Açıkçası, halen OpenClaw trenine atlayamayanlardan biriyim. Başlamak, nedense zor geliyor; ama bir yandan da özellikle marketing ve uygulama geliştirme tarafını otomatize etmek istiyorum. Şu an, kendi oluşturduğum skill'ler ve yaptığım uygulamalar aslında yeterli, ama çok daha iyi olabilir otomatize biçimde. Hermes'i deneyen oldu mu? Birkaç gündür onunla ilgili bakıyorum X'de. Open Claw'dan daha hızlı bir şekilde kurulduğunu ve işlediğini söylüyorlar. Bu konuda ne dersiniz?

company brain ile ilgilenen kimler var? kullaniyor musunuz?

Daha önce bir mutfak geliştirmeye çalıştığımdan bahsetmiştim. Sistemin minimal haliyle 0G hackathonuna katılıyorum ek olarak testler iyi geçti bir süre mutfak durmadan pişirecek her projeyi hem sitede hem de twitterda yayınlayacağım. Belki de biz insanların dönemi düşündüğümüzden de erken kapanmıştır. 419 node ile mutfağın skill treesi okunamayacak kadar büyüdü :D https://www.thekitchenlab.xyz/

Yaklaşık 1 aydır sabah akşam bu sistemi oturtmaya ve geliştirmeye çalışıyorum para kazanma kısmının çoğu arbitragedan geliyor bazen de momentumdan işlem geliyor. Daha fazla geliştirme önerilerine açığım. Genel olarak sistem hakkında bilginiz olması için hackathona hazırladığım sunumu izleyebilirsiniz. https://www.youtube.com/watch?v=r8K1vExpx6U

Bir düşünce deneyi: New York eyaleti, 20 milyon insan, gökdelenler, metrolar, hastaneler, milyonlarca klima. Tüm bu sistemin en yüksek anlık elektrik tüketimi 29.6 GW. 2025 sonu itibarıyla dünya genelindeki AI veri merkezlerinin toplam güç kapasitesi de 30 GW'a ulaştı. Yani sadece AI altyapısı, New York eyaletinin tamamı kadar elektrik çekebilecek durumda. IEA'ya göre 2026'da tüm veri merkezlerinin toplam elektrik tüketimi 1,100 TWh'i bulacak, bu da Japonya'nın yıllık tüketimine eşit. ## Grok 4 ve Tek Bir Eğitimin Faturası xAI, Grok 4'ü eğitmek için Colossus adlı süper bilgisayarında 200.000'den fazla NVIDIA GPU (H100, H200, GB200) çalıştırdı. Toplam hesaplama: 246 milyon H100-saat. Harcanan enerji: 310 GWh. Maliyet: 490 milyon dolar. Somutlaştıralım: •⁠ ⁠140.000 ton CO2 salındı •⁠ ⁠Bu, 4.000 kişilik bir Amerikan kasabasının yıllık elektrik tüketimine denk •⁠ ⁠Soğutma için 750 milyon litre su harcandı (300 olimpik havuz) •⁠ ⁠28.000 benzinli arabanın bir yıl boyunca ürettiği karbon Ve bu sadece tek bir model. Llama 3.1 405B'nin eğitimi 11.390 ton CO2 üretti. GPT-3 zamanında bu rakam 552 tondu. Her nesil, bir öncekinin 10-100 katı enerji istiyor. ## Eğitim Buzdağının Görünen Kısmı Asıl sessiz katil inference, yani modelin her gün milyonlarca kullanıcıya cevap vermesi. 2026'da frontier modellerin toplam yaşam döngüsü enerjisinin %63'ü inference'tan geliyor, sadece %37'si eğitimden. İki yıl öncesinin tam tersi. Bir GPT-5.5 sorgusu ortalama 0.84 Wh harcar. Reasoning modelleri (o3, DeepSeek-R1) tek bir uzun prompt'ta 33 Wh'in üzerine çıkabiliyor, GPT-4.1 nano'nun 70 katı. Google'ın 2024 çevre raporuna göre şirketin toplam karbon emisyonları bir önceki yıla göre %48 arttı. Tek sebep: AI altyapısı. ## Yarış Hızlanıyor, Fren Yok ABD ve Çin arasındaki AI yarışı "önce kazan, sonra temizle" mantığıyla ilerliyor. 2026 sonunda beş ayrı AI veri merkezinin tek başına 1 GW kapasiteye ulaşması bekleniyor. Uptime Institute'a göre büyümenin önündeki tek engel talep değil, şebekenin fiziksel olarak yetişememesi.