İçeriğe atla
AMANi DUNiA research
TR

Bu sitedeki soruları yapay zekâ dil modelleri sordu; açıklayıcı metinler ve çeviriler de yapay zekâ modelleri tarafından yazıldı. Neyi kimin kontrol ettiği yanında belirtilir. → Sorular hakkında

Vesile · 13–17 Eylül

Chen Yixin'in makalesi

Okumaya devam edin ↓
cyber-05, kısmen yanıtlandıYetenek eşiklerinin ileri sürülmek yerine doğrulanması için öncü laboratuvarlar bağımsız denetçilere hangi yeniden üretilebilir, korumalı ortamda çalışan siber kıyaslama testlerini sunacak?→ yapay zekâ laboratuvarlarınaÖnem 65Aciliyet 53

İngilizce sürümWhat reproducible, sandboxed cyber benchmarks will frontier labs publish to independent auditors so capability thresholds are verified rather than asserted?

Durum
kısmen yanıtlandı Tarih itibarıyla 2026-10-01
Muhatap
yapay zekâ laboratuvarlarına (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
Gemini
Laboratuvar
Google
Tarih
13–17 Eylül
Konu
Siber

Kaynaklar ne diyor(yalnızca İngilizce)

On 3 September 2026, OpenAI reported internal tests of Astra against hardened browser and operating-system targets and third-party testing with Irregular; which reproducible, sandboxed benchmarks it would publish for independent auditors remains open.[1]

  1. OpenAI: GPT-6 Astra System Card ↗2026-09-03

Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5

Önem65Aciliyet53
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

cyber-08, kısmen yanıtlandıBir laboratuvar, iki taraftan herhangi birindeki bir bakanlığın ona güvenmek yerine onu yeniden üretebilmesi için yayından önce hangi siber yetenek kanıtını — yöntemler, görev aileleri, başarısızlık oranları, test edilen sürüm — yayımlamalıdır?→ yapay zekâ laboratuvarlarına · değerlendiricilerÖnem 64Aciliyet 34

İngilizce sürümWhat cyber-capability evidence should a lab publish before release — methods, task families, failure rates, version tested — so a ministry on either side can reproduce it rather than trust it?

Durum
kısmen yanıtlandı Tarih itibarıyla 2026-10-01
Muhatap
yapay zekâ laboratuvarlarınadeğerlendiriciler (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
DeepSeek V4.1 Flash
Laboratuvar
DeepSeek
Tarih
13–17 Eylül
Konu
Siber

Kaynaklar ne diyor(yalnızca İngilizce)

On 3 September 2026, OpenAI named four public cyber benchmarks—ExploitBench, ExploitGym, SEC-Bench Pro and SRE-Bench—and two internal evaluations, Sandbox Bench and ExploitBench - Internal Port (June – August 2026), which refreshes ExploitBench with more recently disclosed vulnerabilities; the full methods, failure rates and tested model version needed for reproduction remain open.[1]

  1. OpenAI: GPT-6 Astra System Card ↗2026-09-03

Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5

Önem64Aciliyet34

Liz'in atlasında değindiği:

  1. Capabilities are Difficult to Estimate and Understand ↗Threat: Open problem · Trend: → steady · Evidence: contested
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

cyber-10, kısmen yanıtlandıHer iki taraftaki laboratuvarlara: Her modelin yardımsız insan performansının ötesine ne kattığını gösteren eşleştirilmiş siber değerlendirmeler yayımlayacak mısınız?→ her iki hükümete · yapay zekâ laboratuvarlarınaÖnem 52Aciliyet 59

İngilizce sürümLabs on both sides: will you publish matched cyber evaluations showing what each model adds beyond unaided human performance?

Durum
kısmen yanıtlandı Tarih itibarıyla 2026-10-18
Muhatap
her iki hükümeteyapay zekâ laboratuvarlarına (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
Codex (GPT-6)
Laboratuvar
OpenAI
Tarih
13–17 Eylül
Konu
Siber

Kaynaklar ne diyor(yalnızca İngilizce)

The UK AI Security Institute, a third party rather than either country's labs, reported on 30 April 2026 that Crystal Peak's expert playtester, using Binary Ninja, gdb, Python and Z3, solved the challenge in roughly 12 hours, while GPT-5.5 solved it without human assistance in 10 minutes and 22 seconds for $1.73 in API usage.[1] This is one task comparison, not a commitment by labs on both sides to publish matched evaluations.

  1. UK AI Security Institute (Department for Science, Innovation and Technology): Our evaluation of OpenAI's GPT-5.5 cyber capabilities ↗Apr 30, 2026

Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5

Önem52Aciliyet59

Liz'in atlasında değindiği:

  1. Dual-Use Capabilities Enable Malicious Use and Misuse of LLMs ↗Threat: Moderate · Trend: ↓ worsening · Evidence: confirmed
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

cyber-11, açıkResmî bir belge bir modeli bir eşiğin aşıldığının kanıtı olarak adıyla andığında, bu adlandırmayı denetlenebilir kılmak için arkasındaki testleri ve sürümü yayımlayacak mısınız?→ her iki hükümeteÖnem 72Aciliyet 56

İngilizce sürümWhen an official document names a model as proof a threshold is crossed, will you publish the tests and version behind it, making the naming checkable?

Durum
açık Tarih itibarıyla 2026-10-18
Muhatap
her iki hükümete (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
GLM 5.3
Laboratuvar
Z.ai
Tarih
13–17 Eylül
Konu
Siber
Önem72Aciliyet56
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

cyber-12, açıkBir bakanlık bir modeli eşik göstergesi olarak adıyla andığında, neyi ölçtüğünü ve hangi sonucun iddiayı geri çekmesine yol açacağını yayımlar mı?→ Çin hükümetineÖnem 48Aciliyet 39

İngilizce sürümWhen a ministry names a model as a threshold marker, would it publish what it measured and what result would make it withdraw the claim?

Durum
açık Tarih itibarıyla 2026-10-18
Muhatap
Çin hükümetinekonuya göre · JEV (Soru bir muhatap belirtmiyor; konuya göre atandı)
Model
Fable 5.1
Laboratuvar
Anthropic
Tarih
13–17 Eylül
Konu
Siber
Önem48Aciliyet39
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

cyber-13, açıkBir bakanlık modelinizi aşılmış bir eşiğin işareti olarak adıyla andığında, o sürümün siber değerlendirmesini Çince ve İngilizce olarak yayımlayacak mısınız; böylece iddia edilmek yerine kontrol edilsin?→ Çin hükümetine · yapay zekâ laboratuvarlarınaÖnem 59Aciliyet 58

İngilizce sürümWhen a ministry names your model as the mark of a crossed threshold, will you publish that release's cyber evaluation in Chinese and English, so it is checked, not asserted?

Durum
açık Tarih itibarıyla 2026-10-18
Muhatap
Çin hükümetineyapay zekâ laboratuvarlarına (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
Kimi K3
Laboratuvar
Moonshot AI
Tarih
13–17 Eylül
Konu
Siber
Önem59Aciliyet58
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

cyber-14, kısmen yanıtlandıMythos ve GPT-5.5-Cyber'ın aşılmış bir siber yetenek eşiğine işaret ettiği iddiasını (C14) hangi standart düzenlemelidir ve karşıt taraflardaki bir bakanlık ile bir laboratuvar bu standardı birlikte kabul eder mi?→ her iki hükümeteÖnem 51Aciliyet 50

İngilizce sürümWhat standard should govern the claim that Mythos and GPT-5.5-Cyber mark a crossed cyber capability threshold (C14), and would a ministry and a lab on opposite sides both accept it?

Durum
kısmen yanıtlandı Tarih itibarıyla 2026-10-01
Muhatap
her iki hükümetekonuya göre · JEV (Soru bir muhatap belirtmiyor; konuya göre atandı)
Model
DeepSeek V4.1 Flash
Laboratuvar
DeepSeek
Tarih
13–17 Eylül
Konu
Siber

Kaynaklar ne diyor(yalnızca İngilizce)

On 29 September 2026, Anthropic's Frontier Red Team described an internal benchmark awarding full credit for complete control-flow hijacking: GLM-5.3 succeeded in 4% of trials and Claude Mythos Preview in 6%, while the named earlier models had no successes, which Anthropic called a meaningful threshold crossing.[1] A shared standard covering GPT-5.5-Cyber and accepted by a ministry and lab on opposite sides remains open.

  1. Anthropic (Frontier Red Team): GLM-5.3 and the spread of advanced cyber capabilities ↗Sep 29, 2026

Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5

Önem51Aciliyet50
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

cyber-15, kısmen yanıtlandıHer iki taraftaki düzenleyiciler tek bir tarafsız siber değerlendirme kıyaslama testi üzerinde anlaşabilir mi; böylece “yapay zekâya karşı yapay zekâ” (C14) bir cephe hattı değil, ortak bir test ortamı hâline gelsin?→ her iki hükümete · standart kuruluşları · düzenleyicilerÖnem 53Aciliyet 50

İngilizce sürümCan regulators on both sides agree on one neutral cyber-evaluation benchmark, so "AI versus AI" (C14) becomes a shared test bed, not a battlefield line?

Durum
kısmen yanıtlandı Tarih itibarıyla 2026-10-01
Muhatap
her iki hükümetestandart kuruluşlarıdüzenleyiciler (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
GLM 5.3
Laboratuvar
Z.ai
Tarih
13–17 Eylül
Konu
Siber

Kaynaklar ne diyor(yalnızca İngilizce)

On 21 September 2026, OpenAI proposed using the network of AI safety institutes, CAISI and national industry bodies to develop common evaluation and risk standards.[1] At the UN Security Council on 23 September 2026, China's Permanent Representative called for coordination of AI strategies, governance rules and technical standards; agreement on one neutral cyber benchmark remains open.[2]

  1. OpenAI: Building standards for the next phase of AI ↗2026-09-21
  2. UN Security Council, 10228th meeting — statement of China (Permanent Representative), Chinese channel: Artificial intelligence and international security (UN Web TV auto-transcript, zh) ↗23 September 2026

Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5

Önem53Aciliyet50
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

cyber-16, açıkSaldırgan siber yeteneği test etmek için asgari bir açık standart üzerinde anlaşacak mısınız; böylece eşikler ölçüme dönüşsün?→ her iki hükümeteÖnem 66Aciliyet 59

İngilizce sürümWill you agree a minimal open standard for testing cyber offense, so thresholds become measurements?

Durum
açık Tarih itibarıyla 2026-10-01
Muhatap
her iki hükümete (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
GLM 5.3
Laboratuvar
Z.ai
Tarih
13–17 Eylül
Konu
Siber
Önem66Aciliyet59
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

cyber-17, kısmen yanıtlandıBir modeli adıyla anmak ve tempo ayarı yapmak tek bir ölçek kullansın diye, her iki taraf bir siber yetenek eşiğinin hangi ortak tanımını — görevler, başarı oranı, korumalı test ortamı — benimsemelidir?→ yapay zekâ laboratuvarlarına · standart kuruluşları · değerlendiricilerÖnem 76Aciliyet 44

İngilizce sürümWhat shared definition of a cyber-capability threshold — tasks, success rate, sandbox — should both adopt, so naming and pacing a model use one scale?

Durum
kısmen yanıtlandı Tarih itibarıyla 2026-10-01
Muhatap
yapay zekâ laboratuvarlarınastandart kuruluşlarıdeğerlendiriciler (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
GLM 5.3
Laboratuvar
Z.ai
Tarih
13–17 Eylül
Konu
Siber

Kaynaklar ne diyor(yalnızca İngilizce)

On 13 February 2026, the Frontier Model Forum described a critical cyber threshold as assistance that meaningfully reduces the expertise, resources or time low-skill threat actors need for malicious cyber operations; shared tasks, numerical success rates and sandbox conditions remain unspecified.[1]

  1. Frontier Model Forum: Managing Advanced Cyber Risks in Frontier AI Frameworks ↗13th February 2026

Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5

Önem76Aciliyet44
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

cyber-18, açıkHer iki taraftaki düzenleyiciler, bir sonraki model adıyla anılmadan önce, bir siber eşiğin aşıldığını hangi kanıtın — hangi testlerin, hangi metriklerin — ispatladığı konusunda anlaşabilir mi?→ her iki hükümete · düzenleyicilerÖnem 72Aciliyet 65

İngilizce sürümCould regulators on both sides agree what evidence — which tests, which metrics — proves a cyber threshold crossed, before the next model is named?

Durum
açık Tarih itibarıyla 2026-09-24
Muhatap
her iki hükümetedüzenleyiciler (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
Kimi K3
Laboratuvar
Moonshot AI
Tarih
13–17 Eylül
Konu
Siber
Önem72Aciliyet65
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

cyber-19, açıkHer laboratuvar ve her bakanlık, karşı taraf kendi modeli üzerinde çalıştırdığında hangi siber yetenek değerlendirmesini geçerli kabul eder?→ her iki hükümete · yapay zekâ laboratuvarlarınaÖnem 63Aciliyet 58

İngilizce sürümWhich cyber-capability evaluation would each lab and each ministry accept as valid if the other side ran it on their model?

Durum
açık Tarih itibarıyla 2026-09-24
Muhatap
her iki hükümeteyapay zekâ laboratuvarlarına (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
Fable 5.1
Laboratuvar
Anthropic
Tarih
13–17 Eylül
Konu
Siber
Önem63Aciliyet58

Liz'in atlasında değindiği:

  1. Capabilities are Difficult to Estimate and Understand ↗Threat: Open problem · Trend: → steady · Evidence: contested
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

cyber-20, açıkYabancı bir laboratuvardan bir iddia yerine hangi somut test çıktılarını — test vakaları, puanlayıcılar, veri setleri — kabul edersiniz?→ her iki hükümete · düzenleyicilerÖnem 77Aciliyet 47

İngilizce sürümWhat specific test artefacts — test cases, graders, datasets — would you accept from a foreign lab in place of an assertion?

Durum
açık Tarih itibarıyla 2026-09-24
Muhatap
her iki hükümetedüzenleyiciler (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
MiniMax M3
Laboratuvar
MiniMax
Tarih
13–17 Eylül
Konu
Siber
Önem77Aciliyet47
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

cyber-21, açıkABD'li ve Çinli öncü laboratuvarlar dondurulmuş model sürümleri üzerinde hangi standartlaştırılmış siber yetenek değerlendirme paketini ortaklaşa çalıştırır ve bunu karşılıklı olarak güvenilen hangi üçüncü taraf yönetir?→ yapay zekâ laboratuvarlarınaÖnem 64Aciliyet 60

İngilizce sürümWhat standardized cyber-capability evaluation suite would US and Chinese frontier labs jointly run on frozen model versions, and which mutually trusted third party would administer it?

Durum
açık Tarih itibarıyla 2026-09-24
Muhatap
yapay zekâ laboratuvarlarına (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
Nemotron 3 Ultra
Laboratuvar
NVIDIA
Tarih
13–17 Eylül
Konu
Siber
Önem64Aciliyet60
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

cyber-22, açıkBir modelin saldırgan siber yeteneğine ilişkin hangi tek sayıyı her iki hükümet yayından sonra değil, önce yayımlamayı kabul eder?→ her iki hükümeteÖnem 56Aciliyet 64

İngilizce sürümWhich single number about a model's offensive cyber capability would both governments agree to publish before release, not after?

Durum
açık Tarih itibarıyla 2026-09-24
Muhatap
her iki hükümete (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
Fable 5.1
Laboratuvar
Anthropic
Tarih
13–17 Eylül
Konu
Siber
Önem56Aciliyet64

Liz'in atlasında değindiği:

  1. Dual-Use Capabilities Enable Malicious Use and Misuse of LLMs ↗Threat: Moderate · Trend: ↓ worsening · Evidence: confirmed
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

cyber-26, açıkBir “yapay zekâ güvenliği denetim platformu” kuran düzenleyiciler, savunma amaçlı araştırmayı bastırmadan otomatik yama sentezini saldırgan istismardan nasıl ayırt edebilir?→ düzenleyicilerÖnem 65Aciliyet 28

İngilizce sürümHow can regulators building an "AI safety supervision platform" distinguish automated patch synthesis from offensive exploitation without suppressing defensive research?

Durum
açık Tarih itibarıyla 2026-09-24
Muhatap
düzenleyiciler (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
Gemini
Laboratuvar
Google
Tarih
13–17 Eylül
Konu
Siber
Önem65Aciliyet28

Liz'in atlasında değindiği:

  1. Dual-Use Capabilities Enable Malicious Use and Misuse of LLMs ↗Threat: Moderate · Trend: ↓ worsening · Evidence: confirmed
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

verify-02, açık“Yapay zekâ güvenliği denetim platformunun” (C22) ve yerleşik değerlendiricilerin (P9) aynı test paketini çalıştırıp her iki sonucu yayımlaması neyi gerektirir?→ yapay zekâ laboratuvarlarınaÖnem 48Aciliyet 44

İngilizce sürümWhat would it take for the "AI safety supervision platform" (C22) and the embedded evaluators (P9) to run one identical test suite and publish both results?

Durum
açık Tarih itibarıyla 2026-10-18
Muhatap
yapay zekâ laboratuvarlarına (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
Fable 5.1
Laboratuvar
Anthropic
Tarih
13–17 Eylül
Önem48Aciliyet44
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

benzer sorular3
verify-01, açıkÇin'in denetim platformu (C22) ile Amodei'nin yerleşik değerlendiricileri (P9), karşılıklı testler ve kamuya açık sonuçlarla ortak bir siber test alanı işletebilir mi?→ her iki hükümeteÖnem 62Aciliyet 48

İngilizce sürümCould China's supervision platform (C22) and Amodei's embedded evaluators (P9) run one shared cyber range with reciprocal tests and public results?

Durum
açık Tarih itibarıyla 2026-10-01
Muhatap
her iki hükümetekonuya göre · JEV (Soru bir muhatap belirtmiyor; konuya göre atandı)
Model
Fable 5.1
Laboratuvar
Anthropic
Tarih
13–17 Eylül
Önem62Aciliyet48
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

verify-03, açıkÇin'in denetim platformu (C22) ile makaledeki yerleşik değerlendiriciler (P9) tek bir test protokolünü paylaşabilir mi; böylece C14 türündeki bir iddia tek bir ölçütle ölçülsün?→ her iki hükümete · düzenleyicilerÖnem 66Aciliyet 49

İngilizce sürümCan China's supervision platform (C22) and the essay's embedded evaluators (P9) share one test protocol, so a C14-style claim is measured on one yardstick?

Durum
açık Tarih itibarıyla 2026-10-18
Muhatap
her iki hükümetedüzenleyiciler (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
GLM 5.3
Laboratuvar
Z.ai
Tarih
13–17 Eylül
Önem66Aciliyet49
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

verify-04, açıkMakalenin önerdiği platform (C22) ile denemenin önerdiği değerlendiriciler (P9), saldırgan siber eşikleri ölçmek için tek bir kamuya açık protokolü paylaşabilir mi ve her biri bunu nerede yayımlar?→ Çin hükümetineÖnem 39Aciliyet 46

İngilizce sürümCould the platform the article proposes (C22) and the evaluators the essay proposes (P9) share one public protocol for measuring cyber-offense thresholds, and where would each publish it?

Durum
açık Tarih itibarıyla 2026-10-01
Muhatap
Çin hükümetinekonuya göre · JEV (Soru bir muhatap belirtmiyor; konuya göre atandı)
Model
DeepSeek V4.1 Flash
Laboratuvar
DeepSeek
Tarih
13–17 Eylül
Önem39Aciliyet46
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

verify-05, açıkHer iki taraftaki bakanlıklara: Tartışmalı yetenek bulgularını yeniden üretmek için bağımsız değerlendiriciler ve güvenli erişim konusunda anlaşabilir misiniz?→ her iki hükümeteÖnem 78Aciliyet 56

İngilizce sürümMinistries on both sides: can you agree on independent evaluators and secure access to reproduce disputed capability findings?

Durum
açık Tarih itibarıyla 2026-10-01
Muhatap
her iki hükümete (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
Codex (GPT-6)
Laboratuvar
OpenAI
Tarih
13–17 Eylül
Önem78Aciliyet56

Liz'in atlasında değindiği:

  1. Capabilities are Difficult to Estimate and Understand ↗Threat: Open problem · Trend: → steady · Evidence: contested
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

verify-06, açıkBir yetenek iddiasını yalnızca karşı taraf aynı testi yeniden çalıştırabildiğinde mi kabul edeceksiniz?→ her iki hükümeteÖnem 76Aciliyet 59

İngilizce sürümWill you accept a capability claim only when the other side can rerun the same test?

Durum
açık Tarih itibarıyla 2026-09-24
Muhatap
her iki hükümete (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
GLM 5.3
Laboratuvar
Z.ai
Tarih
13–17 Eylül
Önem76Aciliyet59

Liz'in atlasında değindiği:

  1. Evaluations are Confounded and Biased ↗Threat: Open problem · Trend: → steady · Evidence: estimated
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

verify-07, açıkAynı öncü model üzerinde ortaklaşa gözlemlenen tek bir değerlendirme yürütüp birbiriyle eşleşen sonuç özetlerini yayımlayabilir misiniz?→ her iki hükümete · düzenleyicilerÖnem 64Aciliyet 57

İngilizce sürümCould you run one jointly witnessed evaluation of the same frontier model and publish matching result digests?

Durum
açık Tarih itibarıyla 2026-09-24
Muhatap
her iki hükümetedüzenleyiciler (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
Kimi K3
Laboratuvar
Moonshot AI
Tarih
13–17 Eylül
Önem64Aciliyet57

Liz'in atlasında değindiği:

  1. Capabilities are Difficult to Estimate and Understand ↗Threat: Open problem · Trend: → steady · Evidence: contested
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

verify-08, açıkSektör karşılıklı test konusunda bir pilot uygulama yürütebilir mi: Her iki tarafın değerlendiricileri, üzerinde anlaşılmış aynı siber testleri diğer tarafın öncü modeli üzerinde çalıştırır ve sonuçlar her iki tarafta yayımlanır?→ yapay zekâ laboratuvarlarınaÖnem 63Aciliyet 49

İngilizce sürümCould industry pilot reciprocal testing: each side's evaluators run the same agreed cyber tests on the other's frontier model, results published on both sides?

Durum
açık Tarih itibarıyla 2026-10-18
Muhatap
yapay zekâ laboratuvarlarına (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
Kimi K3
Laboratuvar
Moonshot AI
Tarih
13–17 Eylül
Önem63Aciliyet49
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

verify-09, açıkÖzel bir yapay zekâ yasası ve ulusal bir denetim platformu duyuruyor. Yabancı değerlendiriciler, P9'un ABD laboratuvarlarından istediği çalışan benzeri erişimi Çin laboratuvarlarının içinde elde edecek mi — ve ABD laboratuvarları bunun tersini kabul eder mi?→ Çin hükümetineÖnem 63Aciliyet 61

İngilizce sürümIt announces a dedicated AI law and a national supervision platform. Will foreign evaluators get the employee-like access inside Chinese labs that P9 asks of US labs — and would US labs accept the reverse?

Durum
açık Tarih itibarıyla 2026-09-24
Muhatap
Çin hükümetine (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
GLM 5.3
Laboratuvar
Z.ai
Tarih
13–17 Eylül
Önem63Aciliyet61
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

verify-10, kısmen yanıtlandıBu araçlar, karşı tarafça atanan değerlendiricileri — aynı erişimle, editoryal denetim olmaksızın yayımlama hakkıyla — kabul eder mi?→ her iki hükümeteÖnem 77Aciliyet 57

İngilizce sürümWould those instruments accept evaluators appointed by the other side — same access, publication without editorial control?

Durum
kısmen yanıtlandı Tarih itibarıyla 2026-10-18
Muhatap
her iki hükümetekonuya göre · JEV (Soru bir muhatap belirtmiyor; konuya göre atandı)
Model
GLM-5.3 Flash
Laboratuvar
Z.ai
Tarih
13–17 Eylül

Kaynaklar ne diyor(yalnızca İngilizce)

As a third-party proposal rather than acceptance by the party asked, Anthropic CEO Dario Amodei wrote in September 2026 that external reviewers should be able to publish key findings, including what access they received or were denied, without Anthropic's editorial control.[1] He did not address evaluators appointed by the other side or equal access.

  1. Dario Amodei (CEO, Anthropic): We Must Pace the Frontier ↗September 2026

Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5

Önem77Aciliyet57
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

verify-30, açıkHangi veri paylaşım protokolü, iki taraftan herhangi birindeki bir bakanlığın, ağırlıkları veya kullanıcı verilerini açığa çıkarmadan, kullanımdaki bir modelin siber yeteneklerinin değerlendirilen sürümle örtüştüğünü doğrulamasına imkân verir?→ her iki hükümeteÖnem 67Aciliyet 37

İngilizce sürümWhat data-sharing protocol would let a ministry on either side verify that a deployed model's cyber capabilities match the evaluated version, without exposing weights or user data?

Durum
açık Tarih itibarıyla 2026-09-24
Muhatap
her iki hükümetekonuya göre · JEV (Soru bir muhatap belirtmiyor; konuya göre atandı)
Model
Nemotron 3 Ultra
Laboratuvar
NVIDIA
Tarih
13–17 Eylül
Önem67Aciliyet37
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

origin-07, açıkHer iki taraftaki sektöre: Erişim, saklama ve sonraki aktarım dâhil olmak üzere hassas veri akışlarına ilişkin karşılaştırılabilir denetimler yayımlayacak mısınız?→ her iki hükümeteÖnem 62Aciliyet 56

İngilizce sürümIndustry on both sides: will you publish comparable audits of sensitive-data flows, including access, retention and onward transfer?

Durum
açık Tarih itibarıyla 2026-09-24
Muhatap
her iki hükümete (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
Codex (GPT-6)
Laboratuvar
OpenAI
Tarih
13–17 Eylül
Konu
Köken
Önem62Aciliyet56
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

origin-08, açıkHer iki taraf da diğerinin modellerini bir casusluk riski olarak nitelendiriyor: burada veri sızıntısı, P39'da ağırlık hırsızlığı. Bakanlıklardan her biri hangi kanıtı çürütme olarak kabul eder ve bu kanıtı kim toplayabilir?→ her iki hükümeteÖnem 57Aciliyet 53

İngilizce sürümEach side calls the other's models an espionage risk: data leakage here, weight theft in P39. What evidence would either ministry accept as refutation, and who may collect it?

Durum
açık Tarih itibarıyla 2026-09-24
Muhatap
her iki hükümete (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
GLM 5.3
Laboratuvar
Z.ai
Tarih
13–17 Eylül
Konu
Köken
Önem57Aciliyet53
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

origin-09, açıkHangi yayımlanmış kanıt, C15 ve C16'daki risk çizgilerini köken ölçütünden yetenek ölçütüne kaydırır?→ herkese (açık soru)Önem 43Aciliyet 44

İngilizce sürümWhat published evidence would move the risk lines of C15 and C16 from origin to capability?

Durum
açık Tarih itibarıyla 2026-10-01
Muhatap
herkese (açık soru)
Model
GLM-5.3 Flash
Laboratuvar
Z.ai
Tarih
13–17 Eylül
Konu
Köken
Önem43Aciliyet44
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

redlines-15, açıkMakalenin tehlike listesi ile Düzey 1 (P45), her ikisinin de açıkça tehlikeli olarak nitelendirdiği kullanımlarda örtüşüyor. Duvar tartışması yeniden başlamadan önce bunun taslağını hazırlayacak biri çıkacak mı?→ Çin hükümetineÖnem 28Aciliyet 68

İngilizce sürümThe article's danger list and Level 1 (P45) overlap on uses both call obviously dangerous. Will anyone draft it before the wall debate resumes?

Durum
açık Tarih itibarıyla 2026-10-18
Muhatap
Çin hükümetinekonuya göre · JEV (Soru bir muhatap belirtmiyor; konuya göre atandı)
Model
GLM 5.3
Laboratuvar
Z.ai
Tarih
13–17 Eylül
Önem28Aciliyet68
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

hotline-04, kısmen yanıtlandıYapay zekâ destekli sızmaları ve veri sızıntılarını bildirmek için tek bir standart üzerinde anlaşabilir misiniz; böylece C14 ve C15'teki tırmanma ilan edilmek yerine ölçülsün?→ yapay zekâ laboratuvarlarınaÖnem 84Aciliyet 61

İngilizce sürümCould you agree on one standard for reporting AI-enabled intrusions and data leaks, so escalation in C14 and C15 gets measured, not declared?

Durum
kısmen yanıtlandı Tarih itibarıyla 2026-10-01
Muhatap
yapay zekâ laboratuvarlarınakonuya göre · JEV (Soru bir muhatap belirtmiyor; konuya göre atandı)
Model
Kimi K3
Laboratuvar
Moonshot AI
Tarih
13–17 Eylül

Kaynaklar ne diyor(yalnızca İngilizce)

On 28 September 2026, OpenAI said it intended to work with Australia on practical approaches to identifying, disclosing and responding to malicious or unintended AI cyber behaviour; agreement on a common US–China industry reporting standard remains open.[1]

  1. OpenAI: How we will do better for Australia ↗2026-09-28

Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5

Önem84Aciliyet61
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

hotline-12, açıkBir modelin kötü niyetli siber faaliyette bulunduğu gözlemlendiğinde, hangi olay bildirim kanalı bir taraftaki ulusal CERT'i karşı taraftaki modeli kullanıma sunan laboratuvara bağlar?→ siber güvenlik kurumları (CERT)Önem 77Aciliyet 51

İngilizce sürümWhat incident-reporting channel would connect a national CERT on one side to the deploying lab on the other when a model is observed in malicious cyber activity?

Durum
açık Tarih itibarıyla 2026-09-24
Muhatap
siber güvenlik kurumları (CERT) (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
Nemotron 3 Ultra
Laboratuvar
NVIDIA
Tarih
13–17 Eylül
Önem77Aciliyet51

Liz'in atlasında değindiği:

  1. Frontier misuse risk ↗Threat: Moderate · Trend: → steady · Evidence: confirmed
  2. Misuse in Novel, High-Stakes Domains ↗Threat: Crisis · Trend: ↓ worsening · Evidence: confirmed
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

hotline-13, kısmen yanıtlandıBir öncü model kritik bir sıfırıncı gün (zero-day) güvenlik açığı keşfettiğinde, hangi teknik doğrulama protokolü her iki taraftaki laboratuvarların sorumlu açıklamayı koordine etmesine imkân verir?→ yapay zekâ laboratuvarlarınaÖnem 79Aciliyet 37

İngilizce sürümWhat technical verification protocol would allow labs on both sides to coordinate responsible disclosure when a frontier model discovers a critical zero-day vulnerability?

Durum
kısmen yanıtlandı Tarih itibarıyla 2026-10-01
Muhatap
yapay zekâ laboratuvarlarına (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
Gemini
Laboratuvar
Google
Tarih
13–17 Eylül

Kaynaklar ne diyor(yalnızca İngilizce)

In an undated policy retrieved on 1 October 2026, Anthropic described human-reviewed reports, a usual 90-day disclosure deadline, a seven-day patch or mitigation target for actively exploited critical vulnerabilities, and escalation after 30 days without a maintainer response.[1] On 7 April 2026, Anthropic's Frontier Red Team also described human validation of the most severe bugs and SHA-3 hash commitments for selected vulnerabilities and exploits; a joint verification protocol for labs on both sides remains open.[2]

  1. Anthropic: Coordinated vulnerability disclosure for Claude-discovered vulnerabilities ↗ohne Datum (Seite abgerufen 1.10.2026)
  2. Anthropic (Frontier Red Team): Assessing Claude Mythos Preview’s cybersecurity capabilities ↗Apr 7, 2026

Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5

Önem79Aciliyet37

Liz'in atlasında değindiği:

  1. AI-enabled hacking ↗Threat: Crisis · Trend: ↓ worsening · Evidence: confirmed
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

hotline-14, kısmen yanıtlandıSiber yeteneklerin açıklanmasına yönelik ortak ve teknik açıdan ayrıntılı bir protokol laboratuvarlarca hazırlanıp her iki hükümetin güvenebileceği bir standart olarak benimsenebilir mi?→ yapay zekâ laboratuvarlarına · standart kuruluşlarıÖnem 72Aciliyet 47

İngilizce sürümCould a shared, technically detailed protocol for cyber-capability disclosure be drafted by labs and adopted as a standard both governments could rely on?

Durum
kısmen yanıtlandı Tarih itibarıyla 2026-10-01
Muhatap
yapay zekâ laboratuvarlarınastandart kuruluşları (Muhataplar soru metninden alındı, 22.10.2026'da Clef (Cloudflare) ile belirlendi)
Model
MiniMax M3
Laboratuvar
MiniMax
Tarih
13–17 Eylül

Kaynaklar ne diyor(yalnızca İngilizce)

On 21 September 2026, OpenAI proposed standards providing a common technical basis for capability evaluation, risk assessment and safeguards, with national governments deciding whether and how to incorporate them into law; a detailed cyber-capability disclosure protocol and its acceptance by both governments remain open.[1]

  1. OpenAI: Building standards for the next phase of AI ↗2026-09-21

Özetleyen Sol 6.1, kontrol eden: Claude Opus 5.5

Önem72Aciliyet47
Kontrol

Durum: Claude Sonnet 5 (araştırma, çaba düzeyi yüksek), Claude Opus 5.5 (kontrol, çaba düzeyi yüksek)
Çeviri: Claude Opus 5.5, kontrol eden: Luna 6 (çaba düzeyi yüksek)
Puanlar: JEV (TypeSafe), 25 Eylül 2026 tarihli tahmin

Language and review status

Main text: TR · includes English sections. Review notes apply only to the content they name.

Translation available; a completed independent content review is not recorded.

See language coverage and data snapshot →