Alperen Sartaçoğlu

AI & Enterprise Transformation | ERP • Automation • Agentic Systems | Building Verhex — AI-native solutions for real business operations.

[Alperen Sartaçoğlu @alpsartacoglu]

@sahiinrasit @burak_tamac Bireysel üyelik harici yeni kurumsal epostamızla üye olduk owner veya primary owner olarak ikinci mail adresini davet etmeniz gerekiyor o da orga dahil olduktan sonra üyelikleri siz alıyorsunuz claim diyerek ardından mail adreslerine gönderiyorsunuz.

[Alperen Sartaçoğlu @alpsartacoglu]

@objectivetheory Çin tarafının devrim ifadelerine direkt inanamıyorum , deepseek ilk çıktığında biz ekran kartsız bu sistmei ve gücü yürütmenin yolunu bulduk diyordu 😄

[Alperen Sartaçoğlu @alpsartacoglu]

Clef ve kendi eğittiğim qwen decision engine denedim ama başarılı olamadım jev kadar hızlı süreleri localde yakalayamadım doğruluk ve başarı olarakta Jev de 1000deb fazla canlı kullanık örneğimle senaryoları tekrar tetikledim ama clef ve kendi local geliştirmem istediğim başarıyı sağlamadı çok ucuz kullanımı olduğu için bazen projeleri geliştirmeyi bırakmak gerekli bunu anladım.

[Alperen Sartaçoğlu @alpsartacoglu]

@ilkerkurtel Şahsen işlerimde localde voxcpm ve kahyatts deniyordum api tarafında soniox kullanıyorum inanılmaz ucuz maliyetlerle sesli agent işlerimi hallediyorum bunu kesinlikle deneyeceğim 34mb bakalım neler yapabiliyor hemen entegre edelim , teşekkürler

[Alperen Sartaçoğlu @alpsartacoglu]

Erişim engeline ve sınırlamaya katılmıyorum ama yaş doğrulama ve ganimet mantığına katılıyorum küçük yaşta pazarlama kurbanı olmamalılar. Ebeveyn tarafı zorunlu tutulmayıp çocuğun oyun mahremiyeti korunmalı ama aile araştırıp firmadan talep ederek velayetine sahip olduğu çocuğun neye ne kadar maruz kaldığını bilmeye hakkı olmalı. 10 sene önce görsem bende oç derdim ama yaş ilerledikçe kaygılar değişiyor gerçekten.

[Alperen Sartaçoğlu @alpsartacoglu]

Çıktığı günden beri GPT 6.1 Sol paralel projelerde frontier model olarak kullandım ama kalite hız ve yetkinlikte Opus 5.5 yanına yaklaşamadı. Fast mod açık agent koordinasyonu ağırlıklı işlerde tüm effortlarda test ettim sonuç
Frontier model için başarısız. Agent kullanımında Astradan daha kötü işler çıkardı model aceleye mi geldi harness problemimi bilmiyorum feedback olarak ilettim ama 200usd pakete maalesef değmeyecek bir seviyede şuan.
En verimli kullanım sadece işleri doğrulama ve analiz ederken aldım.

Cursor artık codexten çok daha cazip bir üyelik gözümde ama orada da agent cli ve modeller analzi yerine daha çok iş bitirici bir yapıda ilerliyor. Muse glm gibi alternatifleride küçük paketlerle bir deneyeceğim bakalım.

[Alperen Sartaçoğlu @alpsartacoglu]

Aynısını düşünüyorum muhtemelen 200 usd paketi 20usdye çekicem. Gpt 6.1 Sol ve codexin harnesi kesinlikle çok başarısız openai bu ayki gerilemeleriyle fazlasıyla üzdü projede çok iyi işler yapıyordu fast mode high efortlae bile modeli opus 5.5 in yanına yaklaştıramadı kalite ve hız olarak o nedenle claude ikinci abonelik benim içinde artık bir seçenek oldu

[Alperen Sartaçoğlu @alpsartacoglu]

Kesinlikle katılmıyorum ve vizyonsuz bir söylem olarak görüyorum.
Sanıyorlar ki ai çözüm hayır, ai bir katalizördür.
Sanki tüm sermaye sahipleri, patronlar ai süreçlerine pro seviyede hakim insanları eleyebilecek yetkinlikte varsayımıyla saçma sapan söylemler .
Yapay zekayla işin tanımı ve süresi evrimleşecek insana yine çok ihtiyaç olacak. Çünkü bu üretim ve tüketim döngüsünün hızlanması üzerine planlar yapılacak ve işler buna göre organize edilecek.
Boşta kalan kalabalıklar düşünülmesi gereken politik sorunlara sebep olacaktır bu nedenle insalar bugün yaşanılan dönüşüme kanalize edilecekler kendilerine uygun yeri, zamanı geldiğinde bulacaklar.
Neyi seviyorsanız neyi iyi yapıyorsanız bu dönüşüm sürecinde bunu uygulamaya dökmeye devam edin.

[Dr. Taylan Yıldız @taylanyildiz]

Gençler, eğer işinizi yapmak için ihtiyacınız olan tek şey bir laptop ve internet bağlantısıysa, işiniz uzun vadede güvende değil.

Yapay zekâ çok sert geliyor.

Sahada olmanız gereken, insanlarla yüz yüze konuşup ikna etmeniz gereken, fiziksel dünyaya dokunduğunuz, gerektiğinde bir objeyi gerçekten yerinden oynattığınız işlere yönelin.

Kısacası: Bilgisayarın başından kalkmadan yapılamayan işleri öğrenin.

[Alperen Sartaçoğlu @alpsartacoglu]

@SauzerihFF Benimde düşüncem o yönde oldu 500usd tek buraya harcamaktansa daha küçğk paketler ve local modellerle iş yürütmeye odaklanmak daha iyi olacak gibi senede 6k usd harcayıp elimde bir değerin olmamasındansa sonradan satabileceğim bir donanımın var olmasını isterim

[Alperen Sartaçoğlu @alpsartacoglu]

Direkt böyle olacağını sanmıyorum çünkü çok fazla kullanıcı kaybederler. Muhtemelen API fiyatlandırmaları düzenlenecek ve bazı modeller kotasan yemeyecektir (terra luna vb) muhtemelen limitlerimiz en güncel modeller için ayrılacak. Ağır modelle paralel iş yerine biraz daha koordinatör mimarisine geçmemizi istiyorlar ki kendi yükleride de dengelensin burada ideal bir geçiş tasarlamadılarsa son kullanıcı tarafında çok fazla kayıpları olacaktır şuan Opus 5.5 gibi bir cevher inanılmaz bir limit kullanımıyla çalışırken codexin başarısız limit politikası diğer sağlayıcılara altın madeni sağlar

[Alperen Sartaçoğlu @alpsartacoglu]

200 dolarlık paket otonom işlerde sadece astrayla yetmiyor evet ama openai codex ve chatgpt.cok kullanımını ayırıyor nu nedenle iyi Ayrıca sık limit yenilemesi veya reset hakkı veriyor. Claude tarafındaysa tüketim alışkanlığınız stabil olursa kendinizi ayarlarsanız çok sürpriz yaşamazsınız küçük işler içinde 20 dolarlık cursor almanızı tavsiye ederim hayat kurtarıyor

[Alperen Sartaçoğlu @alpsartacoglu]

500 satırı okumuyor aradan grep ile çekiyor muhtemelen 1m token bağlamı olan model yaklaşık 3000 sayfalık bağlamı taşır 500 satır direkt sorun değil ama şuna dikkat etmek lazım /context gibi komutlarla her çağrıda modele neler gidiyor ona bakın oraları sadeleştirin iş için daha fazla alan ayırın /context ve /doctor gibi komutlar iş yapışınızı kontrol ve iyileştirmede çok işlevseldir

[Alperen Sartaçoğlu @alpsartacoglu]

Jev nedir ve neden ilginç?
Jev, klasik büyük dil modellerinden farklı çalışıyor. Serbest cevap üretmek yerine sizin verdiğiniz seçenekler arasından karar veriyor ve bu karara ait güven dağılımını döndürüyor.
Örneğin bir müşteri talebi geldi:
“Entegrasyon sırasında bağlantı hatası alıyoruz, sistem üretimde çalışmıyor.”
Seçenekler:
Teknik destek
Satış
Finans
İnsan incelemesi
Jev yeni bir cevap yazmak yerine bu seçenekleri değerlendirip örneğin:
Teknik destek: %91
İnsan incelemesi: %7
Satış: %1
Finans: %1
gibi bir sonuç üretebilir.
Yani temel yapı:
Durum → seçenekler → olasılıksal karar
Bu yüzden Jev’i sohbet botundan çok, yazılım sistemlerinin içine gömülebilen hızlı bir karar motoru olarak düşünmek daha doğru.
Biz özellikle yapay zekâ ajan sistemlerinde kullanımını test ediyoruz.
Bir ajan görev tamamladığında Jev sonucu şu tip durumlara ayırabilir:
TAMAMLANDI / BAŞARISIZ / BEKLEMEDE / İNCELE
Güven yeterliyse süreç devam eder. Düşükse başka bir ajan, daha güçlü bir model veya insan kontrolü devreye girer.
Bu yapı şu alanlarda kullanılabilir:
• Ajan veya araç seçimi
• İş akışı yönlendirme
• Belge veya veri seçimi
• Risk değerlendirmesi
• İnsan onayı gerekip gerekmediği
• Model seçimi
• Sonuç sınıflandırma
Böylece her küçük kararda büyük ve maliyetli modelleri çalıştırmak yerine, daha hızlı bir karar katmanı kullanılabilir.
Bunu tek seferlik sınıflandırmadan çıkarıp döngüsel bir protokole de çevirmek mümkün:
DURUM → JEV → KARAR → YENİ DURUM → JEV → KARAR
Bence daha da güçlü olan gelecek katmanı şu:
Sadece mevcut durumu değil;
önceki girdileri + seçenekleri + verilen kararları + gerçek sonuçları
birlikte değerlendiren sistemler.
Yani soru artık sadece:
“Şimdi hangi seçenek doğru?”
değil,
“Benzer durumlarda daha önce ne yaptık ve sonuç ne oldu?”
olmaya başlıyor.
Jev şu anda TypeSafe üzerinden erken erişimle kullanılabiliyor. Biz bekleme listesine katıldıktan sonra aynı gün onay aldık, API anahtarımızı oluşturup kullanmaya başladık.
Kısaca:
Büyük dil modeli üretir.
Jev değerlendirir ve karar verir.
Yazılım kararı uygular.
Jev’in asıl ilginç tarafı bence tam olarak burada.

[Alperen Sartaçoğlu @alpsartacoglu]

Kararlardan önce karar için gerekli input materyallerinide değerlendirmeye aldık sonuç 0.9 çıksada giriş skoru 0.57 olan işlerde girişleri de iyileştirecek şekilde bir jev kullanım mekanizmasına odaklandık. Test senaryolarımızdaki ilerleme güzel ve sonuç başarısı doğru ama jev doğru seçim yapan bir model olarak ele almamak lazım , seçilebilir uzay içerisinde en kuvvetli yanıtı seçen bir model. Yani eğer girdiniz ve seçenekleriniz yeterli ve/veya efektif değilse jev e bir çıkış kapısı vererek o seçim durumlarını analiz ederek iyileştirmeye gitmek gerekebilir.
Örnek senaryo
bilgi: Fransanın başkenti paristir.
Soru :Fransanın başkenti neresidir ?
Seçenekler: Madrid - Berlin
Burada low confidence ile berlini seçebilir
Bu nedenle doğru seçenekler
Madrid - Berlin - Yeterli bilgi yok (inputu değerlendirmek için) - hiçbiri (yanlış cevaptan kaçınmak için)

Bu şekilde kullanılıp izlenerek çok daha verimli hale gelebilir

[Alperen Sartaçoğlu @alpsartacoglu]

Jev’i test ettikçe onu klasik bir LLM’den çok, süreç içine gömülebilecek hızlı bir karar bileşeni olarak görmeye başladım.

Bizim sentetik doğrulama testlerimizde Jev’in geçerli çağrılardaki medyan süresi yaklaşık 783 ms çıktı. TypeSafe ise kendi servisinde System One tipi sorgular için yaklaşık 70–500 ms uçtan uca sürelerden bahsediyor.

Asıl ilginç taraf sadece hız değil.

Jev’e bir durum, soru ve tanımlı cevap uzayı veriyorsunuz. Model serbest metin üretmek yerine bu uzay içinde karar veriyor; yanında olasılık ve güven bilgisi de geliyor.

Bu yapı özellikle döngüsel süreçlerde çok anlamlı:

durumu oku
→ birkaç küçük karar ver
→ kod kararları değerlendirir
→ yeni durum oluşur
→ Jev tekrar çağrılır
→ süreç ilerler veya güven düşükse durur

Örneğin bir müşteri destek akışında her turda niyet, risk, öncelik ve sonraki aksiyon ayrı ayrı değerlendirilebilir. Bir yazılım ajanında hangi aracın kullanılacağı, sonucun yeterli olup olmadığı veya insan kontrolüne geçilip geçilmeyeceği aynı şekilde belirlenebilir.

`Seçim` tipi kararlarda Jev şu anda 255 seçeneğe kadar destekliyor. Daha yüksek sayıda seçenek gerektiğinde önce adayları skorlayıp ardından daha dar bir seçim yapmak daha anlamlı hale geliyor.

Bence burada ilginç olan şey Jev’in tek başına bir model olması değil; bu karar yapısının protokolleştirilebilmesi.

Durum → sorular → olasılıklar → güven eşikleri → aksiyon → yeni durum.

Ama bence bir sonraki daha güçlü katman burada başlıyor.

Bugün çoğunlukla son kararın olasılığına ve confidence değerine bakıyoruz. Oysa girdilerin kendi aralarındaki örüntüsel uyumu, sorunun mevcut bağlamdan gerçekten cevaplanabilir olup olmadığı ve verilen seçeneklerin durumla ne kadar örtüştüğü de ayrıca skorlanabilirse çok daha güçlü bir güven modeli ortaya çıkabilir.

Yani yalnızca:

“Bu cevaba ne kadar güveniyorum?”

değil,

“Bu soru bu bağlamda anlamlı mı?”
“Bu seçenek uzayı bu durum için doğru mu?”
“Girdi ile sonuç arasındaki örüntü ne kadar tutarlı?”

soruları da ölçülebilir hale gelir.

Bunu başarabilen bir sonraki model veya ürün, tek karar güveninden çok daha güçlü bir karar güvenliği katmanı oluşturabilir.

Bence Jev’in asıl potansiyeli de burada açılıyor.

[Alperen Sartaçoğlu @alpsartacoglu]

Jev denediğim ve anladığım kadarıyla serbest bağlam değil şu modelle çalışıyor
Durum - soru - seçenekler.

Yani burada model seçenekler arasından güçlü olanı seçiyor.
eğer yanlış seçenekler iletirseniz yine kuvvetli yanlışı seçer yani buradaki güçlü nokta halüsinasyondan kurtarıyor ama hatadan değil.
Denemedim ama
Matematik işlemim var 2+2 nin sonucu nedir ? Elma mı ? 6 mı diyorsunuz burada matematiksel olduğu için 6 diyor ve buna skor veriyor size 4 yanıtını dönmüyor.

Bu nedenle sorgulara bir çıkış kapısı eklemeniz gerekiyor yani seçenekler arasına Elma - 6 - hiçbiri yazarsanız muhtemelen bu sefer hiçbiri seçeneğini seçecektir.

Kullanırken sisteminizi veya akışınızı buna göre ayarlamalısınız

[Alperen Sartaçoğlu @alpsartacoglu]

@Saccc_c Jevsus ismini nasıl ıskalarsın 😄

[Alperen Sartaçoğlu @alpsartacoglu]

Xerify 0.3.1 yayında.
Xerify ilk olarak kendi ürünlerimizde kullandığımız bir doğrulama protokolü ve katmanı olarak ortaya çıktı.Zaman içinde bağımsız kullanılabilecek kadar olgunlaştı ve ayrı bir açık kaynak ürüne dönüştü.
0.3.1 sürümüyle birlikte önemli bir adım daha attık: TypeSafe’in Jev karar modelini Xerify’a https://t.co/zci3TC1gjdık aynı doğrulama sözleşmesi altında hem LLM tabanlı doğrulayıcılar hem de typed decision modelleri çalışabiliyor.

Akış basit:

bounded evidence → farklı sağlayıcı → confirmed / refuted / unclear

Jev kullanıldığında olasılık dağılımı ve confidence bilgileri de korunuyor.
Belirlenen güven eşiklerinin altında Xerify tahmin yürütmek yerine unclear dönüyor.

Bizim için buradaki asıl gelişme yalnızca yeni bir model entegrasyonu değil.
Xerify giderek “başka bir modele tekrar sor” yaklaşımından çıkıp, farklı doğrulama motorlarını ortak bir sözleşme altında birleştiren model-bağımsız bir verification layer haline geliyor.

Kurulum:
npm install -g xerify-cli

CLI, TypeScript library ve MCP üzerinden kullanılabiliyor.
Open source. MIT licensed.
Verify before you trust.
https://t.co/rbNqUzmR75

#AI #OpenSource #LLM #Agents #MCP #TypeScript #Verification #Jev #Verhex

[Alperen Sartaçoğlu @alpsartacoglu]

@mertcobanov Multiprovider cli üzerinden aboneliklede çalışan bir aracımız var kendimizde kullanıyorduk jev de entegre ettik deneyebilirsiniz yeni paketide npmden yayınlanacak birazdan.

repoda analizlere ve detaylara ulaşabilirsiniz.

https://t.co/THftXTFJUf

npm -i xverify-cli