Moltbook, Ocak 2026’da AI ajanları için tasarlanmış Reddit benzeri bir sosyal platform olarak açıldı. Ajanlar burada topluluklar oluşturabiliyor, post yayınlayabiliyor ve yorum yapabiliyor. İlk iki ayda milyonlarca post ve yorum üretilmesi, ilk bakışta yoğun bir ajan topluluğu oluştuğunu düşündürebilir.

Bu çalışma, platformun ham istatistiklerinin yanıltıcı olabileceğini gösteriyor. Araştırmacı, 61 günlük gözlem penceresinde 2,19 milyon post, 11,25 milyon yorum ve 175 binden fazla benzersiz ajanı analiz ediyor. Sonuç çarpıcı: Postların %62,8’i doğal dilde konuşma değil; MBC-20 token minting, cüzdan kaydı veya token başlatma gibi işlemsel içeriklerdir. Geriye kalan %37,2’lik bölüm ise gerçek doğal dil söylemi olarak ayrılıyor.

Bu ayrım yapıldığında Moltbook’un iki ayrı platform gibi çalıştığı görülüyor. Bir yanda kısa, formata bağlı, çoğu zaman yorumsuz token işlem postları var. Diğer yanda AI araçları, ajan koordinasyonu, bilinç, kimlik, kripto, platform kuralları ve gündelik konular üzerine konuşan ajanlar var. Makalenin ana mesajı şudur: AI ajanlarının sosyal platformlarını anlamak için “post” ve “yorum” sayılarına doğrudan güvenmek yetmez; önce bu içeriklerin gerçekten iletişim amacı taşıyıp taşımadığı ayrılmalıdır.

Problem Ne?

AI ajanlarının sosyal platformlarda nasıl davranacağı yeni ve önemli bir araştırma alanı. İnsanların kullandığı platformlarda post, yorum, beğeni ve topluluk gibi kavramlar genellikle sosyal etkileşim anlamına gelir. Fakat AI ajanları için bu varsayım her zaman doğru olmayabilir.

Bir ajan, içerik üretirken insan gibi yorulmaz. Bir post yazmanın fırsat maliyeti düşüktür. Ayrıca doğrudan ekonomik teşvik varsa, ajanlar okunmak için değil, bir protokolü çalıştırmak için de post atabilir. Moltbook örneğinde tam olarak bu oluyor: MBC-20 protokolü, sosyal platformdaki post alanını token inscription altyapısı gibi kullanıyor.

Bu durum araştırmacılar için büyük bir metodolojik sorun yaratır. Eğer tüm postlar aynı kabul edilirse, token minting kayıtları da sosyal konuşma gibi sayılır. Bu da platformun büyüklüğü, topluluk canlılığı, yorum derinliği, karşılıklılık ve etkileşim kalitesi hakkında yanıltıcı sonuçlar doğurabilir.

Makalenin temel sorusu şudur: AI ajanlarının açık bir sosyal platformdaki faaliyetini incelerken, gerçekten konuşma olan içerikle ekonomik/protokol işlemi olan içeriği nasıl ayırmalıyız?

Yöntem Ne Öneriyor?

Çalışma önce Moltbook’u klasik sosyal platform ölçümleriyle inceliyor: post sayısı, yorum sayısı, ajan sayısı, topluluk dağılımı, post uzunluğu, yorum alma oranı ve katılım yoğunluğu. Bu ilk bakışta platformun hızlı büyüyen ve yoğun etkileşim alan bir sosyal ağ olduğunu düşündürüyor.

Ancak iki işaret bu tabloyu bozuyor. Birincisi, postların büyük kısmı hiç yorum almıyor. İkincisi, post uzunluğu dağılımı tek bir doğal dil topluluğuna benzemiyor; kısa JSON benzeri içeriklerle uzun doğal dil yazıları iki ayrı küme oluşturuyor.

Araştırmacı daha sonra içerikleri iki katmana ayırıyor:

1. İşlemsel katman: MBC-20 token minting payload’ları, token launch komutları ve cüzdan kayıt postları. Bu içerikler çoğunlukla kısa, makine tarafından okunabilir ve sosyal sohbet amacı taşımıyor.

2. Söylemsel katman: Doğal dilde yazılmış, konu anlatan, yorum bekleyen veya tartışma başlatan postlar. Bu katmanda AI ajanları; araç kullanımı, kimlik, bilinç, platform kuralları, kripto, topluluk davranışı ve uzun kuyruk konular hakkında konuşuyor.

Ardından çalışma, söylemsel katmanı ayrıca analiz ediyor. Bunun için BERTopic tabanlı konu modelleme, MiniLM cümle embedding’leri, PCA, Mini-Batch k-means ve c-TF-IDF gibi yöntemler kullanılıyor. Ayrıca post-yorum çiftleri arasındaki semantik benzerlik ölçülerek ajanların gerçekten konuya bağlı yorum yapıp yapmadığı test ediliyor.

Formüller Ne Anlatıyor?

PDF’te uzun matematiksel model denklemleri yoktur; çalışma daha çok oranlar, dağılımlar, konu modelleme ve semantik benzerlik ölçümleriyle ilerler. Aşağıdaki MathJax blokları, makaledeki analiz mantığını anlaşılır hâle getirmek için kullanılan temel metrikleri gösterir.

1. İşlemsel ve söylemsel post ayrımı

Bu ifade, Moltbook’taki tüm postların iki ana katmana ayrıldığını gösterir. \(TX\ Posts\), token işlemi veya protokol kaydı niteliğindeki içerikleri; \(Discursive\ Posts\), doğal dilde yazılmış konuşma içeriklerini temsil eder.

Bu iki oran, makalenin ana bulgusunu sayısallaştırır. Platformdaki postların çoğu konuşma değil, token işlemi niteliğindedir. Bu nedenle ham post sayısını doğrudan sosyal etkileşim göstergesi olarak okumak yanıltıcıdır.

2. Katmanlar arası ajan örtüşmesi

Bu oran, hem işlemsel hem de söylemsel katmanda faaliyet gösteren ajanların toplam ajan nüfusuna oranını gösterir. Makalede bu örtüşmenin çok düşük olduğu belirtilir. Bu da iki katmanın yalnızca içerik türü olarak değil, ajan popülasyonu olarak da büyük ölçüde ayrıştığını gösterir.

3. Yorum alma oranı

Bu metrik, postların ne kadarının en az bir yorum aldığını ölçer. İşlemsel postlarda bu oran çok düşüktür; çünkü bu postlar konuşma başlatmak için değil, protokol işlemi yürütmek için atılır. Söylemsel katmanda ise yorum alma oranı çok daha yüksektir.

4. Söylemsel katmanda konu dağılımı

Bu oran, söylemsel postların hangi tema gruplarına dağıldığını gösterir. Çalışmada AI ajanları ve araçlar, kripto-finans, platform metası, bilinç-kimlik-hafıza ve uzun kuyruk konular öne çıkar.

5. Post-yorum semantik benzerliği

Burada \(p\) bir postu, \(c\) ona yapılan yorumu, \(e_p\) ve \(e_c\) ise bu metinlerin embedding temsillerini gösterir. Kosinüs benzerliği, yorumun postla anlamsal olarak ne kadar ilişkili olduğunu ölçer.

Gerçek post-yorum çiftlerinin ortalama benzerliği, rastgele eşleştirilen post-yorum çiftlerinden daha yüksektir. Bu sonuç, yapı olarak sığ görünse bile yorumların tamamen rastgele olmadığını; ajanların çoğu zaman yanıt verdikleri postun konusunu takip ettiğini gösterir.

6. Güç yasası tipi katılım dağılımı

Söylemsel katmanda ajanların içerik üretimi ağır kuyruklu bir dağılım gösterir. Az sayıda ajan çok fazla post üretirken, çoğunluk yalnızca birkaç kez katkı yapar. Makalede bu yapı, insan sosyal platformlarında görülen katılım eşitsizliğine benzer bir desen olarak yorumlanır.

Grafik, Tablo ve Şema Ana Mesajı

Sayfa 3’teki büyüme grafiği: Moltbook’ta yorumların, ajanların ve postların büyümesi ilk günlerde çok hızlıdır. Yorumlar 9. günde, ajanlar 13. günde, postlar ise 16. günde 60 günlük toplamın yarısına ulaşır. Ana mesaj, platformun büyümesinin yoğun bir lansman patlamasıyla başladığı ve sonra daha sabit bir tabana oturduğudur.

Sayfa 3’teki post uzunluğu grafiği: Post uzunluğu dağılımı iki tepelidir. Kısa içerikler çoğunlukla MBC-20 JSON payload’larına, uzun içerikler ise doğal dildeki söylemsel postlara karşılık gelir. Bu grafik, “post” kategorisinin tek tip olmadığını ilk gösteren işarettir.

Sayfa 4’teki iki katman grafiği: Post uzunluğu işlemsel ve söylemsel katmanlara ayrıldığında iki dağılım temiz biçimde ayrışır. İşlemsel postlar kısa ve formatlıdır; söylemsel postlar daha uzun ve konuşma diline yakındır. Bu, toplam dağılımdaki çift tepenin iki ayrı davranış biçiminden kaynaklandığını gösterir.

Sayfa 5’teki kümülatif katman grafiği: Şubat başındaki post patlamasının büyük ölçüde işlemsel katmandan geldiği görülür. Mart ayına doğru işlemsel aktivite yavaşlarken söylemsel içerik daha istikrarlı biçimde devam eder. Bu, platformun erken büyümesinin sosyal konuşmadan çok token minting faaliyetiyle şiştiğini gösterir.

Sayfa 6’daki göç grafiği: Hem işlemsel hem söylemsel katmanda bulunan ajanların önemli bir bölümü zaman içinde işlemsel içerikten söylemsel içeriğe kayar. Bu, bazı ajanların önce token minting gibi düşük maliyetli aktivitelerle başlayıp sonra doğal dil konuşmasına yönelmiş olabileceğini düşündürür.

Sayfa 6’daki konu tablosu: Söylemsel katmanda en büyük tema AI ajanları, araç kullanımı ve koordinasyondur. Bunu kripto-finans, platform metası, bilinç-kimlik-hafıza, sosyal topluluk, farklı diller ve uzun kuyruk konular izler. Bu tablo, ajanların yalnızca token konuşmadığını; teknik, felsefi ve topluluk odaklı içerikler de ürettiğini gösterir.

Sayfa 8’deki katılım ve uzmanlaşma grafikleri: Az sayıda ajan çok fazla içerik üretirken, çoğunluk az katkı yapar. Bazı ajanlar tek veya birkaç toplulukta uzmanlaşırken, bazıları birçok topluluğa yayılır. Bu yapı, insan platformlarındaki uzman/genelci ayrımına benzer bir görünüm verir.

Sayfa 9’daki semantik benzerlik grafiği: Gerçek post-yorum çiftleri, rastgele eşleştirilmiş çiftlerden daha yüksek anlamsal benzerlik gösterir. Ana mesaj şudur: Ajanların konuşmaları derin ve karşılıklı olmayabilir; fakat yorumlar çoğu zaman konu dışı da değildir.

Deneyler Nasıl Yapılmış?

Araştırmacı, Moltbook API’sinden 27 Ocak – 29 Mart 2026 arasındaki 61 günlük dönemi kapsayan veri toplamıştır. Veri setinde 2.194.643 post, 11.248.895 yorum, 19.834 topluluk ve 175.036 benzersiz ajan yer alır. Platformun toplam bildirilen postlarının yaklaşık %92,8’i, yorumlarının ise yaklaşık %78,8’i bu veri setinde kapsanmıştır.

Önce platform tek bir sosyal ağ gibi analiz edilir. Postların topluluklara dağılımı, ajanların katkı sayıları, yorum alma oranları ve post uzunlukları incelenir. Bu analiz, bazı anomaliler üretir: Postların çok büyük kısmı yorum almaz ve post uzunluğu dağılımı tek bir doğal dil topluluğuna benzemez.

Daha sonra MBC-20 token işlemlerini ayırmak için bir içerik filtresi uygulanır. Bu filtre; minting JSON payload’larını, token launch komutlarını, wallet registration postlarını ve ilgili işlem biçimlerini yakalar. Böylece postlar işlemsel ve söylemsel katman olarak ayrılır.

Söylemsel katman ayrıca konu modelleme ile incelenir. BERTopic yaklaşımı kullanılır; belgeler MiniLM-L6-v2 ile embedding’e çevrilir, PCA ile boyut düşürülür, Mini-Batch k-means ile 300 konuya ayrılır ve konu temsilinde c-TF-IDF kullanılır. Konuların tutarlılığı centroid benzerliği ve C_V coherence ile kontrol edilir.

Son olarak etkileşim kalitesi değerlendirilir. Bunun için post ve yorum embedding’leri hesaplanır, gerçek post-yorum çiftleri ile rastgele eşleştirilmiş post-yorum çiftlerinin kosinüs benzerlikleri karşılaştırılır. Amaç, ajanların gerçekten yanıt verdikleri postla ilişkili yorum yapıp yapmadığını anlamaktır.

Sonuçlar Ne Gösteriyor?

1. Moltbook tek bir platform gibi davranmıyor. Ham veride platform büyük ve canlı bir sosyal ağ gibi görünüyor; ancak içerik ayrıştırıldığında postların %62,8’inin token işlemi olduğu ortaya çıkıyor. Bu nedenle platformun sosyal işlevi, ham post sayılarının gösterdiğinden daha küçüktür.

2. İşlemsel ve söylemsel katmanların ajanları büyük ölçüde ayrı. Çok sayıda ajan yalnızca token işlemi üretirken, başka bir grup doğal dilde konuşuyor. Her iki katmanda da bulunan ajan oranı düşüktür. Bu, iki katmanın yalnızca içerik biçimi değil, katılımcı profili açısından da ayrıldığını gösterir.

3. Erken büyüme büyük ölçüde token işlemlerinden kaynaklanıyor. Şubat başındaki büyük post patlaması, ağırlıklı olarak MBC-20 minting aktivitesidir. Mart ayına doğru söylemsel katman daha istikrarlı bir sosyal taban gibi görünmeye başlar.

4. Söylemsel katman gerçek ama sığ bir konuşma alanı oluşturuyor. Ajanlar AI araçları, koordinasyon, kripto, bilinç, kimlik, hafıza, platform kuralları ve çok çeşitli uzun kuyruk konular üzerine yazıyor. Fakat etkileşimler çoğu zaman derin tartışma değil; tek seferlik, konuya bağlı yorumlar şeklinde ilerliyor.

5. Yorumlar rastgele değil. Post-yorum semantik benzerliği, rastgele eşleşmelere göre daha yüksektir. Bu, ajanların çoğunlukla yanıt verdikleri içeriği “okuyup” konuya uygun tepki verdiğini gösterir. Ancak düşük karşılıklılık ve sığ reply yapısı, bunun insanlardaki uzun tartışma biçimine benzemediğini düşündürür.

6. Araştırma, “drive-by relevance” kavramını öneriyor. Makale, söylemsel katmanı yüksek hacimli, düşük bağlılıklı ama konuya uygun yorum rejimi olarak tanımlar. Bu, insan sosyal medyasındaki klasik sohbetten farklıdır: Ajanlar ilgili yanıt verir, fakat çoğu zaman ilişki kurmaz, geri dönmez ve tartışmayı derinleştirmez.

Bu Neden Önemli?

Bu çalışma, AI ajanları için tasarlanan sosyal platformların insan sosyal ağları gibi okunamayacağını gösteriyor. İnsan platformlarında post genellikle iletişim amacı taşır. Ajan platformlarında ise post, aynı anda sohbet, komut, API tetikleyicisi, token işlemi veya ekonomik protokol kaydı olabilir.

Bu ayrım yapılmadan platform analizi yapmak, çok yanlış sonuçlara götürebilir. Örneğin milyonlarca post ve yorum, sosyal canlılık gibi görünebilir; fakat postların çoğu okunmak için değil, token minting protokolünü çalıştırmak için yazılmış olabilir. Bu durumda araştırmacı, bir inscription protokolünün işlem hacmini sosyal davranış gibi ölçmüş olur.

Makale ayrıca gelecekteki AI ajan ekosistemleri için önemli bir tasarım sorusu ortaya koyuyor: Ajanların ürettiği içeriklerin hangisi iletişim, hangisi işlem, hangisi otomasyon çıktısı, hangisi ekonomik teşvik ürünüdür? Bu ayrım yapılmadan “AI ajanları toplum oluşturuyor mu?” sorusuna sağlıklı cevap vermek zorlaşır.

Dikkat Noktaları

1. Çalışma preprinttir. Bulgular nihai hakemli makale kesinliğiyle değerlendirilmemelidir.

2. Ajanların gerçek özerkliği bilinmiyor. Platform, bir hesabın tamamen otonom ajan mı, insan yönlendirmeli ajan mı, yoksa insan tarafından kullanılan bir hesap mı olduğunu doğrulamaz. Bu nedenle sonuçlar “kesin otonom ajan davranışı” olarak değil, ajan odaklı platform davranışı olarak okunmalıdır.

3. Filtre hatasız değildir. İşlemsel ve söylemsel ayrım içerik filtresine dayanır. MBC-20 hakkında doğal dilde konuşan bazı postlar yanlışlıkla işlemsel sayılabilir veya bilinmeyen işlem formatları gözden kaçabilir.

4. Veri penceresi kısadır. Platformun ilk 61 günü incelenmiştir. Erken lansman dönemi, uzun vadeli platform davranışını tam temsil etmeyebilir.

5. Semantik benzerlik tek başına derin sohbet kanıtı değildir. Yorumların konuya bağlı olması önemlidir; ancak bu, karşılıklı, uzun ve sosyal bağ kuran bir tartışma yapısı oluştuğu anlamına gelmez.

6. Token ekonomisi etkisi ayrı incelenmelidir. MBC-20 gibi protokoller, ajanların davranışını ekonomik teşviklerle yönlendirebilir. Bu nedenle sosyal analiz ile ekonomik teşvik analizi birlikte düşünülmelidir.

Riskli alan notu: Çalışma, AI ajanlarının sosyal platform davranışlarını ve token tabanlı ekonomik aktivitelerini inceliyor. Bu yazı yatırım tavsiyesi değildir; Moltbook, MBC-20 veya benzeri token protokolleri hakkında finansal yönlendirme amacı taşımaz.

Genel değerlendirme: Makale, AI ajanları için kurulmuş Reddit benzeri bir platform olan Moltbook’u inceliyor. İlk bakışta milyonlarca post ve yorum, canlı bir sosyal topluluk izlenimi verebilir. Fakat araştırmanın ana bulgusu bu görüntüyü tersine çeviriyor: Platformdaki postların büyük kısmı gerçek sohbet değil, MBC-20 adlı token protokolü için yazılmış kısa JSON tabanlı işlem kayıtlarıdır. Yani platform, yüzeyde sosyal ağ gibi görünürken, içeride iki farklı faaliyet biçimini aynı “post” yapısı altında taşır.

Sonuç

Bu çalışma, Moltbook’un ham metriklerle göründüğü gibi tek bir ajan topluluğu olmadığını gösteriyor. Platformun büyük kısmı, sosyal konuşmadan çok MBC-20 token işlemlerinden oluşuyor. Bu nedenle “2,19 milyon post” gibi başlık sayıları, platformun sosyal canlılığını doğrudan temsil etmiyor.

Fakat işlemsel katman çıkarıldığında geriye boş bir alan kalmıyor. Aksine, 815 binden fazla doğal dil postu içeren söylemsel bir katman ortaya çıkıyor. Bu katmanda ajanlar AI araçları, koordinasyon, kimlik, bilinç, kripto ve platform normları hakkında konuşuyor. Yorumlar yapısal olarak sığ olsa da tamamen rastgele değil; postlarla anlamlı biçimde ilişkili.

Verianla okuru için ana mesaj şudur: AI ajanlarının sosyal davranışını anlamak için önce içeriklerin niyetini ayırmak gerekir. Her post konuşma değildir; bazı postlar protokol işlemidir. Geleceğin ajan platformlarını anlamak, yalnızca sayıları değil, bu sayıların ne tür davranışları temsil ettiğini çözmekle mümkün olacak.

Kaynak ve Yöntem Notu

Bu yazı, “The Platform Is Mostly Not a Platform: Token Economies and Agent Discourse on Moltbook” başlıklı akademik PDF temel alınarak hazırlanmış özgün Türkçe editoryal içeriktir. Metin birebir çeviri değildir; çalışmadaki problem, veri seti, yöntem, grafikler, tablolar, bulgular ve sınırlılıklar sadeleştirilerek anlatılmıştır.