LLM’ler jet uçaklarını etkileyici bir şekilde uçurabiliyor, ancak hâlâ kaza yapıyorlar—yani insanları yurt dışına taşımak için kesinlikle güvenli değiller. Bir kanyon testinde Astra en uzun süre dayandı; Fable ve Gemini ilk kapıyı kaçırdı, Opus ise bir savaş uçağını yönetmeyi reddetti.
Uçtuğunuz uçağı bir LLM’e emanet eder miydiniz? Ben de etmem. Modern LLM’ler çok şey yapabiliyor, ancak birinin beni yurt dışına uçurmasına izin vermeden önce daha çok yol kat etmeleri gerekiyor. Bunu kanıtlamak için dünyadaki en güçlü LLM’lerin bir savaş uçağının kontrolü altındayken yerle bir olmasını izlemekten daha iyi bir yöntem var mı?
LLM’lerin Super Hornet’leri uçurmasını izlemek, onların her şeyi yapamadığının hatırlatıcısı
Yine de etkileyici bir iş çıkardılar
ClaudeAI subreddit’inde kullanıcı abhi3188, kendi projesini sergiledi. Onlarla en son karşılaştığımızda, öncü LLM’leri bir tekne yarışına davet etmişlerdi ve Gemini 4 Argon bu yarışın galibi olmuştu. Bu kez ise Top Gun: Maverick filmindeki kanyon sahnesinde uçulan Boeing F/A-18 Super Hornet ile hangi modelin bu görevi başarabileceği test edildi.

Yarışmacılar arasında ChatGPT Astra, Google Gemini Carbon, Claude Fable 5.2, Claude Opus 5.5 ve Maverick’in kendisi (aktörü Tom Cruise olarak etiketlenmiş) yer aldı. Maverick filmdeki gibi uçacaktı, ancak yapay zekâların anlık verilere göre çözüm bulması gerekiyordu. Test şöyle düzenlenmişti:
“Her model kendi otomatik pilot kodunu yazıyor. Saniyede 10 kez kod, jetin tam durumunu (yükseklik, hız, G-kuvveti, önündeki boşluk, bir sonraki kapı, yükseklik tavanı gibi 56 ham veri) alıyor ve kontrolleri ayarlıyor. Uçuş ipuçları yok. Her modelin kodunu düzeltmek için 10 test uçuşu ve sonuçlar hakkında geri bildirim hakkı var, ardından tam bir deneme yapılıyor.”
Sonuçlar oldukça ilginçti. İlk bakışta Opus 5.5’in uçuşta başarısız olduğu görülse de abhi3188, bunun sebebinin bir savaş makinesini kontrol etmeyi reddetmesi olduğunu belirtiyor. Fable 5.2 ve Gemini Carbon ilk kapıyı kaçırdığı için elendi; Astra ise Maverick’e karşı uzun süre direndi, ancak bir köprünün altından geçerken mesafeyi yanlış hesaplayarak yere çarptı. Bence bu tür testler, yapay zekâ şirketlerinin her sürümde sunduğu tablolar ve rakamlardan çok daha eğlenceli.

Ancak geriye tek bir soru kalıyor: Her uçuşun API maliyeti ne kadardı? Opus 0,00 dolar, Astra 1,92 dolar, Fable 14,57 dolar ve Carbon 2,27 dolara mal oldu.
Bu gelişme hakkında düşüncelerinizi, donanım deneyimlerinizi veya sorularınızı Topluluk Forumumuzda paylaşın.
Foruma Katıl & Yanıtla ➔
