytest, Robot Framework ve Cucumber-JVM çıktısı; arkasında 2.110 JVM testi.
Distributed load testing for high-traffic and trading systems: recorded HTTP, WebSocket, SSE and FIX traffic replayed at scale, with fleet-wide percentiles and reports.
Yüksek trafikli ve alım-satım sistemleri için dağıtık yük testi: kaydedilmiş HTTP, WebSocket, SSE ve FIX trafiğinin ölçekli yeniden oynatılması; filo geneli yüzdelik değerler ve raporlar.
Proof pointKanıtMeasured against a public test service: 70,000 concurrent HTTP users on 25 cloud agents, 37.07M requests in 10 minutes.Herkese açık bir test servisine karşı ölçülen: 25 bulut ajanında 70.000 eşzamanlı HTTP kullanıcısı, 10 dakikada 37,07 milyon istek.
AI agents with guardrailsGüvenlik önlemli yapay zekâ ajanları
Agent systems where every action is checked before it runs: permission-gated command execution, and task loops in which tests, not the model, decide what is kept.
Her eylemin uygulanmadan önce denetlendiği ajan sistemleri: izin denetimli komut yürütme ve neyin tutulacağına modelin değil, testlerin karar verdiği görev döngüleri.
Proof pointKanıtA 54-agent adversarial audit of our command executor confirmed 38 defects in its first version.54 ajanın yürüttüğü saldırı odaklı bir denetim, komut yürütücümüzün ilk sürümünde 38 kusuru doğruladı.
Software for regulated sectorsDüzenlemeye tabi sektörler için yazılım
Legal rules kept as dated, cited data rather than buried in code, and personal-data (KVKK) classification enforced at build time.
Yasal kuralların koda gömülmek yerine tarihli ve kaynağı belirtilmiş veri olarak tutulması; kişisel veri (KVKK) sınıflandırmasının derleme aşamasında zorunlu kılınması.
Proof pointKanıt450 legal claims checked against primary sources; 189 corrected, removed or marked unverifiable.450 hukuki iddia birincil kaynaklarla karşılaştırıldı; 189'u düzeltildi, çıkarıldı ya da doğrulanamaz olarak işaretlendi.
Every model below was trained with our own code, most on one 16 GB consumer GPU and the largest on rented ones. Most are useful in a narrow role, and each write-up records where it fails.
Aşağıdaki modellerin hepsi kendi kodumuzla eğitildi; çoğu 16 GB'lık tek bir tüketici sınıfı GPU'da, en büyükleri kiralık GPU'larda. Çoğu dar bir görevde işe yarıyor ve her modelin raporunda nerede başarısız olduğu yazılı.
Serving in a public demoHerkese açık bir demoda çalışıyorTrained, not served publiclyEğitildi, herkese açık sunulmuyorParameters, log scaleParametre sayısı, logaritmik ölçek
Turkish language model and grounded QATürkçe dil modeli ve soru-cevap sürümü
60.4M60,4M
Decoder-only model pretrained on a library of Turkish books, then trained further to become a grounded-QA model that answers from a pasted text, or says the answer isn't there.
Türkçe bir kitap arşiviyle önceden eğitilmiş, yalnızca kod çözücüden oluşan bir model. Ardından, yapıştırılan metinden cevap veren ya da cevabın metinde olmadığını söyleyen bir soru-cevap modeli olacak şekilde eğitimine devam edildi.
Known limitsBilinen sınırlarFluent sentence by sentence, but loses the thread across a paragraph. The QA version missed all three of its own pre-registered bars; it is offered in the live demo with those numbers stated.Cümle cümle akıcı ama paragraf boyunca konuyu kaybediyor. Soru-cevap sürümü önceden kaydedilen üç eşiğinin hiçbirini geçemedi; canlı demoda bu sayılar açıkça belirtilerek sunuluyor.
In the live demoCanlı demoda
EN↔TR translatorEN↔TR çevirmen
60.1M60,1M
One model for both directions, trained from scratch. A deterministic fidelity gate leaves a sentence untranslated, with the reason, when numbers, identifiers or links don't survive.
Her iki yön için tek model, sıfırdan eğitildi. Deterministik bir doğruluk kapısı, sayılar, tanımlayıcılar ya da bağlantılar korunmadığında cümleyi gerekçesiyle birlikte çevrilmemiş bırakıyor.
chrF, newest version (v9), 4,250-pair test bedchrF, en yeni sürüm (v9), 4.250 çiftten oluşan test seti
First version vs Qwen2.5-7B, 150-pair sampleİlk sürüm ile Qwen2.5-7B, 150 çiftten oluşan örnek
40.69 vs 35.73 chrF40,69'a karşı 35,73 chrF
Time per sentence, same 150 pairsCümle başına süre, aynı 150 çift
0.29 s vs 9.6 s0,29 sn'ye karşı 9,6 sn
Known limitsBilinen sınırlarThe fidelity gate can't catch a wrong word sense: “Yer titriyor.” (the floor is shaking) once came back as “It's a shirt.” and passed every check.Doğruluk kapısı yanlış sözcük anlamını yakalayamıyor: “Yer titriyor.” bir keresinde “It's a shirt.” (bu bir gömlek) olarak döndü ve tüm kontrolleri geçti.
In the live demoCanlı demoda
Line OCR: handwriting, print, UI textSatır OCR: el yazısı, basılı metin, arayüz metni
8.75M ×38,75M ×3
CNN + BiLSTM + CTC line readers for Turkish handwriting, printed text and UI labels. The decoder can misread, but it cannot add text that isn't on the page.
Türkçe el yazısı, basılı metin ve arayüz etiketleri için CNN + BiLSTM + CTC satır okuyucuları. Kod çözücü yanlış okuyabilir ama sayfada olmayan bir metni ekleyemez.
Handwriting character error rate, 14 held-out pagesEl yazısı karakter hata oranı, eğitimde görülmemiş 14 sayfa
0.70 → 0.100,70 → 0,10
Printed text character error rate, 400 scanned table cellsBasılı metin karakter hata oranı, 400 taranmış tablo hücresi
0.4485 → 0.04490,4485 → 0,0449
Hand-transcribed training linesElle yazıya dökülen eğitim satırı
2,0652.065
Known limitsBilinen sınırlarConnected cursive is still the weak spot, and the printed-text gain was measured on English table cells; scanned Turkish documents are untested.Bitişik el yazısı hâlâ zayıf nokta. Basılı metindeki kazanç İngilizce tablo hücrelerinde ölçüldü; taranmış Türkçe belgeler henüz test edilmedi.
In the live demoCanlı demoda
UI element detectorArayüz öğesi dedektörü
1.66M1,66M
A small detector for buttons, links and fields in screenshots. A deterministic pixel search proposes candidates, and the detector labels them.
Ekran görüntülerindeki düğme, bağlantı ve alanlar için küçük bir dedektör. Deterministik bir piksel araması aday öneriyor, dedektör de bunları etiketliyor.
Share of elements found with pixel searchPiksel aramasıyla bulunan öğe oranı
86.3%%86,3
Class accuracy on candidatesAdaylarda sınıf doğruluğu
87.3%%87,3
Forward pass on Apple GPUApple GPU'da ileri geçiş
~9 ms~9 ms
Known limitsBilinen sınırlarTrained on only 544 real screenshots. Used on its own, it finds about 28% of the elements you can act on.Yalnızca 544 gerçek ekran görüntüsüyle eğitildi. Tek başına kullanıldığında, üzerinde işlem yapılabilen öğelerin yaklaşık %28'ini buluyor.
In the live demoCanlı demoda
Test-plan modelTest planı modeli
120.8M120,8M
Pretrained on English and code, then fine-tuned to turn a page's facts and a stated goal into a test plan. Constrained decoding lets it pick locators only from the page's own facts.
İngilizce ve kod üzerinde önceden eğitildi, ardından bir sayfanın olgularını ve belirtilen bir hedefi test planına çevirecek şekilde ince ayarlandı. Kısıtlı kod çözme sayesinde model, seçicileri yalnızca sayfanın kendi olgularından alabiliyor.
PretrainingÖn eğitim
5.34B tokens · ~11.7 h5,34 milyar token · ~11,7 sa
Plans with constrained decodingKısıtlı kod çözmeyle planlar
Known limitsBilinen sınırlarThe version in the live demo is an earlier one that ignores the goal text: “log in” and “search” produce the same plan.Canlı demodaki sürüm, hedef metnini dikkate almayan önceki bir sürüm: “giriş yap” ile “ara” aynı planı üretiyor.
In the live demoCanlı demoda
Chemistry modelKimya modeli
100.7M100,7M
A decoder-only model that learned chemistry records: molecules, polymer repeat units and patent reactions, written as SMILES through a tokenizer of its own that never splits an atom. Given the start of a record it writes the rest, such as a property, a class or a reaction's product, and RDKit checks every SMILES structure it writes.
Kimya kayıtlarını öğrenen, yalnızca kod çözücüden oluşan bir model. Kayıtlar moleküller, polimer tekrar birimleri ve patent tepkimelerinden oluşuyor; SMILES olarak yazılıp hiçbir atomu bölmeyen, modele özgü bir tokenizer ile kodlanıyor. Bir kaydın başını verdiğinizde gerisini, örneğin bir özelliği, bir sınıfı ya da bir tepkimenin ürününü yazıyor; yazdığı her SMILES yapısını RDKit denetliyor.
TrainingEğitim
2.07B tokens · 10.8 h, one 16 GB GPU2,07 milyar token · 10,8 sa, 16 GB'lık tek GPU
Glass-transition temperature (Tg), mean absolute error on 784 held-out polymersCamsı geçiş sıcaklığı (Tg), test için ayrılmış 784 polimerde ortalama mutlak hata
33.72 °C · always guessing the training mean: 96.20 °C33,72 °C · hep eğitim ortalamasını tahmin etmek: 96,20 °C
Reaction product right first time, patent test reactionsTepkime ürünü ilk tahminde doğru, patentlerden alınan test tepkimeleri
190 of 500500'de 190
Polymers it wrote that RDKit accepts · of those, not among its training polymersYazdığı polimerlerden RDKit'in kabul ettiği · bunlardan eğitimdeki polimerlerde olmayan
161 of 192 · 69 of 161192'de 161 · 161'de 69
Known limitsBilinen sınırlarOverconfident and partly reciting: its middle-half Tg range, which a calibrated model would fill about half the time, held the measured value in 150 of 770 cases, and 92 of the 161 valid polymers it wrote copy a training structure. 30 of the 784 held-out Tg structures also appear in training as rule-built polymers without a Tg, so 33.72 °C pools seen and unseen structures. Reactions are patent chemistry only. The Tg and class labels, and so the Tg figures above, come from tables whose origin is unconfirmed; the demo marks every value drawn from them.Gereğinden fazla emin ve kısmen ezberden yazıyor: Tg için verdiği %50'lik orta aralık (iyi kalibre edilmiş bir modelde ölçülen değeri yaklaşık yarı yarıya kapsaması gerekir), ölçülen değeri 770 durumun 150'sinde kapsadı; yazdığı 161 geçerli polimerin 92'si eğitimdeki bir yapının kopyası. Ayrılmış 784 Tg yapısının 30'u eğitimde Tg'si olmadan, kurallarla üretilmiş polimer olarak da yer alıyor; yani 33,72 °C görülmüş ve görülmemiş yapıları birlikte ölçüyor. Tepkimeler yalnızca patent kimyasını kapsıyor. Tg ve sınıf etiketleri, dolayısıyla yukarıdaki Tg rakamları da, kaynağı doğrulanmamış tablolardan geliyor; demo bu tablolardan gelen her değeri işaretliyor.
Trained in part on ORDerly (Wigh et al., J. Chem. Inf. Model. 2024, doi:10.1021/acs.jcim.4c00292; reactions from the Open Reaction Database and US patents) and Molecule3D (Xu et al., arXiv:2110.01717, 2021; calculations from PubChemQC), both under CC BY 4.0 and reformatted into training records, and on PubChem (public domain). Structures are checked with RDKit (BSD 3-clause).
Eğitimde kısmen ORDerly (Wigh vd., J. Chem. Inf. Model. 2024, doi:10.1021/acs.jcim.4c00292; tepkimeler Open Reaction Database ve ABD patentlerinden) ile Molecule3D (Xu vd., arXiv:2110.01717, 2021; hesaplamalar PubChemQC'den) verileri kullanıldı; ikisi de CC BY 4.0 lisanslı ve eğitim kayıtlarına dönüştürüldü. PubChem verileri kamu malıdır. Yapılar RDKit (BSD 3-clause) ile denetleniyor.
Code modelsKod modelleri
151M → 506M151M → 506M
Decoder-only code models with their own 32,768-token vocabulary; the 277M and 506M models were also trained on fill-in-the-middle. The 277M model was instruction-tuned twice: the first attempt damaged the base model and was rejected, the second was accepted.
Kendi 32.768 tokenlık sözlüğüne sahip, yalnızca kod çözücüden oluşan kod modelleri; 277M ve 506M modeller fill-in-the-middle (FIM) ile de eğitildi. 277M modele iki kez talimat ince ayarı yapıldı: ilk deneme temel modele zarar verdiği için reddedildi, ikincisi kabul edildi.
277M model pretraining277M model ön eğitimi
13.36B tokens · 100.3 h, one GPU13,36 milyar token · 100,3 sa, tek GPU
506M successor pretraining506M ardıl modelin ön eğitimi
13.35B tokens · 158 h, no restart13,35 milyar token · 158 sa, kesintisiz
One-rule functions, 12-prompt benchTek kurallı fonksiyonlar, 12 istemlik test
11 of 1212'de 11
Known limitsBilinen sınırlarWrites small functions, not whole app methods: asked for 28 easy and medium methods for three proof-of-concept apps, the instruction-tuned model got 1 past their tests, even with four attempts at each.Küçük fonksiyonlar yazabiliyor, eksiksiz uygulama metotları yazamıyor: üç kavram kanıtı uygulaması için istenen 28 kolay ve orta düzey metottan, her birine dört deneme hakkı verilmesine rağmen talimat ince ayarlı model yalnızca 1'ini testlerden geçirebildi.
PipeForge, the training platform behind these modelsPipeForge: bu modellerin arkasındaki eğitim platformu
A local-first web app for building AI training pipelines on a canvas. Steps are nodes, connections are typed and checked by the backend, and runs stream logs, metrics and previews back onto the canvas.
Yapay zekâ eğitim hatlarını bir tuval üzerinde kurmak için yerelde çalışan bir web uygulaması. Her adım bir düğüm; bağlantılar tipli ve arka uçta denetleniyor; çalıştırmalar logları, metrikleri ve önizlemeleri canlı olarak tuvale aktarıyor.
One FastAPI process owns the database and schedules the graph. Each node runs as its own subprocess in its pipeline's uv environment, reports over a loopback event stream and writes its outputs to a content-addressed artifact store, with no Docker and no external orchestrator.
Veritabanının sahibi olan tek bir FastAPI süreci grafı zamanlıyor. Her düğüm, ait olduğu hattın uv ortamında ayrı bir alt süreç olarak çalışıyor, durumunu yerel bir olay akışıyla bildiriyor ve çıktılarını içerik adresli bir depoya yazıyor; Docker ya da harici bir orkestratör yok.
It covers tabular, vision, 3D, diffusion and text training, and the 80% coverage floor is enforced separately by CI, the release workflow and the packaging script.
Tablo verisi, görüntü, 3B, difüzyon ve metin alanlarında model eğitimini kapsıyor; %80 kapsam tabanını CI, sürüm iş akışı ve paketleme betiği ayrı ayrı zorunlu kılıyor.
Node typesDüğüm türleri
93 in 11 packs11 pakette 93
Roadmap items deliveredTamamlanan yol haritası maddeleri
447 of 571571'de 447
Backend tests · coverageArka uç testleri · kapsam
13,119 · 92.03%13.119 · %92,03
Lowest coverage ever recordedKaydedilen en düşük kapsam
82.99%, floor 80%%82,99, taban %80
ReleasesSürümler
v0.1.0 – v0.3.0v0.1.0 – v0.3.0
Known limitsBilinen sınırlarRuns on a single machine today: remote workers, S3 storage and third-party integrations are planned but not built.Bugün tek bir makinede çalışıyor: uzak worker ajanları, S3 depolama ve üçüncü taraf entegrasyonları planlandı ama henüz geliştirilmedi.
Engine core, canvas, tabular and image trainingMotor çekirdeği, tuval, tablo verisi ve görüntü eğitimi
Typed ports, per-pipeline environments, a subprocess runner, live metrics, checkpoint and resume. Releases v0.1.0 and v0.2.0.
Tipli portlar, hat başına ortamlar, alt süreç çalıştırıcı, canlı metrikler, kontrol noktası ve kaldığı yerden devam. v0.1.0 ve v0.2.0 sürümleri.
Detection, segmentation, 3D, diffusion and radiance fieldsNesne tespiti, bölütleme, 3B, difüzyon ve ışıma alanları
Faster R-CNN with live mAP plus point-cloud and voxel trainers, released as v0.3.0; then a diffusion LoRA trainer and tiny-NeRF, both marked experimental.
Canlı mAP ile Faster R-CNN, nokta bulutu ve voksel eğiticileri v0.3.0 olarak yayımlandı; ardından bir difüzyon LoRA eğiticisi ve tiny-NeRF geldi, ikisi de deneysel olarak işaretli.
Sixteen teaching demo pipelinesOn altı öğretici demo hattı
Eight classical algorithms and eight neural-network steps on synthetic price data, loaded at startup.
Sentetik fiyat verisi üzerinde sekiz klasik algoritma ve sekiz sinir ağı adımı; açılışta yükleniyor.
A Turkish language model trained on the canvasTuval üzerinde eğitilen bir Türkçe dil modeli
60.4M parameters in two stages and 3.0 GPU-hours, with the weak results written up beside the good ones.
İki aşamada, 3,0 GPU-saatte 60,4M parametre; zayıf sonuçlar da iyilerin yanında raporlandı.
A public demo and the model ladderHerkese açık demo ve model merdiveni
One model at a time: translator, OCR, UI detection, test planning and code models, many of them measured against bars set before the run.
Sırayla birer model: çevirmen, OCR, arayüz tespiti, test planlama ve kod modelleri; birçoğu çalıştırmadan önce belirlenen eşiklere göre ölçüldü.
A chemistry model and a demo of its ownBir kimya modeli ve kendi demosu
A 100.7M model trained overnight on molecules, polymers and patent reactions. Its pass and fail bars were written down before the first training step, and every later change to how it was scored is a dated amendment. Its demo is public and marks every value that comes from a table of unconfirmed origin.
Moleküller, polimerler ve patent tepkimeleriyle bir gecede eğitilen, 100,7M parametrelik bir model. Başarı ve başarısızlık eşikleri ilk eğitim adımından önce yazıldı; puanlamada sonradan yapılan her değişiklik tarihli bir ek olarak kayıtlı. Demosu herkese açık ve kaynağı doğrulanmamış bir tablodan gelen her değeri işaretliyor.
An AI agent plans task cards and a separate machine answers them with the code models: 711 cards answered in its first week.
Bir yapay zekâ ajanı görev kartlarını planlıyor, ayrı bir makine de onları kod modelleriyle cevaplıyor: ilk haftasında 711 kart cevaplandı.
research and developmentaraştırma ve geliştirme
Code models and multi-agent developmentKod modelleri ve çok ajanlı geliştirme
Our code models are the workers in a loop: an orchestrating agent plans, the model writes, and tests decide which answers are kept.
Kod modellerimiz bir döngünün işçileri: orkestratör bir ajan planlıyor, model yazıyor, hangi cevapların tutulacağına da testler karar veriyor.
Cuts a feature into gaps small enough for the model to fill, and writes each one as a task card.Bir özelliği modelin doldurabileceği kadar küçük boşluklara bölüyor ve her birini görev kartı olarak yazıyor.OrchestratorOrkestratör
Generates the answer with the code model on Apple Silicon.Cevabı Apple Silicon üzerinde kod modeliyle üretiyor.Agent hostAjan sunucusu
Splices the answer into the file and runs the tests.Cevabı dosyaya yerleştiriyor ve testleri çalıştırıyor.OrchestratorOrkestratör
Keeps green code, reverts red, and logs the exchange.Yeşil kodu tutuyor, kırmızıyı geri alıyor ve bu etkileşimi kaydediyor.OrchestratorOrkestratör
The agent host only generates, so a runaway completion can never touch a working tree.
Ajan sunucusu yalnızca cevap üretiyor; bu yüzden kontrolden çıkan bir çıktı çalışma ağacına asla dokunamıyor.
Answers logged, retries and sampled candidates includedKaydedilen cevap (tekrar denemeler ve örneklenen adaylar dâhil)
711, all on Apple GPU711, hepsi Apple GPU'da
Pilot cards kept · half-trained modelKabul edilen pilot kart · yarı eğitilmiş model
0 of 66'da 0
Pilot cards kept after trimming · finished / instruction-tunedKırpma sonrası kabul edilen pilot kart · eğitimi biten / talimat ince ayarlı
3 of 4 · 3 of 44'te 3 · 4'te 3
506M as a unit-test writer, 120 cards · same weights, new card format and harness506M birim testi yazarı, 120 kart · aynı ağırlıklar, yeni kart biçimi ve düzenek
verified 12 → 39doğrulanan 12 → 39
Known limitsBilinen sınırlarThere is no orchestrator model yet; for now a general-purpose AI coding agent plays that role.Henüz bir orkestratör model yok; bu rolü şimdilik genel amaçlı bir yapay zekâ kodlama ajanı üstleniyor.
live · canlı · fikri.aimltutor.com
fikri: our models, in publicfikri: modellerimiz, herkese açık
A public web demo that serves only models we trained. It runs on a single Apple Silicon machine behind a cloud server.
Yalnızca bizim eğittiğimiz modelleri sunan, herkese açık bir web demosu. Bir bulut sunucusunun arkasında, tek bir Apple Silicon makinede çalışıyor.
AutomaticOtomatikFixed rules, not a model, route three kinds of message: a photo with a request to read it goes to OCR, a testing goal to test plans once page facts are in, and an explicit web-search request to web search. Pick the other modes by hand.Model değil, sabit kurallar üç tür mesajı yönlendiriyor: okunması istenen fotoğraf OCR'a, sayfa bilgisi verildikten sonra gelen test hedefi test planlarına, açıkça internet araması isteyen mesaj da web aramasına gidiyor. Diğer modları elle seçin.
TranslatorÇevirmenEnglish ↔ Turkish. A sentence that fails a check stays untranslated, with the reason.İngilizce ↔ Türkçe. Bir kontrolü geçemeyen cümle, gerekçesiyle birlikte çevrilmeden kalıyor.
Questions about a textMetin üzerine soru-cevapPaste a text, then ask about it; follow-up questions reuse the same text. Experimental: weak on ordinary prose, and it warns before answering without a text.Bir metin yapıştırıp onunla ilgili soru sorun; sonraki sorular aynı metni kullanıyor. Deneysel: düzyazı metinlerde zayıf; metin verilmezse cevaplamadan önce uyarıyor.
Handwriting OCREl yazısı okumaReads a photographed page line by line and flags low-confidence lines.Fotoğrafı çekilmiş bir sayfayı satır satır okuyor, güveni düşük satırları işaretliyor.
Screen readingEkran okumaFinds buttons, links and fields in a screenshot and reads their labels.Ekran görüntüsündeki düğme, bağlantı ve alanları bulup etiketlerini okuyor.
Test plansTest planlarıTurns page HTML or selectors into a Selenium + TestNG class, using only steps it can match to the page.Sayfa HTML'ini ya da seçicileri, yalnızca sayfayla eşleştirebildiği adımları kullanarak Selenium + TestNG sınıfına çeviriyor.
Web searchWeb aramasıSearches through the Brave Search API, filters for relevance and lists the sources it could read.Brave Search API ile arıyor, alakaya göre süzüyor ve okuyabildiği kaynakları listeliyor.
Model memory after moving to in-house modelsKendi modellerimize geçince model belleği
~15 GB → 0.22 GB~15 GB → 0,22 GB
Conversation historyKonuşma geçmişi
offkapalı
Page photos sent to OCROCR'a gönderilen sayfa fotoğrafları
kept to improve the model; the site says so firstmodeli geliştirmek için saklanıyor; site bunu önceden belirtiyor
Known limitsBilinen sınırlarNo free-form chat since the third-party chat model was retired, and search now lists its sources instead of writing an answer.Üçüncü taraf sohbet modeli kaldırıldığından serbest sohbet yok; arama da artık cevap yazmak yerine kaynaklarını listeliyor.
A second demo, for the chemistry modelİkinci demo: kimya modeli
Paste a molecule, a polymer repeat unit or a set of reactants, and the model writes the rest of the record several times over; each answer opens with a plain account of what it wrote and how far the held-out scores say to trust it. It runs on CPU and takes at most four questions at a time.
Bir molekül, bir polimer tekrar birimi ya da bir tepkimenin tepkenlerini yapıştırın; model kaydın gerisini birkaç kez yazıyor. Her yanıt, ne yazdığını ve ayrılmış verideki puanlara göre ne kadar güvenilebileceğini sade bir dille anlatarak başlıyor. CPU üzerinde çalışıyor ve aynı anda en çok dört soru alıyor.
Distributed load-testing platformDağıtık yük testi platformu
Challengeİhtiyaç
Replace commercial load-testing licences with an in-house tool able to drive web and trading traffic at very high concurrency, including on servers with no internet access.
Ticari yük testi lisanslarının yerine, internet erişimi olmayan sunucularda da çalışabilen ve web ile alım-satım trafiğini çok yüksek eşzamanlılıkla üretebilen şirket içi bir araç geliştirmek.
ApproachYaklaşım
A Spring Boot orchestrator drives a fleet of Kotlin agents over gRPC. The agents replay recorded HTTP, WebSocket, SSE and FIX traffic on virtual threads, and their histograms merge into fleet-wide percentiles.
Spring Boot tabanlı bir orkestratör, gRPC üzerinden bir Kotlin ajan filosunu yönetiyor. Ajanlar kaydedilmiş HTTP, WebSocket, SSE ve FIX trafiğini sanal iş parçacıklarıyla yeniden oynatıyor; histogramları birleştirilerek filo geneli yüzdelik değerler çıkarılıyor.
ResultsSonuçlar
70,000 concurrent HTTP users on 25 cloud agents against a public test service, 37.07M requests in 10 minutes25 bulut ajanında, herkese açık bir test servisine karşı 70.000 eşzamanlı HTTP kullanıcısı, 10 dakikada 37,07 milyon istek
One agent: 4,000 users at 35,553 requests/s, p99 502 msTek ajan: 4.000 kullanıcıyla saniyede 35.553 istek, p99 502 ms
Offline install pack for air-gapped Linux serversİnternete kapalı Linux sunucular için çevrimdışı kurulum paketi
The 100,000-user target has not been demonstrated yet.100.000 kullanıcı hedefi henüz ölçümle doğrulanmadı.
Digital platform for an Organized Industrial ZoneOrganize Sanayi Bölgesi için dijital platform
Challengeİhtiyaç
Manage participants, parcels, allocations and legal deadlines under Turkish Law No. 4562, where every due date depends on regulation that changes over time.
Her son tarihin zamanla değişen mevzuata bağlı olduğu 4562 sayılı Kanun kapsamında katılımcıları, parselleri, tahsisleri ve yasal süreleri yönetmek.
ApproachYaklaşım
The law is held as data: every legal period carries its source article, validity dates and a confidence level. Personal-data (KVKK) tagging is enforced as a build gate, and the field app, built for a demo, works offline first.
Mevzuat veri olarak tutuluyor: her yasal süre kaynak maddesini, geçerlilik tarihlerini ve bir güven düzeyini taşıyor. KVKK etiketlemesi bir derleme kapısı olarak uygulanıyor; demo için hazırlanan saha uygulaması çevrimdışı öncelikli çalışıyor.
ResultsSonuçlar
450 legal claims checked against primary sources; 189 corrected, removed or marked unverifiable450 hukuki iddia birincil kaynaklarla karşılaştırıldı; 189'u düzeltildi, çıkarıldı ya da doğrulanamaz olarak işaretlendi
Offline-first Android field app with an idempotent sync queueİdempotent eşitleme kuyruğuna sahip, çevrimdışı öncelikli Android saha uygulaması
1,138 automated tests passing in CICI'da geçen 1.138 otomatik test
An early scaffold and demo, not in production.Erken bir iskelet ve demo; canlı ortamda kullanılmıyor.
Generates runnable web, API and mobile test suites only from facts extracted from the application itself (OpenAPI specs, the live DOM, source code), then runs them. A grounding gate rejects any locator or endpoint that wasn't extracted.
Çalıştırılabilir web, API ve mobil test paketlerini yalnızca uygulamanın kendisinden çıkarılan olgulardan (OpenAPI tanımları, canlı DOM, kaynak kod) üretip çalıştırıyor. Dayanak kapısı, çıkarılmamış her seçiciyi ya da uç noktayı reddediyor.
2,110 JVM tests across 13 Maven modules, plus 750 tests for the React front end13 Maven modülünde 2.110 JVM testi, ayrıca React ön yüzü için 750 test
Includes LLM-Tester, which scores language models with deterministic graders instead of a judge modelDil modellerini hakem model yerine deterministik puanlayıcılarla değerlendiren LLM-Tester'ı içeriyor
shellboxshellbox
Python, standard library onlyPython, yalnızca standart kütüphane
A permission-gated executor for commands an AI agent wants to run. It parses a restricted, bash-shaped language and runs it itself, so no command string ever reaches a shell, and every command is checked against an operator profile first.
Bir yapay zekâ ajanının çalıştırmak istediği komutlar için izin denetimli bir yürütücü. Kısıtlı, bash benzeri bir dili kendisi ayrıştırıp çalıştırıyor; böylece hiçbir komut metni kabuğa ulaşmıyor ve her komut önce bir operatör profiline göre denetleniyor.
Four adversarial audit rounds; the first, by 54 agents, confirmed 38 defects in the first versionSaldırı odaklı dört denetim turu; 54 ajanın yürüttüğü ilk tur, ilk sürümde 38 kusuru doğruladı
407 test functions407 test fonksiyonu
gamesoyunlar
A browser game we have shippedYayımladığımız bir tarayıcı oyunu
Built and released with the same discipline as the models: a release cannot ship until its own checks pass.
Modellere uyguladığımız disiplinle geliştirilip yayımlandı: bir sürüm, kendi kontrollerini geçmeden yayımlanamıyor.
Knight vs ZombiesKnight vs Zombies
one HTML page · static files · no backendtek HTML sayfası · statik dosyalar · arka uç yok
A knight against waves of the dead, through six chapters that each end with a boss, plus an endless arena once the first chapter is cleared. It runs in a browser tab: nothing to install, no sign-up.
Ölü dalgalarına karşı bir şövalye; altı bölüm, her birinin sonunda bir boss ve ilk bölüm bitince açılan sonsuz bir arena. Tarayıcı sekmesinde çalışıyor: kurulacak bir şey yok, üyelik yok.
The release build will not ship a version over its download budget, and runs 448 checks on the built page. A player downloads about 2.7 MB before the game opens and 10.5 MB in all.Sürüm derlemesi, indirme bütçesini aşan bir sürümü yayımlamıyor ve derlenen sayfa üzerinde 448 kontrol çalıştırıyor. Oyuncu oyun açılmadan önce yaklaşık 2,7 MB, toplamda 10,5 MB indiriyor.
Keyboard and mouse only, with no touch controls. Contains blood and gore, on by default; B turns it off.Yalnızca klavye ve fare; dokunmatik kontrol yok. Kanlı sahneler içeriyor; varsayılan olarak açık, B ile kapanıyor.
Four habits that recur across the work on this page.
Bu sayfadaki işlerde tekrar eden dört alışkanlık.
Bars before runsÖnce eşik, sonra çalıştırma
In model work, pass and fail criteria are usually written down before training, and runs that miss them stay on record: a QA model that missed its bar, a translation fine-tune that lowered its score and was not promoted.
Model çalışmalarında geçme ve kalma ölçütleri çoğunlukla eğitimden önce yazılıyor; tutturamayan çalıştırmalar da kayıtta kalıyor: eşiğini geçemeyen bir soru-cevap modeli, puanı düşürdüğü için kullanıma alınmayan bir çeviri modeli ince ayarı.
Gates in code, not intentionsKapılar niyette değil, kodda
An 80% coverage floor enforced separately by CI, the release workflow and the packaging script. A grounding gate that rejects invented test locators. A personal-data tag required on every database column.
CI, sürüm iş akışı ve paketleme betiğinde ayrı ayrı uygulanan %80 kapsam tabanı. Uydurulmuş test seçicilerini reddeden bir dayanak kapısı. Her veritabanı sütununda zorunlu kişisel veri etiketi.
Small models inside deterministic codeDeterministik kodun içinde küçük modeller
A fidelity gate on the translator, a check of every locator against the page in the test planner, a pixel search in front of the detector. The model does the narrow part; ordinary code checks it.
Çevirmende doğruluk kapısı, test planlayıcıda her seçicinin sayfada doğrulanması, dedektörden önce çalışan piksel araması. Model işin dar kısmını yapıyor; sıradan kod onu denetliyor.
Much of this work is built with AI coding agents, and their claims are checked by other agents whose job is to refute them. The figures on this page went through the same check.
Bu işlerin büyük kısmı yapay zekâ kodlama ajanlarıyla geliştiriliyor; ajanların iddiaları, işi onları çürütmek olan başka ajanlarca denetleniyor. Bu sayfadaki rakamlar da aynı denetimden geçti.
