Geçen yıl model seçmek nispeten kolaydı. En güçlü görüneni açıp işe koyuluyorduk. Eylül 2026 itibarıyla bu alışkanlık hayli pahalı bir tembelliğe dönüştü.
Masada üç ayrı teklif var. Claude Fable 5.1 uzun süren repo ve belge işlerine talip. GPT-6 Astra tarayıcı, masaüstü uygulaması ve profesyonel dosya üretiminde iddialı. Gemini 3.8 Flash ise çok daha düşük fiyatla büyük hacmi ve çoklu modal girdiyi istiyor. Üçü de kendi duyurusunda pek parlak görünüyor. Şaşırtıcı değil.
Benim kısa cevabım şöyle: repoda uzun süre çalışacak ajan için önce Claude Fable 5.1'i, ekran başında uygulama kullanacak ajan için GPT-6 Astra'yı, binlerce isteğin geçtiği sınıflandırma, çıkarım ve arama hattı için Gemini 3.8 Flash'ı denerim. “Denerim” kısmı önemli. Laboratuvar tablosunu alıp üretim kararına çevirmem.
Önce faturayı masaya koyalım
Üç modelin ayrıldığı en temiz yer fiyat.
Claude Fable 5.1'in taze girdisi milyon token başına 10 dolar, çıktısı 50 dolar. Beş dakikalık cache yazımı 12,50 dolar, bir saatlik yazım 20 dolar; cache okumasıysa 0,25 dolar. Aynı repo haritasını, sistem prompt'unu ve araç tanımlarını tekrar tekrar kullanan ajan için bu son rakam ciddi. Tek seferlik soruda pek anlamı yok, uzun döngüde var.
GPT-6 Astra'nın Standard kısa bağlam tarifesi de 10 dolar giriş, 50 dolar çıkış. Cache girdisi 1 dolar, cache yazımı 12,50 dolar. Fast mod kısa bağlamda tarifeyi ikiye katlıyor: 20 dolar giriş, 100 dolar çıkış. OpenAI bunun Standard'a göre 2 kata kadar hız sağlayabildiğini söylüyor. Uzun bağlam fiyatları farklı; üstelik Astra Fast modu AB veri yerleşimiyle kullanılamıyor.
Gemini 3.8 Flash başka bir rafta. 31 Aralık 2026'ya kadar milyon giriş token'ı 0,75 dolar, çıkış token'ı 3,75 dolar. Çıkış fiyatına thinking token'ları da dahil. 1 Ocak 2027'de tarife 1,50 ve 7,50 dolara çıkacak. Google Search grounding kullanıldığında ayrıca istek ücreti gelebiliyor.
Bu tablo “Flash her işi daha ucuza yapar” demiyor. Bir işin üç kez denenmesi, yanlış aracı çağırması ve sonunda insan tarafından düzeltilmesi token avantajını kolayca siler. Takip edilmesi gereken rakam milyon token fiyatı değil, kabul edilen çıktı başına toplam maliyet.
Repo uzun, gece kısa: Claude Fable 5.1
Anthropic, Fable 5.1'i kodlama, bilgi işi, araştırma ve uzun soluklu problem çözme için tanıtıyor. Duyuruya eklenen erken erişim örneklerinde saatlerce gözetimsiz çalışma, kök neden bulma, denetim döngüleri ve uzadıkça okunmaz hale gelmeyen ajan çıktıları öne çıkıyor.
Rakamlar da bu hikâyeye göre seçilmiş. Anthropic'in kendi koşumunda Claude Fable 5.1, Terminal-Bench 4.0'da yüzde 55,8; CursorBench 3.2.0'da maksimum eforla yüzde 73,4 alıyor. Bilgi işi ölçümü GDPval-AA v2 skoru 1853. Bunlar Anthropic'in yayımladığı sonuçlar. Tarafsız bir lig tablosu değil.
OpenAI'nin tablosunda aynı Terminal-Bench 4.0 için GPT-6 Astra yüzde 57,9 ile Fable'ın önünde. DeepSWE v1.1'de Astra yüzde 74,1, Gemini 3.8 Flash yüzde 73,8. İlk bakışta “Astra'yı seç, kapat” denebilir. Fakat Codex'in araçları, bağlam pencereleri arasında tuttuğu notlar, efor ayarı ve test ortamı sonucun parçası. Claude Code koşumu ile Codex koşumunu model ağırlıklarının saf yarışı sanmak hatalı.
Bu yüzden uzun repo görevinde Claude'u ilk sıraya yazıyorum, Astra'yı da aynı test paketinde tutuyorum. On gerçek issue seçerim. Kabul edilen patch, bozulan test, inceleme süresi, araç hatası, yeniden deneme ve toplam fatura ölçülür. Bir gecelik demo değil, üç ayrı koşu daha anlamlıdır.
Gemini 3.8 Flash burada hacim adayı. Google onu uzun ufuklu yazılım mühendisliği ve otonom ajan işi için konumlandırıyor. Şirketin duyurusu DeepSWE v1.1'de büyük frontier modellerin çoğunu daha düşük maliyetle geçtiğini söylüyor. Aynı metinde küçük ama değerli bir uyarı da var: yüksek efor ayarında model daha fazla muhakeme adımı, araç çağrısı ve token kullanabilir. Flash etiketi daima kısa fatura demek değil.
Ekrana dokunacaksa Astra
Tarayıcı açmak, CRM'de kayıt güncellemek, bir masaüstü programına veri taşımak, yazılım kurmak ve ekrandaki hatayı gidermek ayrı bir iş sınıfı. OpenAI, GPT-6 Astra'nın en güçlü çıkışını burada yapıyor.
Şirketin yayımladığı OSWorld 2.0 sonucu yüzde 72,6. Görev başına süre yaklaşık 40 dakika. GPT-5.6 Sol aynı tabloda yüzde 65,7 ve yaklaşık 75 dakika. ScreenSpot-Pro skoru yüzde 92,7. Profesyonel yazılımlar üstündeki Agents' Last Exam sonucu da yüzde 59,3.
Dipnotlar başlıktan daha öğretici. OSWorld sayısı çevrimdışı görev kümesinin kısmi skoru. Her web uygulamasında yüzde 72,6 başarı vaat etmiyor. OpenAI ayrıca başka şirketlerin modellerini daha basit bir araştırma koşumuyla test ettiğini, üretimdeki Codex kurulumunun daha karmaşık olduğunu söylüyor. ScreenSpot-Pro tablosundaki Fable karşılaştırması da genel erişimdeki Fable'dan değil, daha gevşek korumalı Mythos'tan geliyor.
Yine de bilgisayar kullanımı için ilk Astra denemesi makul. Başarı ölçümü “butonu buldu” ile bitmemeli. Yanlış tıklama, yetkisiz işlem girişimi, kesinti sonrası toparlanma, insan müdahalesi ve geçen süre kayda girmeli. Ekran ajanlarında pahalı hata çoğu zaman cevabın yanlış olması değil, doğru olmayan işlemin gerçekten yapılmasıdır.
Belge okumak ile belge üretmek aynı iş değil
Seksen sayfalık dosya grubunu okuyup argümanı korumak, kaynakları izlemek ve çok parçalı soruyu eksiksiz yanıtlamak için Claude Fable 5.1 iyi bir ilk aday. Anthropic'in duyurusundaki partner değerlendirmeleri finansal belgelerde bilgi bulma, karmaşık soruların her bölümünü yanıtlama ve PowerPoint üretme örnekleri veriyor. Bunlar müşteri anlatıları; bağımsız test gibi sunulmamalı.
Var olan şirket şablonuna uyan sunum, hesap tablosu veya rapor hazırlamakta Astra'nın teklifi farklı. OpenAI modeli, eksik talimatla profesyonel işi tamamlayan ve uygulamaları kullanarak bitmiş dosya çıkaran sistem olarak anlatıyor. Şirket içindeki gerçek şablon, makro, eklenti ve onay akışı görülmeden bu iddia doğrulanmış sayılmaz.
Gemini 3.8 Flash ise giriş kapısında rahat duruyor. Model belgesine göre metin, görsel, video, ses ve PDF alabiliyor; File Search, code execution, function calling, URL context, Google Search grounding ve Google Maps grounding destekliyor. Bin destek kaydını ayırmak, PDF'lerden alan çıkarmak veya görsel ağırlıklı kuyruğu sınıflandırmak için fiyatıyla birlikte güçlü bir aday.
Pratikte iki katman kurmak daha mantıklı olabilir. Flash ilk okumayı ve sınıflandırmayı yapar. Güven skoru düşük, politika açısından hassas ya da çok parçalı kayıt Claude veya Astra'ya çıkar. Buradaki tehlike sessiz kayıp: ucuz katman zor vakayı kolay sanıp üst modele göndermeyebilir. Eval setinin özellikle bu sınırı ölçmesi gerekir.
Skorların sahibi var
Model duyurularındaki benchmark tablolarını çöpe atmaya gerek yok. Hangi modele test bütçesi ayıracağımızı gösteriyorlar. Fakat üç laboratuvarın puanlarını tek Excel sayfasında yan yana getirince ortak bir sınav yapmış olmuyoruz.
Anthropic, Fable 5.1'i üretim korumaları açık biçimde değerlendirdiğini; korumaların devreye girdiği bazı görevlerde skorun düştüğünü belirtiyor. Kullandığı OSWorld 2.0 görevleri Ağustos 2026 sürümünden ve önceki sonuçlarla doğrudan karşılaştırılamıyor. OpenAI'nin OSWorld düzeni ve puanlaması farklı. Google ise kendi Gemini 3.8 Flash duyurusunda DeepSWE avantajını öne çıkarırken yüksek eforun token tüketimini artırabileceğini açıkça yazıyor.
Prompt, araç tanımı, sandbox, ağ erişimi, onay kuralları ve retry politikası değişince “en iyi model” de değişebilir. Model seçimi biraz da koşum seçimi.
Siber modeller herkese açık bir menü değil
Üç şirketin ileri siber yetenekleri aynı yere çıkıyor: kapılı erişim.
Anthropic'e göre Claude Fable 5.1 ile Claude Mythos 5.1 aynı temel modele dayanıyor. Mythos, siber güvenlik ve yaşam bilimlerinde doğrulanmış kişi ve kurumlara daha izin verici korumalar sunuyor. Trusted access programları üzerinden dağıtılıyor; duyuru tarihinde erişim belirli ABD kurumlarıyla sınırlı. Genel Fable API anahtarı Mythos yetkisi vermiyor.
OpenAI, GPT-6 Astra'nın Preparedness Framework içindeki Critical siber eşiğine ulaştığını açıklıyor. Genel Astra, proof-of-concept exploit üretmek gibi ileri talepleri reddediyor. Onaylı savunma işleri Daybreak üzerinden kademeli erişime yönlendiriliyor. Burada isim karışıklığına dikkat: güncel Daybreak alias'ları GPT-5.6 Sol ve GPT-5.6 Cyber'a işaret ediyor. Daybreak, “serbest Astra” anlamına gelmiyor.
Google tarafında Gemini 3.8 Flash Cyber var. Bu model halka açık self-serve API değil; Fairwind Programı içindeki güvenilir savunmacılara veriliyor. Google öncelikli gruplar arasında kamu kurumlarını, kritik altyapı işletmecilerini ve yazılım bakım ekiplerini sayıyor. Standart Gemini 3.8 Flash ile Cyber sürümünü aynı yetki sınıfına koymamak gerek.
Satın alma formuna şu satırlar eklenmeli: Modeli kim çağırabilir, hangi veriyle çalışabilir, hedef sistem için yazılı yetki var mı, hangi eylem insan onayı ister, kayıtlar nerede tutulur? Güçlü model seçmek bu soruların yerine geçmiyor.
Benim Eylül 2026 yönlendirme düzenim
İlk katmanda Gemini 3.8 Flash var. Sınıflandırma, alan çıkarımı, hafif sohbet, çoklu modal ön inceleme ve arama destekli hacimli işler burada başlıyor. 31 Aralık'ta bitecek fiyatı ayrı izleniyor; Ocak 2027 maliyet testi şimdiden takvimde olmalı.
Uzun repo çalışması, geniş belge kümesi ve argümanı kaybetmemesi gereken araştırma Claude Fable 5.1'e çıkıyor. Bilgisayar kullanımı, tarayıcı ile masaüstü arasında gidip gelen süreç ve şirket şablonunda tamamlanmış dosya GPT-6 Astra'ya gidiyor. İleri siber iş ise normal router'a hiç girmiyor; Mythos, Daybreak veya Fairwind için yetki kontrolünden geçiyor.
Her rota model sürümüyle birlikte kaydedilmeli. Aylık küçük bir regresyon seti de yeter: gerçek görevler, beklenen çıktı, izin verilen araçlar, maliyet üst sınırı ve insan inceleme süresi. Yeni duyuru geldiğinde tweet'lere değil, bu dosyaya dönülür.
Taç dağıtmak kolay. Faturayı, hatayı ve insan emeğini birlikte ölçen bir yönlendirici kurmak biraz daha zahmetli. İşe yarayan kısım da orası.
Kaynaklar
- Anthropic: Claude Fable 5.1 ve Claude Mythos 5.1 duyurusu
- Anthropic: Claude API fiyatlandırması
- Anthropic: Model özeti
- OpenAI: GPT-6 Astra duyurusu
- OpenAI: API fiyatlandırması
- OpenAI: GPT-6 Astra model belgesi
- Google: Gemini 3.8 Flash ve 3.8 Flash Cyber duyurusu
- Google AI for Developers: Gemini API fiyatlandırması
- Google: Fairwind Programı
