No. 1
2026-07-19
yapay zeka nabzı — ham değil, demlenmişthe AI pulse — brewed, not raw
 AI KRİTİKAI CRITIQUE
Robotik kol ve insansı robot, arka planda dijital ekranlar ve bir dünya haritası bulunan karmaşık bir makine üzerinde işbirliği yapıyor.

2026’da AI Şirketleri Dünya Modellerine Yatırım Yapıyor – Fiziksel Gerçekliği Anlamak İçin Yeni Yarış2026: AI newcomers collectively bet on world models

Habere gitRead the article    Türkçe (otomatik çeviri) English (automatic translation)

ÖzetSummary

Makale, 2026'da 'dünya modellerine' yönelik yatırım dalgasını inceliyor. Bu modeller, bir sonraki token'ı tahmin etmek yerine fiziksel durumları öngören yapay zeka sistemleridir. Metin, LeCun'un AMI Labs'ının 1,03 milyar dolarlık tohum turu, World Labs'ın 1 milyar dolarlık finansmanı ve Çinli birçok girişimin milyarlarca RMB toplaması gibi devasa yatırım turlarına atıfta bulunuyor. Ayrıca video üretimi, uzamsal yeniden yapılandırma, gövdeli simülasyon ve otonom sürüş alanlarında rekabet eden teknik kampları haritalandırıyor.The article examines the investment wave directed at 'world models' in 2026. These are AI systems that predict physical states rather than simply forecasting the next token. The text references massive funding rounds, including Yann LeCun's AMI Labs raising $1.03 billion in a seed round, World Labs securing $1 billion, and numerous Chinese startups collecting billions of RMB. It also maps the technical camps competing in video generation, spatial reconstruction, embodied simulation, and autonomous driving.

Neden ÖnemliWhy it matters

Yazı, gerçek bir kırılma noktasını belgeleyerek sektörün büyük dil modeli (LLM) sonrası bir paradigma aradığını gösteriyor. Ölçek yasası kazançları düzleşiyor; GPT-4.5, SWE-bench'te GPT-4o'ya kıyasla yalnızca %2-7 daha iyi performans sergiliyor. Ayrıca kamuya açık metin kurşununun yaklaşık 300 trilyon token olduğu tahmin ediliyor. Makale, video, 3D, robotik ve otomotiv oyuncularının farklı giriş noktalarından fiziksel dünya modellemesine nasıl yaklaştığını gösteren faydalı bir rekabet haritası da sunuyor. Bu sayede sermaye ve yetkinliğin nereye aktığına dair pratik bir referans noktası sağlıyor.The piece documents a genuine inflection point, indicating that the industry is seeking a post-LLM paradigm. Scaling law gains are flattening; GPT-4.5 performs only 2-7% better than GPT-4o on SWE-bench. Additionally, the public text corpus is estimated at approximately 300 trillion tokens. The article provides a useful competitive map showing how players in video, 3D, robotics, and automotive are approaching physical world modeling from different entry points, offering a practical reference for where capital and expertise are shifting.

Öne ÇıkanlarHighlights

  • BLINK ve PhysBench kıyaslamaları, kalıcı bir fiziksel akıl yürütme açığını ortaya koyuyor. GPT-4V uzamsal görevlerde yaklaşık %51 puan alıyor. Fiziksel anlama, model boyutu veya veri hacmi arttıkça güvenilir bir şekilde ölçeklenmiyor.Comparisons between BLINK and PhysBench reveal a persistent gap in physical reasoning. GPT-4V scores approximately 51% on spatial tasks. Physical understanding does not reliably scale with increased model size or data volume.
  • 'Dünya modeli' için birleşik bir tanım yok. Zhiyuan Enstitüsü dört kategori, World Labs ise üç işlevsel tür öneriyor. Teknik yollar (piksel tabanlı, 3D yapı, gizli uzay, hafif) hâlâ parçalanmış durumda.There is no unified definition for a 'world model.' The Zhiyuan Institute proposes four categories, while World Labs suggests three functional types. Technical approaches (pixel-based, 3D structure, latent space, lightweight) remain fragmented.
  • Çin'in rekabet avantajı, hesaplama gücü üstünlüğü olarak değil, senaryo yoğunluğu olarak çerçeveleniyor. Üretim zeminleri, karmaşık şehir trafiği ve robot tedarik zincirleri, dünya modellerinin ihtiyaç duyduğu fiziksel geri bildirim döngülerini üreten unsurlar olarak öne çıkıyor.China's competitive advantage is framed not as computational superiority, but as scenario density. Manufacturing floors, complex urban traffic, and robotic supply chains are highlighted as elements that generate the physical feedback loops world models require.

EleştiriCritical take

Yazı, bağımsız bir analizden çok sektörel bir destek belgesi gibi okunuyor. Dünya modellerini tekrar tekrar 'savaşılması gereken bir alan' olarak etiketliyor. LeCun'un 'LLM'ler tamamen yanlıştır' sözünü karşıt görüşler sunmadan aktarıyor. Hâlâ parçalanmış ve tanımsız olan bu alanı yerleşmiş bir konsensüs gibi sunuyor. Çinli girişimlerin finansman turlarına verilen ağırlık ve 'bir sonraki yapay zeka şirketi laboratuvarda değil, atölyede doğabilir' şeklindeki kapanış argümanı, eleştirel incelemenin yerini anlatısal tanıtıma bırakıyor. Bu yaklaşım, bu yollardan herhangi birinin henüz doğrulanabilir ve genellenebilir bir fiziksel akıl yürütme yeteneği ürettiğini sorgulamayı geri plana itiyor.The article reads more like an industry support document than an independent analysis. It repeatedly labels world models as a 'battlefield.' It quotes LeCun's claim that 'LLMs are completely wrong' without presenting counterarguments. It presents this still fragmented and undefined field as an established consensus. The emphasis on Chinese startups' funding rounds and the closing argument that 'the next AI company may be born in a workshop, not a lab' replace critical scrutiny with narrative promotion. This approach sidelines the question of whether any of these approaches have yet produced verifiable and generalizable physical reasoning capabilities.

Bu kritik, yerel yapay zeka modeli Qwen3.8-27B tarafından yazılmıştır. Haberi ben seçtim; kritik metnini yayımlanmadan önce tek tek denetlemiyorum.This critique was written by the local AI model Qwen3.8-27B. I chose the story; I do not review each critique before it is published.
Bültene dönBack to the issue