Opus 5.5'i 24 Kod Görevinde Test Ettim: Fable Seviyesinde, Yari Zamanda, Yari Maliyette

Bu hafta buyuk dil modelleri icin yogun basladi. Claude tarafinda Opus 5.5 duyuruldu, OpenAI tarafinda GPT-6 Sol ve Luna konusuldu ve Mimo 2.6 da gundemdeydi ama yavas kaldigi icin test disi birakildi. Video sahibi icin asil soru surasiydi: Opus 5.5 gercekten 5.1 gibi kucuk bir artis mi yoksa buyuk bir sicrama mi? Ic sizintilarda 5.2 adi gecmisti, Fable ise 5.1 ile cikmisti ve cok ses getirmemisti. Opus 5 ise kendi liderlik tablosunda orta seviye Astro ve yuksek seviye Solve'un gerisinde kalmisti, fark kucuk olsa bile zirvede degildi.

Yontem: Tek Bash Dongusu, Dort Proje

Yontem bilerek sade tutuldu. Toplam 24 kodlama istegi Bash betigi uzerinden Claude Code CLI'yi cagirarak calistirildi. 20'si farkli projelerdeki nadir durumlari ve kotu patiklari kapsayan, 20 uzerinden puanlanan gorevlerdi; ikisi PHP, biri Dart Flutter, biri Go idi. Ek olarak React ve TypeScript ile yazilmis on uc ile PHP Laravel arka uc, GPT 5.6 tarafindan juri olarak 20 uzerinden degerlendirildi. Ilk calistirmada tum testler yaklasik iki dakikada bitti, ikinci tur daha da hizliydi. Tek deneme varyansi yuksek oldugu icin yazar gelecekte uc deneme ortalamasi almayi dusunuyor ama simdilik maliyet nedeniyle tek kosu raporlandi.

Hiz ve maliyet ilk anda sasirtti. Daha once Opus 5 ile orta ve yuksek ayarlarda tek istek basina 1 dolarin uzerinde harcama gorulurken, Opus 5.5 tum 24 istek icin 1 dolarin altinda kaldi. Yazar Anthropic'in 20 dolarlik planinda normalde her iki Opus 5 varyantini test etmek icin uc-dort adet bes saatlik pencere harcadigini soyluyor. Bu kez tek pencerede is bitti. Twitter'da modelin Fable seviyesinde ama daha hizli ve ucuz oldugu soylenmisti; ilk izlenim bunu dogruladi ve ayrintili olcumler de ayni hikayeyi anlatti.

Skor Tablosu: On ve Arka Ucta 20 Uzerinden 20

Puanlara yakin bakis ilginc bir detay gosterdi. Excel tablosunda iki Opus 5.5 varyanti yan yana duruyordu. Orta seviye, yuksek seviyeden biraz daha yuksek kalite puani almisti — tek denemede mumkun bir dalgalanma. Her iki varyant da diger modellerin 100 uzerinden aldigi maksimumun belirgin sekilde ustundeydi; alti kosudan ucunde 100 tam puan goruldu, ortalama alinip bese bolunerek 20 uzerinden hesap yapilmisti. Uc deneme ortalamasinda da orta seviye yine bir tik ondeydi ama fark cok kucuktu. Yuksek seviye ise diger metriklerde dengeyi geri kazandi.

Genel liderlik tablosu guncellendi ve iki yeni zirve ortaya cikti, ikisi de GPT-6 Astra'nin uzerine yerlesti. Yuksek ayar dort projede 20 uzerinden 20 ile tam puan aldi. Orta ayar bir testi kacirdi, bir digerinde 19 uzerinden 18'de kaldi ama kod kalitesinde yine bir miktar ondeydi; toplamda yuksek ayar onde. Opus 5 ile karsilastirma carpici: 60 uzerinden 60'a cok daha yakin bir sonuc cikti. Bu, GPT Astra medium'dan sonra 20/20 barajini asan ikinci model oldu ama asil fark fiyat ve surede goruldu. Sosyal medyada dile getirilen Daha iyi degil, ayni kalitede ama daha ucuz normal modellere ihtiyac var gorusune Opus 5.5 tam karsilik verdi.

Neden Daha Hizli ve Daha Ucuz?

Resmi aciklamada API fiyatinin biraz dustugu yaziyor ama buyuk kazanc baska yerde. Model daha az islem gerektiriyor, yani genel olarak hiz ve maliyet icin optimize edilmis. Bu, toplulukta da dogrulandi; Theo gibi yogun kullananlar limitlerini neredeyse hic zorlamadigini aktardi. Sure tarafinda orta seviye istek basina yaklasik iki dakika, yuksek seviye uc dakika — Opus 5'in yarisindan da hizli ve Astra medium'dan da hizli. Tum tabloda iki dakikadan hizli baska bir giris yok, sadece Astra Luna dusuk ayar daha hizli ama liderlik disi birakilmis. Ote yandan bes saatlik plan kullanimi da rahatladi: bir kez yuzde 100 asildi ama yeni onbellekli sifirlama ile cozuldu, ilgili hafta yuzde 91 dolulukla tek pencere yetti ve ikinci pencerenin yuzde 58'i kullanildi. Ustelik Anthropic bes saatlik pencere limitlerini yuzde 20 artirdigini duyurdu. Opus 5 ile kiyasla uc-dort pencere gereken is tek pencereye indi.

Topluluk sinyali de bu tabloyu destekledi. Yazar, gercek depo duzeltme senaryosunu yansittigi icin genel puanlardan cok topluluk geri bildirimine guvendigini soyluyor. Opus 5.5 bu alanda da neredeyse zirvede ve Fable'dan ucuz olarak konumlandi. Sosyal aglarda Hallelujah benzeri coskulu yorumlar, Fable'in astronomik fiyatina ragmen limit dusunmeden kullanabilme vurgusu one cikti. Peki Fable veya Sonnet 5'in yeri ne? Sonnet 5 bu tabloda asagida ve ne daha ucuz ne de daha kaliteli. Anthropic'in aciklamasi net: Opus 5.5, Claude 5.5 ailesinin ilk uyesi; yakinda Sonnet ve belki Haiku ya da Fable 5.5 gelebilir. Yazar da yeni modelleri benckmarkina eklemeye devam edecegini, yarin GPT-6 Sol ve Luna'yi ele alacagini soyluyor ve AI Coding Dealer uyeligine davet ediyor.