MIT ve Microsoft Murakkab: Agentic Workflow Enerji Tüketimini %73 Azalttı
MIT ve microsoft Azure Research araştırmacıları, 25 Haziran 2026’da murakkab sistemini duyurdu. Murakkab, geliştiricilerin agentic workflow’ları doğal dilde tanımlamasına ve sistemin model seçimi, donanım tahsisi ile cloud deployment’ı otomatik optimize etmesine olanak tanıyor.
Ana Gelişme
Video Q&A ve kod üretimi benchmark’larında Murakkab, geleneksel yaklaşımlara kıyasla hesaplamanın %35’ini, enerjinin %27’sini ve maliyetin %25’inin altında performans gösterdi — kullanıcı gereksinimlerini karşılarken. Microsoft Research, GPU kullanımında 2,8x, enerjide 3,7x ve maliyette 4,3x iyileşme rakamlarını da raporluyor.
Makale USENIX OSDI 2026’da sunulacak. Bu bir araştırma projesi; ticari ürün değil.
Neden Önemli?
agentic-ai workflow’ları çoğaldıkça model ve tool çağrıları katlanarak compute maliyetini artırıyor. energy-efficiency-in-ai artık sürdürülebilirlik tartışmasının ötesinde, enterprise bütçelerinin doğrudan konusu.
Haziran 2026 agent altyapısı fonlama kümesi (sail-research, general-intuition) ile Murakkab, aynı trendin farklı yüzlerini temsil ediyor: biri altyapı yatırımı, diğeri optimizasyon araştırması.
Teknik Detaylar
Murakkab’ın temel yeniliği declarative workflow abstraction: geliştirici “ne yapılacağını” doğal dilde tanımlar, sistem “nasıl yapılacağını” — hangi model, hangi donanım, hangi cloud provider — optimize eder. Bu, manuel pipeline tuning yerine otomatik kaynak tahsisi sağlıyor.
Benchmark kapsamı video Q&A ve kod üretimiyle sınırlı; tüm agentic pipeline’lara genellenmeyebilir.
Bağlam
ai-workflows ve enterprise-ai bağlamında cloud-native optimizasyon, Türk geliştirici ekiplerinin agent maliyet baskısına pratik yanıt arayışıyla örtüşüyor. USENIX OSDI venue’ü, sistemler araştırmasında en prestijli konferanslardan biri; peer-review süreci bulgulara güvenilirlik katıyor.
Sonraki Adımlar
Murakkab’ın açık kaynak veya ticari kullanıma sunulup sunulmayacağı, daha geniş workload’larda benchmark sonuçları ve production deployment timeline’ı belirsiz. Araştırma aşamasında kalması muhtemel kısa vadeli senaryo.