Databricks, geliştirici portalı Backstage'i Lakebase (yönetilen Postgres) üzerinde çalıştırma serisinin üçüncü bölümünde işletim verisiyle analitik veriyi birleştiriyor. Normal bir kurulumda "bulut maliyetimizi hangi altyapı yaratıyor ve sahibi kim?" sorusu iki sınır geçiyor: sahiplik grafiği Backstage'de, maliyet verisi veri ambarında. Cevap için ETL, Jira kaydı ya da Slack mesajı gerekiyor.

Asıl öğretici kısım gizlenmemiş bir zorluk: Lakehouse Federation'ın Postgres bağlayıcısı yalnızca statik kullanıcı/parola destekliyor, oysa Lakebase uygulama kimliklerini OAuth ile doğruluyor. Çözüm, ayrı bir SCRAM-SHA-256 Postgres rolü açmak. Sonuç, yazarların kendi cümlesiyle: artık aynı veritabanı için iki ayrı kimlik doğrulama yolu yönetiyorsun.

Netflix 4K'dan bulut oyunculuğuna kadar geniş bir özellik yelpazesini çok çeşitli cihazlarda sunuyor — ama her cihaz aynı değil. RAM, CPU çekirdek sayısı, ekran yetenekleri ve platform desteği bazı özelliklerin belirli modellerde çalışamayacağı anlamına geliyor.

Çözüm iki tablo deseni: kümülatif tablo her cihazın en güncel yetenek durumunu tutuyor (ekran boyutu, desteklenen video profilleri gibi). Histogram tablosu ise son 28 günün aktif cihaz sayılarını model ve yazılım sürümüne göre kırıyor, ve belirli bir yeteneği destekleyen cihaz oranını veriyor: örneğin "playready %100, hevc %20".

OpenAI'ın altyapı ve fiyatlandırma üzerine yazısı. Ana tez basit: AI altyapısı büyük olduğu için değil, mümkün kıldığı şey yüzünden değerli. Faydalı zekânın maliyeti düştükçe, yapılmaya değer iş miktarı artıyor.

Somut kısım fiyat değişikliği: GPT-5.6 Luna'nın fiyatı %80, Terra'nın %20 düşürülmüş. Luna artık milyon girdi token'ı başına 0,20 dolar. Fast mode ise iki katı fiyata 2,5 kata kadar hız veriyor — zekâda değişiklik yok.

Yazının en kullanışlı cümlesi bir soru yeniden çerçevelemesi: "hangi model hangi göreve ait?" yanlış soru. Doğru soru şu — bu sonuç ne kadar zekâ gerektiriyor, ne kadar hızlı gerekiyor, ve maliyeti ne olmalı?