Kimi K3, Qwen 3.8 ve Anthropic’te olası çatlak

• Moonshot Labs’ın Kimi K3 modeli ile Alibaba’nın Qwen 3.8 modeli, Anthropic’in Fable 5’ine yakın performans gösteriyor; ayrıca birkaç hafta içinde ağırlıklarının da yayımlanacak olması, en ileri model rekabetinin açık modellere doğru genişlediğini gösteriyor
• Model geliştirme; araştırma kadrosu, hesaplama gücü ve enerji gerektiriyor, ancak dağıtımdan sonra çıkarımın marjinal maliyeti ağırlıklı olarak hesaplama ve enerjiden kaynaklanıyor. Veri merkezleri ve enerji üretim tesislerine sahip olmak, bunu sabit maliyete dönüştürüp kullanım arttıkça marjı büyütmeyi mümkün kılıyor
• Altyapısı olmayan, yalnızca model geliştiren şirketler en yüksek performansa ya da ucuz ama yeterli kaliteye bel bağlamak zorunda. Çıkış yolları ise özyinelemeli öz iyileştirme, düzenleme yoluyla pazarın kapatılması ve kopyalanması zor ürünler geliştirme ile sınırlanıyor
• Anthropic’in Fable 5 modeli, tamamlanan iş başına yaklaşık 3 kat daha pahalı; Claude Code ve Cowork gibi harness ürünleri de OpenCode, OpenClaw ve Hermes ile rekabet ediyor. Model, ürün ve maliyet yapısının aynı anda baskı altına girmesi, unbundling riskini artırıyor
• 2026 Haziran-Temmuz döneminde GLM 5.2, Kimi K3 ve Qwen 3.8’in art arda gelmesi, birden fazla laboratuvarın yetişebileceğini gösterdi. Bu durum, Anthropic, Moonshot Labs ve Knowledge Atlas gibi model merkezli şirketlerin savunma gücünü zayıflatıyor

---

Açık modellere genişleyen en ileri seviye rekabet

• Kimi K3 16 Temmuz 2026’da yayımlandı; Qwen 3.8 ise 19 Temmuz’da duyuruldu
  • Her iki modelin de Anthropic’in Fable 5’ine yakın performans gösterdiği belirtiliyor
  • Model ağırlıklarının birkaç hafta içinde yayımlanması bekleniyor
• Knowledge Atlas’ın GLM 5.2 modeli de haziran ortasında çıkan üst düzey bir açık model
• Bu eğilim, 2025’teki tekil “DeepSeek anı”ndan daha geniş bir kapsama sahip
  • Birden fazla laboratuvarın, yalnızca Anthropic ve OpenAI gibi sermaye gücü yüksek şirketleri değil, Meta ve SpaceX’in Grok’unu da yakalayabildiğini gösteriyor
  • Rekabet ve takip döngüsü tekrar ediyor; maliyet de hesaba katıldığında ileride performans üstünlüğünün el değiştirmesi de mümkün

Foundation model'lerin maliyet yapısı

• Model inşası için araştırma kadrosu, çipler ve veri merkezleri gibi hesaplama kaynakları ile bunları çalıştıracak enerji gerekiyor
• Tamamlanmış bir modelde en büyük maliyet, kullanıcıların modeli kullanmasını sağlayan çıkarım aşamasında ortaya çıkıyor
  • Çıkarım aşamasında da insan gücü, hesaplama ve enerji kullanılıyor
  • Model sürekli güncellenmediği için eğitime kıyasla iş gücü maliyetinin payı daha düşük; marjinal maliyetin çoğu hesaplama ve enerjide yoğunlaşıyor
• Çıkarım işi, enerji ve veri merkezi maliyetlerini optimize etmek zorunda; değer zincirinin daha büyük kısmına sahip oldukça değişken maliyetleri sabit maliyete çevirmek mümkün oluyor

Marjı belirleyen şey: altyapı sahipliğinin kapsamı

• Anthropic, Knowledge Atlas ve Moonshot Labs; kendi veri merkezleri ya da enerji santralleri olmadan veri merkezi ve enerjiyi dışarıdan tedarik ediyor
• Meta ve Alibaba veri merkezlerini doğrudan kuruyor, ancak enerjiyi başka tedarikçilerden satın alıyor
• SpaceX ise hem enerji üretim tesislerine hem de veri merkezlerine sahip olma yolunu seçiyor
• Dış veri merkezlerine ve enerjiye bağımlı şirketler, müşterinin çıkarım maliyetine marj ekleyerek gelir elde ediyor
  • Maliyet gelirle birlikte arttığı için kullanım artsa da marjı büyütmek zor
• Enerji santrali ya da veri merkezine sahip olmak, çıkarım maliyetinin önemli bir kısmını sabit maliyete dönüştürüyor; böylece müşteri kullanımı arttıkça marj da büyüyebiliyor

Altyapının genişlettiği stratejik seçenekler

• Altyapı yığınının daha büyük kısmına sahip oldukça, bu altyapının kendisini de gelir kaynağına dönüştürmek mümkün oluyor
  • Kendi modeli en iyisi olmasa bile yüksek performanslı açık kaynak modeller barındırılabiliyor
  • Sahip olunan donanımın başka şirketlere kiralanması da mümkün
• Meta’nın, Anthropic’e sunucu kapasitesi sağlamak için 10 milyar dolarlık bir anlaşmayı görüştüğü bildiriliyor
• SpaceX, Google ile bir bulut anlaşması imzaladı; ayrıca ABD Savunma Bakanlığı’na hesaplama gücü sağlama olasılığını da görüşüyor
• Veri merkezi ya da enerji üretim tesisi yoksa, başarının kaderi model talebine bağlı hale geliyor
  • Model ya en yüksek performansı vermeli ya da ucuz ama yeterince iyi olmalı
  • Şirket, çıkarım fiyatını sürekli düşürme ya da en iyi model sağlayıcısı olma yarışına girmek zorunda kalıyor

Yalnızca model geliştiren şirketler için üç hayatta kalma yolu

• Anthropic, OpenAI, DeepSeek, Moonshot Labs ve Knowledge Atlas; liderliği sürekli koruyamazlarsa aşırı rekabetçi foundation model pazarında ayakta kalmakta zorlanacak
• Modele odaklanan şirketlerin kazanabileceği üç yol var
  1. Yeterli hesaplama kaynağıyla özyinelemeli öz iyileştirmeye önce ulaşıp rakiplerin çok önüne geçmek
  2. Düzenlemeler yoluyla pazarı kapatmak
  3. Kopyalanamayacak kadar benzersiz ya da kullanıcıyı güçlü biçimde elinde tutan ürünler inşa etmek

Anthropic’in maliyet ve düzenleme stratejisi

• Anthropic, en ileri model laboratuvarları arasında düzenleme stratejisine ve özyinelemeli öz iyileştirmeye en çok dayanan oyuncu
• Fable ve Mythos’un kendi kendini sansürleme örneklerinde görülen etik merkezli yaklaşım, düzenleme stratejisiyle bağlantılı
  • Sonrasında ABD hükümetinin adımları nedeniyle ek sürümler de kısıtlandı
• Model performansında liderliğini korusa da OpenAI ve açık modellere kıyasla fiyatı çok yüksek
  • Artificial Analysis karşılaştırmasına göre Fable 5’in tamamlanan iş başına maliyeti neredeyse 3 kat daha yüksek
  • Kullanıcıların daha iyi bir model için bu fiyatı ödeyip ödemeyeceği henüz net değil
• Bazı araştırmacılar ve kurucular, rekabetin genişlemesi ve fiyatları yansıtmayan AI benchmark'larının doygunluğa ulaşması nedeniyle bir fiyat savaşı bekliyor

Harness rekabeti ve unbundling baskısı

• Anthropic, Claude Code ve Cowork gibi ürünlere yatırım yaptı; ancak agent harness merkezli strateji risk taşıyor
• OpenCode, OpenClaw, Hermes ve çeşitli harness girişimleri aynı alanda yenilik yapıyor
• Foundation model inşa etmenin giriş engeli çok yüksek, ancak kendi AI harness ürününü yayımlamanın giriş engeli neredeyse yok
• Anthropic üç yönden unbundling baskısı görüyor
  • Model, rakiplerin aşması gereken ölçüt haline geliyor
  • Ürün, kapalı ve açık kaynak rakiplerden giderek daha güçlü meydan okumalar alıyor
  • Altyapıya sahip olmayan ekonomik model, maliyet açısından dezavantajlı
• Düzenleyici müdahale ya da gerçek AGI icadı olmadıkça, Anthropic’in foundation model sağlayıcıları arasında 1 numara olmayı sürdürmesi zor olabilir

OpenAI’nin seçtiği farklı savunma stratejisi

• OpenAI modelleri son birkaç ayda Anthropic’in gerisinde kaldı, ancak şirket ürünlere, tüketici deneyimine, site içi yayımlamaya, sese ve donanıma yatırım yapıyor
• Bu alanlar, Anthropic’in harness merkezli ürünlerinden daha savunulabilir bir temel sunuyor gibi görünüyor
• Veri merkezi sahipliği ve enerji üretim tesislerine yatırım konusunda da daha açık bir yaklaşım var
• Bu stratejinin odağı dağıttığını düşünenler olsa da uzun vadede dayanıklılığı artırabilir
  • Ağ etkileri ve savunulabilirlik taşıyan ürünleri deneme konusunda esnek ve risk almaya istekli
  • Uzun vadeli marjı optimize edebilir

Model merkezli şirketlerin zayıflayan savunma gücü

• Kimi K3 ve Qwen 3.8, açık modellerin de en ileri performans alanına ulaşabildiğini gösteriyor
• Uzun vadede sürdürülebilir bir iş açısından bakıldığında, yalnızca model sunan şirketler özellikle riskli
• Knowledge Atlas, Moonshot Labs ve Anthropic; altyapı ve başka ürün varlıklarına sahip OpenAI, Alibaba, SpaceX, Meta ve Google’a kıyasla savunma gücü oluşturmakta daha çok zorlanıyor

[GN⁺]

Hacker News yorumları

• Son birkaç gündür açık ağırlıklı ve açık mimarili modellerin ardı ardına yayımlandığını görünce, sonunda modeli ASIC’e en hızlı şekilde döken yerin kazanma olasılığı yüksek görünüyor
  K3 duyurusunda görüldüğü gibi LLM’in kendisi de çip tasarımının bir kısmını yapabiliyor; en gelişmiş modeller zaten geniş bir iş yelpazesi için yeterli ve yakında yazılım geliştirmenin önemli bir bölümü için de bu seviyeye ulaşacak
  Fable 5’i Nvidia GPU’da saniyede 150 token yerine ASIC’te saniyede 9.000 token hızında çalıştırırsanız talebin büyük kısmını karşılayabilirsiniz
  Şirketler de verilerini OpenAI veya Anthropic’e vermek yerine az sayıda şirket içi ASIC ile çeşitli kullanım alanlarını daha güvenli biçimde ele alabilir

  • Kripto para için ASIC’lerde algoritma değişimi yavaştı ve içerik de iyi biliniyordu, ancak LLM mimarileri çok daha hızlı değişiyor
    Çipin çıkış ayrıntılarını ayarlarken birkaç kat daha hızlı yeni bir makale ya da yaklaşımın ortaya çıkması riskini almak istemem
    Geliştiricilerin marka sadakati çok düşük; en iyi modele hemen geçiyorlar, bu yüzden en iyi model programlanabilir GPU’larda çalıştığı sürece GPU’ların baskın kalacağını düşünüyorum
  • “Herkese 640KB yeter” tarzı bir yargı gibi geliyor
  • En yeni OpenAI ve Anthropic modelleri bile seyahat programı planlamayı berbat yapıyor
    Sık sık kullanıyorum ama istediğim koşulları tamamen ihlal ediyorlar; önerilen ara durakların yaklaşık yarısı filtreleri karşılamıyor
  • Fable ve Mythos devasa Xeon’lar gibi, küçük ve hafif modeller ise az güç tüketen çok sayıda ARM çipi gibi görünüyor; bu da Intel’e karşı ARM düzeninin yeniden yaşandığı hissini veriyor
    Kaynaklar sınırsızmış gibi daha büyük model isteyen müşterileri izlerseniz kısa vadede çok para kazanırsınız, ancak verimlilik ve sürekli iyileştirmeyle büyüyen Apple Silicon benzeri bir şey tarafından geçilme riski var
  • Cerebras gibi özel donanımlar zaten var
    Bir araştırma laboratuvarı, standart yazılım yığınında saniyede yaklaşık 100 token üreten 8 milyar parametreli bir modeli tek bir MI300X üzerinde saniyede yaklaşık 3.000 token üretir hale getirdi
    Saniyede 1TB’den fazla okuma yapan birkaç TB ölçeğinde yüksek bant genişlikli flash da geliştiriliyor; bu yüzden birkaç yıl sonra 40–90GB HBM ve 4TB HBF içeren bir kartla 3 trilyon parametreli modelleri yaklaşık 10 bin–20 bin dolara yerelde çalıştırmak mümkün olabilir

• Aklıma sürekli Figma örneği geliyor
  Anthropic CPO’su ve Instagram’ın kurucu ortaklarından Mike Krieger, Figma yönetim kurulu üyesiydi; ancak Claude Design’ın duyurulmasından hemen önce istifa etti. Figma’nın ise Anthropic modeliyle ortak “Code to Canvas” entegrasyonuna dayanmasına rağmen Claude Design’ın kapsamını önceden bilmediği aktarılıyor
  Duyurunun hemen ardından Figma hisseleri %7 düştü ve temel model şirketlerinin SaaS iş ortaklarının uygulama katmanını aşındırdığı SaaS kıyameti gerçeğe dönüştü
  LLM şirketlerine veri sağlarken veya onlara bağımlı olurken dikkatli olmak gerekir; bir yapay zeka girişiminin fikri başarılı olursa bu şirketler doğrudan rekabet edebilir ya da API fiyatlarını belirleyebilir

  • Geçmişte FB·Twitter, sonra da Reddit API’si üzerine uygulama kurup bir noktada zemini elinden alınan geliştiriciler akla geliyor
  • Kodlama araçlarından gelen gelir şu anda önemli ama nihai hedef değil; yapay zeka şirketlerinin devasa değerlemelerini haklı çıkarmak için tüketiciye yönelik süper uygulamalara dönüşmesi gerekiyor
    OpenAI, Apple ve Android’e bağımlılıktan kurtulmak için kendi donanımını bile tasarlıyor ve tüketiciye yönelik süper cihazlara büyük bahis oynuyor
    Uzun vadeli mücadele yapay zeka şirketleri ile SaaS arasında değil; Apple, Google, Meta ve Amazon gibi büyük tüketici markalarıyla olacak. Herhangi bir işi alıp anında kod ve arayüz üreten nihai dijital asistanı ilk tamamlayan, Apple’ı bile eski moda hale getirebilir
  • Günümüz kapitalizmi tekelci davranışlar etrafında döndüğü için, LLM şirketleri çalışanların yerini alacak seviyeye ulaştığında kürek satmak yerine altını kendileri çıkaracaktır diye bekliyorum
    Başka hizmetlerin üzerine kurulan ürünler kolayca satın alınabilir ya da temel hizmete dahil edilebilir; Apple da çok sayıda popüler uygulama özelliğini sessizce iOS’e katageldi
  • GPT 5’in çıkışı civarında özgeçmiş uyarlama uygulaması yaptım, ama GPT 5.5 çıktığında özgün biçimlendirmeyi koruyan kusursuz PDF·Word özgeçmişlerini doğrudan üretebiliyordu
    Araştırma laboratuvarlarıyla rekabet ederek ince bir sarmalayıcı yapmak riskli, ancak sohbet botunun doğrudan kopyalayamayacağı değerli bir ürün yaparsanız endişelenmenize gerek olmayan yeni bir yazılım çağı da bu
  • Anthropic ve OpenAI üzerindeki rekabet baskısı o kadar büyük ki, sermaye ve geliştiricilerle her pervasız ürün fikrinin peşinden koşamazlar; bu yüzden büyük şirketlerin girişimleri parayla kopyaladığı dönemin bittiğini düşünüyorum

• Riskin abartıldığını düşünüyorum
  Daha iyi modeller için daha fazla ödeme yapmaya yönelik bir talep var; iş akışımda elde ettiğim değer, en ileri laboratuvarlara ödediğim aylık 200 dolardan çok daha büyük, bu yüzden maliyeti biraz azaltmayı düşünmüyorum.
  Gerçek LLM'den çok Claude Code veya Codex'in çalışma ortamının sunduğu değer daha büyük; OpenCode gibi açık kaynak uygulamalar ise hâlâ çok geride.
  Excel’in de özelliklerinin %90’ından fazlasını sunan alternatiflerle neredeyse denk olan Google Sheets gibi bir rakibi var, ama elektronik tabloların yarattığı değer yılda 100 dolardan çok daha yüksek olduğu için Microsoft’un güçlü hendeği korunuyor.

  • Claude ve OpenAI’ın parası kurumsal müşterilerden geliyor; kurumlar altyapı maliyeti optimizasyonu için özel pozisyonlar ayıracak kadar maliyete duyarlı.
    Bu iki şirketin 1 trilyon dolar değerlemeye ulaşmasının nedeni de çalışma ortamı değil.
    Kurumsal Excel aylık yaklaşık 50 dolar, fakat kapalı laboratuvarlar kullanıcı başına bunun birkaç katını alıyor; ben de çok fazla kod yazmadığım hâlde günde en az yaklaşık 50 dolar kullanıyorum.
  • Kurumlar büyük ölçüde sübvanse edilen genel abonelikleri kullanamıyor; yaklaşık 100 geliştiricinin yapay zekayı yoğun kullandığı ve aylık 500 bin dolar harcayan bir kuruluş biliyorum.
  • Aylık 200 doları hafife almak zengin gelişmiş ülke bakış açısı.
    Yaşadığım yerde aylık 200 dolar maaş nadir değil; geliştiriciler de yaklaşık 1.000 dolar kazanıyor. Bu yüzden değeri ne kadar büyük olursa olsun kira ve yemek masrafını ödeyemiyorsan kullanamazsın.
    Gelişmiş ülkelerde bile varlıklı olmayan öğrenciler veya girişimciler için ayda 200 doları karşılamak zor.
  • Codex’in kendisi de açık kaynak olarak yayımlanmış durumda: https://github.com/openai/codex
  • Daha iyi modeller için ek ücret ödemeye değecek performans farkı hızla kapanıyor.
    Bir hafta öncesine kadar Fable’a para vermeye değiyordu, ama K3 çıkınca benim için aradaki fark maliyeti haklı çıkaramayacak kadar daraldı.
    Gerçek sonuçlar %10 iyileşiyorsa 5 katını ödemek kabul edilebilir, ama %2 iyileşme için 5 katını ödeyecek kişi çok daha azdır.
    Ayrıca tercih ettiğin çalışma ortamı yerine Claude Code kullanmaya zorlanmak Anthropic’in avantajı değil, dezavantajı.

• Fable’ın “yasaklanması gereken oyunu değiştiren model”den “fena değil ama OpenAI da benzer ve açık ağırlıklı alternatifler de var” noktasına bu kadar hızlı gelmesi şaşırtıcı.
  Abartı döngüsü kısaldı; belki de bu kez gerçekten bir durgunluk noktasına ulaşılmış olabilir.

  • Fable hâlâ aynı harika model; LLM endüstrisinin geleceğini tahmin eden yazılar çok içgörülü ya da ilginç olmadığı için pek önemsememek daha iyi.
  • Yılın başında açık ağırlıklı modeller OpenAI ve Anthropic’in 4 ay gerisindeydi, şimdi ise fark yalnızca 4–6 hafta.
  • Koruma mekanizmaları yokken mümkün olan açgözlü eğitim yaklaşımının er ya da geç sınırına varılır.
    Bilgi sürekli değiştiği için modelleri güncellemek gerekir, fakat ücretsiz erişilebilen veri giderek azalacak.

• OpenAI da Anthropic gibi fiilen yalnızca model tedarikçisi; neden aynı şekilde kırılgan olmadığı merak konusu.

  • ChatGPT, teknik olmayan ve iş dışı LLM kullanımının eş anlamlısı hâline geldi ve devasa bir kullanıcı geçmişi biriktiriyor.
    Geçmiş, kişisel bağlam sağlayarak ürünü iyileştiriyor; model eğitimi ve reklam için de kullanılabilir.
    “Bana bir tatil planla” yazıldığında tüm süreci koordine eden bir gelecekte kullanıcılar %10 daha ucuz ya da daha iyi diye başka bir modele kolayca geçmeyecek.
  • OpenAI, tüketici donanımına doğru çeşitlenirken veri merkezlerinin de daha fazlasına doğrudan sahip oluyor.
    Ürün gerçekten piyasaya çıkıp belli ölçüde başarılı olursa diğer en ileri laboratuvarlardan ayrışan benzersiz bir konum elde edebilir.
  • Yazıda ürün, tüketici deneyimi, site yayımlama, ses ve donanım yatırımlarının daha belirgin bir hendek oluşturduğu ayrımı yapılıyor.
    Ancak bu farklılaştırıcı unsurlar şu an ya beklentilerin altında ya da donanım gibi hiç kanıtlanmamış durumda.
  • Yalnızca tüketiciye yönelik giyilebilir cihazlar değil, daha da önemlisi çıkarım çipleri de geliştiriyor.
    İyi model yapmakla onu hızlı sunmak ve talebi karşılamak ayrı şeyler.
    Anthropic yaklaşık 6 ay önce bu sorunu yaşadı; Moonshot da talebi karşılayamadığı için kodlama planı aboneliklerini şimdiden durdurdu.

• Yapay zeka gelişiminin üst sınırı özyinelemeli kendini iyileştirme ise, yapay zeka daha iyi modeller yapar ve veri merkezi sahipleri kazanır; bu yüzden Anthropic ve OpenAI biter.
  Alt sınır durgunluksa rekabet, sabit en yüksek performansı en ucuz fiyata sunma yarışına dönüşür.
  Google’ın ağırlıkları silikona kazınmış Gemini çipi yaptığı haberi, en az 2–3 yıl olan çip ömrü düşünüldüğünde önümüzdeki 3 yıl boyunca benzer düzeyde bir gelişme beklemediği anlamına gelir; sonuçta bu en düşük marj rekabetidir ve iki şirket yine dezavantajlıdır.
  Hayatta kalmaları için yapay zeka gelişiminin bu iki uç arasında kalması gerekir.

  • Açık ağırlıklı modeller için SETI@home benzeri dağıtık hesaplamaya hemen ihtiyaç var.
  • Ağırlıkları çipe kazımak çıkarım hızını ve enerji verimliliğini artırır; son kullanıcıyı sürekli bir donanım yenileme döngüsüne sokmak gibi yan etkisi de olur.

• OpenAI, Anthropic’ten çok daha tehlikeli bir konumda görünüyor.
  Birinin IPO peşinde koşması, diğerinin ise defterlerini açmaktan kaçınması çok şey anlatıyor.

• Asıl mesele, diğer laboratuvarların Anthropic ve OpenAI’dan daha ileri modeller yapıp yapamayacağı.
  Damıtma vb. yollarla bu iki şirketin API’lerine ne kadar bağımlı oldukları da önemli; türev modellerse performans aralığının dar ve gelişimin sınırlı olmasını beklerim.

  • Saf performansta öne geçmek gerekmez; önemli olan maliyet karşılığı değer.
    Token satın alan şirketlerde zekâ artışının gelir artışına dönüşmediği şimdiden görülüyor; sonunda kararları finans belirleyecek.
    OpenAI veya Anthropic olsaydım çok tedirgin olurdum.

• Dario tekrar podcast’lere çıkıp kendi yapay zekası yüzünden işlerin %75’inin yok olacağını söyleyerek tehdit ederse akışı tersine çevirebilir.
  İşe yaramazsa %85’e, o da olmazsa %100’e kadar çıkarabilir.

• Kasım 2025'te Anthropic Opus 4.5 ve Claude Code, net tanımlanmış bir özelliği tek seferde doğru şekilde uygulayan tek sistemdi; ama şimdi Claude ve Codex'ten neredeyse aynı ölçüde memnunum
  İki şirket fiyatları baskılarsa ya da güvenlik politikalarını aşırı sıkılaştırırsa, yetkin açık ağırlıklı modellere ve gerçekten açık kaynaklı çalışma ortamlarına geçmek için de daha fazla seçenek olacak gibi görünüyor
  Gemini 3.1 Pro güçlü görünüyor, ancak en son denediğim Antigravity beceriksizdi
  Anthropic'in güçlü rakiplerden biri olarak ayakta kalması iyi, ancak güvenlik öncelikli felsefesi nedeniyle en yeni modellerde retleri ve kasıtlı cehaleti artırıyor
  Uzun vadede, başkalarının daha az çekingen araçlar geliştirmesini sağlayacak şekilde yazılım geliştirmeyi hızlandıran şirket olarak hatırlanabilir

  • Doğrusu Anthropic'in gerileyip yerini başka bir şirketin almasını isterim