Orijinal Başlık: Karpathy'nin Anthropic'e Katılmasının Claude İçin Aslında Ne Anlama Geldiği
Orijinal Yazar: @nateherk
Çeviren: Peggy, BlockBeats

Editör Notu: Andrej Karpathy'nin Anthropic'e katılması, sadece "AI uzmanının önde gelen bir laboratuvara katılması" gibi bir personel haberleri değil. Daha dikkat çekici olan, bu personel değişikliğinin işaret ettiği ürün yönelimi değişikliğidir.

Geçen yıl, AI endüstrisinde rekabet odak noktası hala büyük ölçüde modelin kendisine odaklanmıştı: hangi benchmark daha yüksek, hangi çıkarım yeteneği daha güçlü, kim liderlik tablosunda önde. Ancak Claude Code, Skills, MCP, proje hafızası, Agent iş akışı gibi ürün yeteneklerinin sürekli geliştirilmesiyle, daha net bir eğilim ortaya çıkıyor: Model kendisi sadece ürünün bir katmanıdır, gerçekten kullanıcı çıktı verimliliğini belirleyen, modeli saran bağlam, anı, iş akışı, beceri, bağlayıcılar, dosya yapısı, stil rehberi ve hedef döngüsüdür.

Karpathy'nin son aylarda sürekli vurguladığı "bağlam mühendisliği", tam da bu değişikliği karşılıyor. AI'nın istikrarlı bir değer üreteip üretemeyeceğini gerçekten belirleyen şey, sadece kullanıcının yazdığı bir ipucu değil, aynı zamanda modelin belgenizi, iş akışınızı, stil standartlarınızı, iş hedeflerinizi ve karar verme sisteminizi anlayıp anlayamayacağıdır. Başka bir deyişle, AI'nın bir sonraki aşama rekabeti, belki de artık sadece "hangi model daha güçlü" değil, modelin gerçek iş ortamlarına daha iyi entegre olabilen kişiler.

LLM Wiki'den AutoResearch'e, daha sonra /goal gibi hedefe odaklanmış döngülere kadar, Karpathy'nin halka açık olarak keşfettiği yön her zaman aynı soru etrafında dönüyordu: AI'ı "soruları cevaplayan bir sohbet penceresinden" çıkarıp, bağlamı anlayabilen, görevleri sürdürebilen ve hedefe doğru döngüsel olarak ilerleyen bir çalışma sistemine dönüştürmek mümkün mü? Anthropic'in son zamanlarda Claude Code, kurumsal hizmetler, ekosistem bağlayıcıları ve iş akışı yetenekleri konusundaki konumu da aynı yolda ilerliyor.

Bu nedenle, Karpathy'nin Anthropic'e katılmasının anlamı, sadece bir yetenek akışı değil, aynı zamanda Anthropic ürün yol haritasına yapılmış bir vurgu gibi: Gelecekteki AI araçları, değer sadece model parametrelerinde değil, aynı zamanda kullanıcıların biriktirdiği veri, iş akışı, hafıza sistemleri ve sektör bilgilerinde yatmaktadır. Bu bağlamları düzenleyebilen kişi, muhtemelen AI'ı gerçekten "araç"tan "altyapı"ya taşıyabilecek kişidir.

Aşağıda orijinal metin bulunmaktadır:

Birkaç saat önce, Andrej Karpathy, Anthropic'e katılacağını duyurdu.

Bu hikayenin en basit versiyonu şudur: Bir yapay zeka dehası büyük bir yapay zeka laboratuvarına katıldı.

Ancak daha dikkate değer olan soru şudur: Neden Anthropic? Ve neden şimdi?

Çünkü Karpathy'nin son birkaç ay boyunca açıkça oluşturduğu şeylere geri dönüp, Claude Code'un son zamanlarda sürekli olarak piyasaya sürdüğü özelliklere bakınca, ikisinin zaten aynı ürün yönelimine doğru ilerlediğini göreceksiniz.

Arka Plan

Karpathy, modern yapay zeka alanının en önemli figürlerinden biridir.

OpenAI'nin 2015'te kurucu üyelerinden biri olup beş yıl boyunca Tesla'da yapay zeka işlerinden sorumlu oldu; 2023 yılında OpenAI'ye geri döndü, bir yıl sonra ayrıldı; daha sonra kendi yapay zeka eğitim şirketi Eureka Labs'ı kurdu. Ayrıca LLM 101n'ı piyasaya sürdü, bu ücretsiz bir kurs olup kullanıcılara sıfırdan bir dil modeli oluşturmayı öğretiyor.

Ayrıca, "vibe coding" kavramının yaratıcısıdır: Sadece ne istediğinizi İngilizce olarak açıklamanız ve yapay zekanın kod yazmasına izin vermeniz, sonra sürekli olarak deneyimleyip, yönlendirip ve tekrarlamak. Ayrıca "context engineering" (bağlam mühendisliği) kavramını ortaya attı, bu da bu makalenin ilerleyen bölümlerinde ele alınacak önemli bir konu olacak.

Dolayısıyla, bu sıradan bir işe alım değil. Bu, yapay zeka alanının en etkili seslerinden birinin, şu anda en güçlü yapay zeka laboratuvarlarından birine katıldığı anlamına geliyor.

Claude Code çok sayıda yapımcının Ajan oluştururken, kod yazarken veya gerçek dünya bilgisiyle çalışırken tercih ettiği bir araç haline geldi. Yaklaşık bir hafta önce, Ramp, AI Endeksi'ni yayınladı. Bu verilere göre, Anthropic'in kurumsal benimseme oranı, OpenAI'yi ilk kez geçti: %34.4'e karşı %32.3.

Tabii ki, adil olmak gerekirse, bu sadece Ramp müşteri tabanındaki verilere dayanıyor. OpenAI hala güçlü bir tüketici markasına sahip ve bu örnekleme dahil edilmemiş birçok kurumsal sözleşmeye sahip. Bu durumu abartmak istemiyorum, ancak bu sinyali göz ardı etmek gerçekten zor.

Bu ayın başlarında, Anthropic, yeni bir kurumsal AI hizmet şirketi kurduğunu duyurdu. Bu, Anthropic'in Blackstone, Hellman & Friedman, Goldman Sachs ile ortaklaşa kurduğu bir girişim olan, orta ölçekli işletmelerin Claude'ü çekirdek iş süreçlerine entegre etmelerine yardımcı olmayı hedefleyen bir şirkettir.

Bu hamleye tekrar bir göz atın: Onlar model oluşturuyorlar, ayrıca Claude Code, Skills, MCP gibi ürün girişleri yapıyorlar; iş ortakları ağını kuruyorlar; şimdi de işletmelerin ürünü gerçekten hayata geçirmelerine yardımcı olacak bir hizmet yeteneği eklediler.

Artık bu, "sana bir model verelim, gerisini kendin hallet" oyunu değil.

Wrapper Gerçek Üründür

Bugün yapay zeka hakkındaki çoğu tartışma, hala modeli tamamlanmış bir ürün olarak görüyor: Hangi model hangi benchmark'ta kimseyi yendi, Opus 4.7, GPT-5.5, Gemini kim daha güçlü, sıralama nasıl değişiyor.

Model elbette önemli, modelin önemli olmadığını söylemiyorum. Ancak bu araçları ne kadar süre kullandıkça, modelin sadece ürünün bir katmanı olduğu daha belirgin hale geliyor. Gerçekten günlük üretimini değiştiren şey, modelin dışındaki o katman saran yapıdır.

Bu aynı modeli kullanan iki kişinin sonunda tamamen farklı sonuçlar elde edebilmesinin nedeni de budur.

Söz konusu yapı (wrapper), modelin nasıl kullanılacağına karar veren her şeydir.

→ Claude Code kendisi, Codex, Skills, Subagents, Hooks, MCP bağlayıcıları.

→ Senin CLAUDE.md dosyan, hafızan, belgelerin, durum örneklerin.

→ Dosya yapın, stil rehberin, ve "iyi sonuç"un gerçek tanımı.

Bu, modelin yer aldığı ortamdır.

Eğer tamamen yeni bir sohbet penceresi açarsanız, hiçbir bağlam olmadan ve iş sorunlarını çözmenize yardımcı olması için ona izin verirseniz, size hiçbir şey bilmeden sadece tahminde bulunabilir. Bu nedenle, zaten on kez söylediğiniz arka planı tekrar tekrar konuşmada açıklamak zorunda kalırsınız.

Ancak ona belgelerinizi, durum örneklerinizi, iş akışınızı, stil rehberinizi ve gerçek başarı standartlarınızı verirseniz, aynı model bile, sonuç tamamen farklı olacaktır.

İşte Karpathy ve Anthropic'in örtüşme noktası budur. O, "bağlam mühendisliği"ni (context engineering) öne sürüyor, devamında sadece "prompt engineering" üzerinde durmuyor, bu sebepten dolayı. Gerçekten önemli olan yetenek, mükemmel bir prompt oluşturma kapasitesi değil, modelin gerçekten çalışabilmesi ve farklı oturumlar arasında bağlamı hatırlayıp kullanabilmesi için doğru bir ortamı oluşturmaktır.

Anthropic bu ortamı gizlice oluşturdu. Karpathy bu yaklaşımı açıkça öğretmeye devam etti. Şimdi, bu iki fikir birleşti ve aynı şirkette buluştu.

Bu şekilde anlaşılınca, Karpathy'nin son birkaç ayda açıkça yaptığı şeyler, artık rastgele bir dizi proje gibi değil, daha çok bir yol haritası gibi görünüyor.

LLM Wiki ve Veri Kale Moat'ınız

Nisan ayında Karpathy, LLM Wiki'yi yayınladı. Bu proje hızla popüler hale geldi.

Yapısı çok basit. Eğer isterseniz, ben de bir YouTube rehberi hazırladım.

→ Bir raw/ klasörü, içinde birçok markdown dosyası bulunduran, notlar, kaynaklar, transkriptler olabilecek her türlü materyalin olduğu.
→ Bir wiki/ klasörü, Ajan'ın tüm içerikleri sentezlediği, içerikler arasındaki bağlantıları kurduğu ve zihin haritası oluşturduğu.
→ Bir şema belgesi, CLAUDE.md veya AGENTS.md gibi, Ajan'a bu sistemin nasıl çalıştığını ve yeni materyallerin nasıl emilmesi gerektiğini söyleyen belge.

Bu, yapay zekanın orijinal dosyalarda arama yapmasını değil, basitçe vektör sorgusu çalıştırmasını değil, yapay zekanın canlı ve sürekli gelişen bir bilgi tabanı oluşturmasını sağlar. Birçok insan, kendi "ikinci beynini" oluşturmak için bunu kullanmaya başladı.

Bu, yüzeyde göründüğünden daha önemli. Birçok insan "veri kale moat" dediğinde, akıllarına büyük bir kurumsal veritabanı gelir. Ancak normal bir yapımcı için, gerçek kale moat daha küçüktür ve daha pratiktir.

Bu, olabilir: toplantı notları, iç SOP'lar, müşteri telefon kayıtları, transkriptler, elinizin altındaki adlandırma standartları ve gerçekten size ait olan iş çerçeveleri.

Eğer Claude, bu içeriği model tarafından görülebilir ve kullanılabilir bağlam haline getirebilirse, o zaman sizin için bu model her hafta daha zeki ve daha kullanışlı hale gelecektir.

Bu, kilitleme etkisidir. Modeli değiştiremeyeceğiniz için değil, tabii ki modeli değiştirebilirsiniz. Ancak belirli bir araçta sürekli olarak bağlam, iş akışı ve hafıza oluşturduğunuzda, zaman geçtikçe ayrılmak o kadar zor olur.

LLM Wiki sadece bir yan proje değil. Bu bir ipucudur. Gelecekte Claude Code veya Claude projesinde daha yerleşik bir işlevin benzerini görmem sürpriz olmaz. Bazı ipuçları zaten auto-dream özelliğinde görülebilir.

Tabii ki beklemenize gerek yok. Bu hafta sonu Claude Code'un belgelerinizi okumasını sağlayabilir ve bu şekilde bir wiki oluşturabilirsiniz.

Eğer bir AI-önceki kişi olmak istiyorsanız, verilerinizin değeri yalnızca Ajan'ın onu nasıl bulacağını ve nasıl doğru bir şekilde kullanacağını bildiğinde gerçekten ortaya çıkar.

AutoResearch ve /Goal Döngüsü

Geçen Mart ayında, Karpathy AutoResearch adında bir proje yayınladı. Bu otomatik araştırma döngüsüdür. Eğer Ralph Loop oynadıysanız, ikisinin ideolojik olarak benzer olduğunu göreceksiniz.

Genel model şöyle:

1. Bir eğitim betiği alın.

2. Bir değişiklik önerisi ortaya koyun.

3. Kısa bir eğitim görevi çalıştırın.

4. Objektif metriklere dayanarak sonuçları kontrol edin: Başarılı mı değil mi?

5. Hedefe ulaşılana kadar sürekli tekrarlayın.

Açıkçası, AutoResearch benim kişisel olarak sık kullandığım bir özellik değil. Ben model eğitmiyorum ve böyle bir döngüye ihtiyaç duyan uygulamalar geliştirmiyorum. Ancak şekli çok önemli.

Hedefi tanımlayın. Ajanı çalışmaya bırakın. Tamamlandıktan sonra geri dönün.

Son zamanlarda ekosistemin neye doğru ilerlediğine bir bakın: Codex bir /goal'a sahip oldu, Hermes bir /goal'a sahip oldu, Claude Code da kendi doğal /goal'üne sahip.

Karpathy'nin bu özelliği doğrudan icat ettiğini iddia etmiyorum. Bilmiyorum. Ayrıca, AutoResearch ve /goal arasında temelde de bir fark vardır. Ancak bu modeller açıkça ilişkilidir.

İkisi de bizi "bir giriş, bir yanıt" modelinden çıkarıyor.

Bizi başka bir etkileşim biçimine doğru yönlendiriyorlar: Sonucu belirleyin, Ajanın nasıl yapacağına kendisinin karar vermesine izin verin ve koşullar yerine getirildiğinde geri dönün.

Bu, güçlendirilmiş bir vibe coding'tir. "Ne istediğinizi" tanımlayın, "Nasıl yapılacağını" tanımlamayın, sonra tamamlanmasını bekleyin.

Bu modeli ve LLM Wiki'nin düşüncesini birleştirdiğinizde, bütün bu şey artık bir sohbet botu gibi değil. Gerçek bir çalışan gibi görünmeye başlıyor: işinizi anlar ve bir hedef etrafında sürekli çalışır, hedefe ulaşılana kadar.

Eğitim Bu İz

Karpathy'nin katılım duyurusunda, büyütebileceğimiz bir cümle var. Şöyle diyor: "Hala eğitime derin bir tutkuyla bağlıyım."

Eureka Labs, yani onun önceki şirketi aslında bir eğitim projesiydi. Amacı insanlara "bu düğmeye bas, bu düğümleri bağla" öğretmek değil, insanların AI'yı gerçekten içten anlamalarına yardımcı olmaktı: bu sistemler aslında nasıl çalışır.

Karpathy'nin nadir özelliklerinden biri, son derece teknik bir konuyu anlaşılabilir ve erişilebilir hale getirebilmesidir. Bir şeyi anlamak bir yetenektir. Onu başkalarına gerçekten kullanabilir hale getirmek ise tamamen farklı bir yetenektir.

Bu, Anthropic için çok önemlidir. Eğer bir sonraki aşama rekabeti bağlam, iş akışı, Beceriler, hafıza ve döngüler etrafında dönüyorsa, o zaman darboğaz sadece teknik değil, aynı zamanda eğitim de içerir.

IBM'in son zamanlarda yapmış olduğu bir AI benimseme ve dönüşüm yönetimi üzerine araştırması, işletmelerin "AI'ı kullanabilme" ile "AI'ı gerçekten iyi kullanmak" arasındaki büyük farkı açıkça ortaya koymaktadır. Çoğu işletme bu aşamada takılı kalmaktadır.

Bir AI eğitiminde en iyisi olan birinin bir organizasyona girmesi ve bu farkı kapatmaya yardımcı olması, küçümsenecek bir adım değildir.

Claude Code İçin Üç Tahmin

Aşağıdakiler sadece tahminlerdir. İçeriden bilgim yok, ve Anthropic'in yol haritasını bilmiyorum. Ancak, Anthropic'in yakın zamanda piyasaya sürdüğü ürünlere ve Karpathy'in son aylarda açıkça yayınladığı içeriklere dayanarak, yön oldukça net.

Anthropic bir "Bağlam Uygulama Mağazası" inşa edecek

Bunu zaten yapmaya başladılar. Resmi eklentiler, Beceriler ve pazarlama bileşenleri şekillenmeye başladı.

Ancak benim bahsettiğim şey prompt pazarı değil.

Söz ettiğim şey bir tür bileşen: Beceriler, iş akışları, proje hafızaları, dikey alan bağlamları, değerlendirme döngüleri ve gerçek verilere bağlayıcılar. Ayrıca, modellere bir pozisyonda neyin "iyi" olduğunu öğretebilen örnekler de dahildir.

Bu bileşenleri alana entegre ederseniz, modelden daha fazla değer elde edersiniz, hatta model zaten yeterince akıllı olsa bile.

Çünkü normal kullanıcılar için modelin kendisi artık tek farklılık noktası olmaktan çıkıyor. Gerçek mesele şudur: Kim modelin etrafına doğru veri ve sarmalayıcıyı kurarak, şirkete gerçek ROI getirebilecek sonuçlar elde edebilir.

LLM Wiki, kullanıcı dostu hafızaya dönüştürme modelleriyle karışık bilgileri kullanılabilir hale getirir. /Goal, hedefleri otomatikleştirilmiş döngülere dönüştürme modelleridir. Karpathy'nin eğitim çalışması ise karmaşık AI kavramlarını anlaşılabilir hale getirme modelidir.

Gerçekten paketlediği şey, bir davranış biçimidir. Eğer Anthropic bu davranış biçimini gerçek bir ekosisteme dönüştürebilirse, Claude Code artık sadece bir programlama aracı olmaktan çıkacak ve bir pazar haline gelecektir.

Üründe daha fazla /goal tarzı komut görünecek

/Goal muhtemelen sadece ilk versiyon olacak, son hal değil.

Gelecekte özel versiyonlar görünebilir: Araştırma döngüsü, hata ayıklama döngüsü, sonlandırma döngüsü. Ayrıca belirli dikey alanlara yönelik optimize edilmiş komutlar da olabilir, bu senaryolarda, Ajan "tamamlama"nın ne anlama geldiğini zaten bilir.

Adlarının ne olacağını bilmiyorum, bu da önemli değil.

Önemli olan etkileşim arayüzünün değişeceği. Artık "bu adımı at" demiyorsunuz, bunun yerine, "bu belirli dikey senaryoda belirli bir koşul gerçekleşene kadar devam et" demeye başlıyorsunuz.

Anthropic, kullanıcıların iş akışlarını paketlemelerine yardımcı olacak bir eğitim sistemi başlatacak

Bu, en cesur tahmin. Açıkçası, aynı zamanda benim en ilginç bulduğum tahmin.

Eğer Anthropic gerçek bir bağlam pazarı oluşturmak istiyorsa, sıradan insanların da katkıda bulunabileceği, sadece geliştiricilere ve araştırmacılara yönelik olmayan bir sistem olması gerekiyor.

Yani, farklı mesleklerden alan uzmanlarının da katkıda bulunabileceği bir sistem olmalı.

→ Aylık hesap kapanış sürecini gerçekten anlayan muhasebeci.

→ Her adımı gayrimenkul operasyoncusu tarafından bilinen gayrimenkul girişimcisi.

→ İyi paketlemenin ne olduğunu, kötü paketlemenin ne olduğunu bilen ve sıfırdan bir konsept beyin fırtınası yapabilen YouTuber.

Bu bilgi değerlidir. Ama şu anda, ya insanların zihinlerinde sıkışıp kalıyor ya da dağınık belgelerde, Slack mesajlarında ve ClickUp kanallarında dağılmış durumda.

Benzer işaretleri gerçek hayatta görebiliyorsunuz. Birçok koç, kendi AI alter egolarını ve sohbet botlarını oluşturmaya başladı ve kullanıcılardan bu AI'larla konuşmaları karşılığında ücret talep ediyor. Bu manuel versiyon. İnsanlar başkalarının uzmanlığını çıkarmak istiyor ve bunu kendi işlerinde kullanmak istiyorlar.

Bugün bir reklam Ajansı oluşturmak istesem takılırım. Çünkü bu alandaki uzmanlığa sahip değilim. Ancak, bir pazar varsa ve belirli bir alandaki yüksek kaliteli SME bağlamını abone olmama olanak tanıyorsa, hemen bir müşteri olurdum.

Bu, önümüzdeki adımı odaklanacağım katmandır.

Kapanış

Gerçek hikaye, bu desenin kendisidir.

Model yalnızca bir katmandır. Modelin dışındaki sargı, gerçek ürün olmaya başlıyor. Verileriniz ve iş akışınız, gerçek kilitlenme etkisine dönüşüyor. Karpathy'nin son aylarda öğrettiği şey tam da budur. Anthropic'in son aylarda yaptığı da budur.

Bu nedenle, bu katılım bir haber başlığı değil, bir yol haritasıdır. Tüm mantığı ayrıntılı olarak açıkladığım tam videoya, link ilk yanıta yerleştirilmiştir.

[Orijinal Metin Bağlantısı]

BlockBeats Resmi Topluluğuna Katılın:

Telegram Abonelik Grubu: https://t.me/theblockbeats

Telegram Sohbet Grubu: https://t.me/BlockBeats_App

Twitter Resmi Hesabı: https://twitter.com/BlockBeatsAsia