Sınavda insanları geçen model ve atlanan dipnot

Anthropic’in Claude Opus 4.5’i işe alım sınavında tüm insan adaylardan yüksek puan aldı. Şirketin düştüğü notlar ve asıl haber olabilecek fiyat düşüşü.

Tarayıcınızın sesiyle okunur

Anthropic, 24 Kasım 2025’te en güçlü modeli Claude Opus 4.5’i duyurdu. Duyurunun çoğu yazılımcılara yönelikti ama bir cümle manşetlere taşındı: Model, şirketin performans mühendisi adaylarına verdiği ve zorluğuyla bilinen iki saatlik ev sınavında, bugüne kadar sınava giren bütün insan adaylardan yüksek puan almış.

Manşete çıkmayan kısmı da Anthropic’in kendisi yazdı. Bu sonuç, modele her soruda birkaç deneme hakkı verilip en iyi cevabı seçilerek elde edilmiş. Şirket ayrıca sınavın teknik beceriyi ve zaman baskısı altındaki muhakemeyi ölçtüğünü, bir mühendiste aranan her beceriyi ölçmediğini belirtti. Ofisteki mühendisin yerini aldığını iddia eden yok, modeli yapan şirket dâhil.

Sıradan bir şirketi ilgilendiren kısım bence fiyattı. Opus 4.5’in geliştiricilere fiyatı milyon kelime parçası (token) başına girişte 5, çıkışta 25 dolar; bir önceki Opus sürümünün üçte biri. Yazılım hatalarını çözme becerisini ölçen SWE-bench Verified testinde %80,9 sonuç bildirildi. Geliştiricilere modelin bir işe ne kadar çaba harcayacağını ayarlayabilecekleri yeni bir ayar da sunuldu. Anthropic’e göre orta ayarda model, bir önceki Sonnet 4.5 ile aynı kodlama sonucunu %76 daha az çıktı üreterek veriyor. Daha az çıktı, daha düşük fatura demek. Aynı duyuruda, Claude uygulamasındaki uzun sohbetlerin eski kısımları otomatik özetlenerek sürdürülebileceği ve Excel eklentisinin daha fazla kullanıcıya açıldığı da açıklandı.

Bir iddia daha vardı. Anthropic’e göre model, metinlerin içine gizlenmiş kötü niyetli talimatlarla kandırılmaya karşı rakiplerinden daha dayanıklı. Yapay zekânın e-posta okuyup web sayfası gezdiği bir dönemde bu ayrıntı küçük sayılmaz, çünkü bir sayfaya gizlenmiş tek bir cümle denetimsiz bir yardımcıyı yanlış işe yönlendirebiliyor.

En iyi modeller ucuzladıkça onlarla yazılım geliştiren firmalar da daha hızlı ve daha uygun fiyatlı iş çıkarabiliyor. Bir yıl önce maliyeti yüzünden rafa kalkmış bazı projeleri bu fiyatlarla yeniden hesaplamak mantıklı olabilir. “Mühendislik bitti mi?” sorusu ise her yeni modelde yeniden sorulacak gibi duruyor.

Kaynaklar

Bu not Yapay Zekâ Günlüğü’nün parçasıdır; tarih, anlatılan gelişmenin tarihidir. Not 21 Ekim 2026’da yayımlandı.

Bu notta geçen terimler

Aynı konudan: Modeller