Arena'da kostüm giyen Gemini: 3.8 Flash etiketi altında sızan Gemini 4 izleri

Hafta sonunda Arena'da Gemini 3.8 Flash etiketiyle listelenen bir model, Google'ın 2 Eylül'de resmen duyurduğu aynı isimli sürümden tamamen farklı davrandığı için dikkat çekti. Bilinen 3.8 Flash hızlı yanıt ve yaklaşık geometriyle bilinirken bu anonim model bir PlayStation 5'i ham SVG olarak istendiğinde yaklaşık 10 dakika sessiz kalıp binlerce satırlık kod döndürdü ve kavisleri, gölgeleri, küçük optik sürücü detayını bile tek seferde yerli yerine oturttu. Resmi Flash'ın aynı istemi 10-15 saniyede kabaca yaklaşan şekillerle geçiştirdiği düşünülünce ya en yavaş Flash sürümüyle karşı karşıyayız ya da hız rozeti üzerine giydirilmiş bir kostüm söz konusu.

Arena'da kostüm testi nasıl fark edildi?

Arena, 2023'te UC Berkeley kökenli bir ekibin başlattığı kör test zemini olarak iki modeli isimsiz yan yana koyup kullanıcı oyuyla markasız veri toplama fikrine dayanıyor ve anonim testler bu platformda zaten olağan. Google dahil birçok laboratuvar Gemini deneme sürümlerini bu şekilde dolaşıma soktu ve Ağustos ortasında Ox Alpha adlı anonim model iki gün içinde ilk üçe tırmanıp hâlâ sahiplenilmeden kalmasıyla örneği de verdi. Burada sıra dışı olan anonimlik değil, zaten yayındaki bir modelin adının yeniden kullanılması; gizlilik değil kamuflaj olarak okunması bu yüzden.

Görsel yetenek neden sıçrama olarak okunuyor?

Vektör kodunda hassas uzamsal koordinat üretimi, dil modelleri için en zorlu sınavlardan biri olarak görülüyor ve genellikle yarım yamalak hizalanan şekiller, kopuk yollar, basitleştirilmiş geometriyle sonuçlanıyor. Sızan karşılaştırmalarda bu modelin voxel pagodaları, BMW M4 çizimleri ve gün batımından geceye geçişli pelikanın bisiklete binmesi gibi klasik uzamsal muhakeme istemlerini kırpma olmadan, hizası bozulmadan ve renk tonlamasını tek istemde yöneterek vermesi, artışın nicel değil nitel olduğu yorumunu güçlendirdi. Geliştirici Pankaj Kumar'ın tek uzun istemi dört turluk düzeltmeye ihtiyaç duymadan ayrıştırıp tek geçişte kavraması ve geliştirici B'nin 14 dakikada kaydırmanın fırça darbesine dönüştüğü eskiz dokulu vitrin sitesi de aynı işareti veriyor.

Bu bekleme süresinin modelin bocalaması değil, yoğun test aşaması hesaplaması olduğu vurgulanıyor. Eski Flash yaklaşımı temel şekiller ve yaklaşık koordinat matematiğini anında sunarken bu sürüm planlama, yazma, çalıştırma, ayıklama ve cilayı içeride tamamlayıp iyi olduğunda yanıtı bırakıyor. Felsefe farkı bu yüzden ayrı bir ürün nesline işaret ediyor ve hız katmanına ait bir rozetin altında yanlışlıkla belirmesi olasılığı zayıf görülüyor.

Tek seferde gelen web ve oyunlar

Yaratıcı üretim örnekleri aynı çizgide çoğalıyor. Bir testte siberpunkt ve retrofütürizmi harmanlayan hero bölümünde 3 boyutlu ızgara, canlı veri paneli ve etkileşimli model çorba olmadan üst üste taşındı. Yaklaşık 10 dakikada Airbus H145'in eksiksiz 3 boyutlu modeli, içeride hissi veren voxel pagoda ve resmi 3.8 Flash çıktısını belirgin biçimde geride bırakan bir uçuş simülasyonu da tek seferde geldi. Bu kümeye bakınca resmi model ile anonim olan aynı etiketi paylaşsa bile aynı model olamayacağı kanısı pekişiyor.

Oyun cephesinde ölçek daha da büyüyor. Minecraft tarzı bir yapının sayfa mimarisinden tek tek modül tasarımına kadar tamamlanma düzeyinin yayımlanmış Astra sonuçlarıyla eş tutulması, modern KartRider'dan daha güncel görünen tek seferlik 3 boyutlu kart yarışçısının eksiksiz etkileşim mantığı ve görsellerle kısa sürede çıkması, tek atımlık üretim iddiasını pekiştiriyor. Geliştirici Vidi'nin basit SVG kedi testinde Astra benzeri rakip modelin kaplana kaçan çıktısına karşılık bu modelin anatomik tutarlılığı da uzamsal sadakat tartışmasına ekleniyor.

Sızan skorlar ve fiyatın şoku

Asıl virale dönüşen parça, teyitsiz olduğu özellikle vurgulanmasına rağmen agresif bir skor tablosu. İddiaya göre agentic kodlamayı ölçen Deep SWE 1.1'de yaklaşık %88 ile Astra'nın iki puan önünde, gerçek dünya bilgi işçiliğini ölçen GDP Eval-A-V2'de tablodaki tek 2064 Elo, terminal kodlamada Terminal Bench 2.1'de %95,3 ile birincilik ve bilgisayar kullanımında OSWorld 2.0'da %86,8 ile hem Astra hem Fable 5.1'in önünde. Kodlama, ajan ve muhakeme kümelerinin birlikte süpürülmesi, skorlar doğru ise cepheyi ilgilendiriyor.

Fiyat söylentisi skorlar kadar yıkıcı bulunursa şaşırtıcı değil. Dolaşan iddia girdi için milyon token başına 2,25 dolar ve çıktı için 11,25 dolar; Astra 3 Eylül ve Fable 5.1 1 Eylül'de 10 ve 50 dolarla listelendiği için bu rakam tam %22,5 oranına denk geliyor. Diğer yönde ise resmi Gemini 3.8 Flash'ın Aralık 2026 sonuna kadar 0,75 ve 3,75 dolarlık promosyonu ile kıyaslandığında yaklaşık üç katı ve bir pro katman fiyatına daha yakın, bu da Flash olmadığı argümanını sessizce destekliyor. Tüm bu fiyatlar Google tarafından duyurulmadan spekülasyon olarak kalıyor.

Perde arkası, zor yıl ve RSI izleri

Perde arkası hayalet rotalar üzerinden okunuyor. Araştırmacılar, Qwena rumuzlu iz sürücüler dahil, anonim modele giden çağrılarda resmi Flash'ın 1.048.576 giriş ve 65.536 çıkış sınırına karşı 10 milyon giriş ve 256 bin çıkış tavanı gördüğünü aktarıyor; bu yaklaşık 9,5 kat giriş ve 4 kata yakın çıkış demek ve çoğu amiral modelin 4 bin ila 16 bin arası üretim bütçesiyle kıyaslandığında tek geçişte depo ölçeğinde yeniden yazım veya uzun roman imkânı anlamına geliyor. Buna kalıcı oturumlar arası bellek, API'siz doğrudan internet erişimi, zararlı kodun izole sanal ortama yönlendiği kum havuzu ve robotik motor kontrol protokollerine yerel destek iddiaları da ekleniyor; hepsi teyitsiz ve DeepMind'in donanım üzerinde koşan birleşik çok kipli modellere işaret ettiği yorumunu taşıyor. Eylül ortası itibarıyla Google model kartı, parametre sayısı veya resmî uç nokta yayımlamadı.

Arka plan, bu iddiaları daha okunur kılıyor çünkü Google amiral katmanda zor bir yıl geçirdi. Son gerçek pro güncellemesi 19 Şubat'taki Gemini 3.1 Pro'dan bu yana yaklaşık 7 ay sessizlik oldu, I/O'da Haziran için ön izlemesi yapılan Gemini 3.5 Pro kaydı ve Ağustos'ta Semi Analysis ile Wall Street Journal'ın pro modelin Flash'tan daha hızlı gelişemediği için iptal edildiği ve mimarinin hurdaya çıktığı haberleri yayıldı. Resmi ve doğrulanmış hat ise 21 Temmuz'da Gemini 3.6 Flash duyurusunda en iddialı ön eğitim koşusuna başlandığı ve iki gün sonra Alphabet'in ikinci çeyrek çağrısında Pichai'nin sınırda rekabet için Gemini 4'e ihtiyaç var sözleriyle çizildi.

Bu noktada yılın fısıltısı RSI, yani özyinelemeli öz iyileştirme, devreye giriyor. DeepMind strateji şefi Jasjit Singh Agentech AI Zirvesi'nde Berkeley'de RSI'ın sermaye harcama tezinin çekirdeğine yerleştiğini, mevcut gelirin bu ölçeği taşımadığını ve faturanın ancak yetenek eğrisinin üstel ötesi hızlanmasıyla kapanacağını açıkça dile getirdi. The Information'ın aktardığı 2027-2028 gerçekçi RSI takviminin önüne geçen söylenti ise Gemini 4'ün ön eğitimi bir RSI döngüsünün kapatılması sayesinde erken bitirdiği yönünde. 14 Eylül'de yayımlanan Dream RSI araştırması ajanların arama stratejilerini keşif sırasında sürekli iyileştirip bir sonraki tura taşımasını inceleyerek RSI'ın yol haritasının merkezine yerleştiğini gösterse de tek başına kanıt değil ve spekülasyonla karıştırılmamalı. Piyasa cephesinde Alphabet'in yaklaşık 4,23 trilyon dolar piyasa değeri, Ocak'ta Apple'ın yeni Siri için Gemini kullanacağını açıklamasıyla 4 trilyonu aşması, TSMC üretimi TPU'lar ve Foxconn, Quanta, Inventec, Wistron, Wiwynn tedarik zinciri ile Japonya'da Temmuz'da başlayan Gemini sparks ve Enterprise yayılımı bu takvime bağlanıyor. Google Arena testini doğrulamadı ancak adayların haftalarca halka açık gerilim testinden geçmesi pratiği, en güçlü tahmin olarak Ekim'de geliştirici araçlarıyla birlikte bir duyuruya işaret ediyor ve Arena yuvasını izlemek, kostüm düşerse ilk sinyali verecek yer olarak gösteriliyor.