16 Kasım 2026 itibarıyla resmî duyuruları, güncel Claude Code belgelerini, bağımsız değerlendirmelerin özgün metinlerini ve karşıt görüşlü açık tartışmaları açıp okuduk. Ücretli model çağrısı yapmadık, hesaplara giriş yapmadık ve gerçek abonelik kotası ölçmedik. İstemler ve görev günlüğü özgün sentetik örneklerdir; çevrimdışı hesap yalnızca aritmetiği doğrular. Topluluk örnekleri olumlu, olumsuz ve somut başarısızlıkları kapsamak üzere amaçlı seçildiğinden memnuniyet oranı vermez.
Güncel model ve yükseltmeye değen işler
Doğruladığımız en yeni genel sürüm, 9 Kasım’da duyurulan Fable 5.2. Anthropic günlük kodlama ve bilgi işlerinin çoğunda hâlâ Opus 5.5 ile başlamayı, daha zor ve açık uçlu projelerde Fable kullanmayı öneriyor. Haber sayfasını 16 Kasım’da ziyaret etmek, modelin o gün çıktığı anlamına gelmez.
Anthropic: Fable ve Mythos 5.2 duyurusu · Anthropic haberleri
Satın alma veya geçiş kararında yeni modelin en pahalı hatalarınızı azaltıp azaltmadığını sorun: modüller arası geçişte unutulan uyumluluk koşulu, uzun görevde kaybolan hedef ya da önceki davranış kontrol edilmeden teslim edilen düzeltme. Bu kayıplar çoğunlukla işin sonunda ortaya çıkar. Daha akıcı sohbet, daha güvenilir teslimi kanıtlamaz. Hâlen takılan, yeniden iş gerektiren veya deneyimli bir meslektaşın müdahalesine ihtiyaç duyan görevleri seçerek anlamlı bir başlangıç oluşturun.
| Aday | Resmî konumlandırma veya sınır | Kendi kabul sorunuz |
|---|---|---|
| Opus 5.5 | Günlük işlerde başlangıç | Mevcut görevler güvenilir biçimde bitiyor mu? |
| Fable 5.2 | Daha iddialı teknik işler | Zor görevlerde yeniden işi azaltıyor mu? |
| Mythos 5.2 | Aynı temel model, farklı güvenlik önlemleri ve erişim | Araştırma programı erişimini Fable’dan ayrı doğrulayın |
Çıktıları karşılaştırmadan önce çalışma kimliğini saklayın
fable takma adı her zaman aynı sürüme çözülmez; Claude apps gateway için ayrı eşleme vardır. Tam model ID, sağlayıcı, istemci sürümü, etkin effort ve fallback bilgilerini kaydedin. Model özeti ile Code ayarları farklı erişim yüzeylerini anlatır.
Başlıktaki “en yeni” ifadesine güvenmek yerine bu bilgileri her çalışmanın kaydına ekleyin. Depo commit’i, görünür dosyalar, araç izinleri, istem, zaman aşımı ve insan eklemelerini de sabitleyin. Her değişiklik yeni satır gerektirir; başarısız satırlar silinmez. Kayıt gerçek modeli doğrulamıyorsa sonucu belirli sürüme yazmak yerine kimliği doğrulanmamış diye işaretleyin. Model yoksa önce yüzeyi ve erişimi teşhis edin; karşılaştırmayı tamamlamak için güvenlik denetimlerini gevşetmeyin.
task_id,arm,model_id,effort,provider,toolset,commit,attempt,status,api_usd,review_min,fallback
fixture-01,A,claude-opus-5-5,medium,synthetic,offline,fixture-v1,1,accepted,0.40,6,none
fixture-01,B,claude-fable-5-2,high,synthetic,offline,fixture-v1,1,accepted,0.80,3,noneEffort bir deney değişkenidir; max evrensel varsayılan değildir
Güncel Code belgeleri Fable 5.2 için varsayılanı medium olarak veriyor ve max düzeyinde aşırı düşünmeye dikkat çekiyor. Artificial Analysis aynı model sayfasında farklı düzeylerin yetenek ve süre sonuçlarını yayımlıyor.
Claude Code: model ayarları · Artificial Analysis: Fable 5.2
| effort | Endeks puanı | Endeks görevi başına dakika |
|---|---|---|
| low | 54 | 5.5 |
| high | 62 | 15.3 |
| max | 65 | 41.8 |
Bunlar Default Fallback etiketleri dâhil ilgili yapılandırmaların açık değerlendirme kayıtlarıdır. Zekâ endeksi puanı günlük kodlama başarı oranı değildir; max süresinden abonelik mesaj sayısı çıkarılamaz. Mühendislik önerimiz kabul edilebilir düzeyden başlamak ve yalnızca başarısız görevlerde yükseltmektir. Dış kabulü iyileştirmeyen uzun düşünme, kanıtlanmış değer olmadan bekleme ekler. Effort karşılaştırırken modeli, model karşılaştırırken önce effort düzeyini sabitleyin; ardından her modelin tercih edilen ayarını ayrıca deneyin. Bunlar farklı sorulardır.
Artificial Analysis: Fable 5.2 · Artificial Analysis: zekâ yöntemi
Dört bağımsız sonuç farklı şeyleri ölçüyor
| Kaynak | Ölçülen unsur | Okuma sınırı |
|---|---|---|
| Artificial Analysis | Genel yetenek ve verimlilik | Endeks sürümünü ve fallback etiketini koruyun |
| Snorkel | Zor terminal işleri | Eşleşen görevler ve temiz çalışma seçimi |
| Vals | Ağırlıklı mesleki alanlar | Ağırlıklar ve belirsizlik sıralamayı etkiler |
| Plotly | Analiz ajanı iş akışı | Tek çalışma ve belirli yürütme çerçevesi |
Artificial Analysis: Fable 5.2 · Snorkel: Fable terminal görev testi · Vals Index yöntemi ve sonuçları · Plotly: veri analizi değerlendirmesi
Kaynaklar birbirini tamamlar ama tek bir genel başarı oranına toplanamaz. Genel endeks daha geniş iş alanlarını, ürüne özgü uçtan uca test ise o ürünün araç zincirini yansıtır. Önce sınavın işinize benzeyip benzemediğini, sonra farkın önemli olup olmadığını sorun. Açıklanmayan parametreler, önbellek politikaları ve süre bütçeleri bilinmeyen olarak kalmalıdır. Tahminlerle tamamlamak sahte karşılaştırılabilirlik üretir.
AA Coding Agent Index v2.1, Intelligence Index v5.0.1’den ayrı üç bileşene ve puanlama kurallarına sahiptir. Aynı kuruluş bile birden çok “endeks” tutabilir. Grafik paylaşırken tam ölçüt adını koruyun; genel akıl yürütme, terminal yürütmesi ve kabul edilebilir kod değişikliği tek bir değiştirilebilir nicelik olmasın.
Snorkel: daha iyi yürütme stratejik gerilemeleri dışlamıyor
Snorkel 12 Kasım’da, eşleşen 26 görevde görev ağırlıklı pass@1 değerinin %53.1’den %71.4’e çıktığını bildirdi. Ortam veya uç nokta hataları çıkarıldıktan sonra sırasıyla 106 ve 121 temiz çalışma kapsandı.
Bu yüzden başarılı denemeleri toplam denemelere bölmek görev ağırlıklı sonucu yeniden üretmeyebilir; görevlerin geçerli tekrar sayıları farklıdır. Daha yararlı ayrım, mekanik hataların azalması ile hedefin doğru anlaşılması arasındadır. Başarısızlık analizi, yanlış yorum üzerine kurduğu işi özenle kontrol eden ajanları hâlâ gösteriyor. Uygulama ve öz testler aynı varsayımı paylaşıyorsa tekrarlanan kontroller yanlış standardı doğrulamayı sürdürebilir.
Bir geçişte bakım sorumlusu değişmezleri önceden tanımlamalı ve ayrı testlerle denetlemelidir; yalnızca ajandan her şeyin doğru olduğunu söylemesini istemek yetmez. Güncellemeden önce geçen, sonra kalan görevleri saklayın. Sadece yeni modelin kazançlarını seçmek gerilemeleri gizler. Temiz çalışma seçimi ve eksik açıklanan ayarlar da iyileşmenin başka projelere genellenmesini sınırlar.
Vals: bileşik liderlik alanları ve belirsizliği çözmez
| Ayar veya unsur | Yayımlanan değer | Korunması gereken koşul |
|---|---|---|
| Fable 5.2 high | 71.31 ±0.96 | Bileşik Vals Index sonucu |
| Sonnet 5.5 max | 70.85 ±0.93 | Küçük fark için sıralama tek başına yetmez |
| Alan karışımı | Finans, kod, hukuk, vergi | GSYH ağırlıkları yöntemsel varsayımdır |
Vals: Fable 5.2 model sayfası · Vals Index yöntemi ve sonuçları · Vals: Sonnet 5.5 model sayfası
Ağırlıklı endeks önce hangi işin önemli olduğuna, sonra lider modele karar verir. Yazılım ekibi ekonomik sektör ağırlıklarını benimsemeden kendi hata türlerine bakmalıdır. Sonuçlar yakınsa belirsizlik önemlidir: sıralama tek başına iş yükleri arasında kararlı üstünlük göstermez. Tek başına eşdeğerlik de göstermez. Burada Fable high, Sonnet max kullanıyor; bu, modeli tek başına ayıran eşit effort deneyi değildir.
Aynı sitenin model sayfası ile endeks dökümünde bir geçiş alt puanının farklı olduğunu gördük; bu yüzden o değeri aktarmıyoruz. İç tutarlılık kontrolü, kesinlik izlenimi veren ek ondalıklardan daha yararlıdır. Çelişkide tarihli görüntüleri saklayıp açıklama bekleyin; yüksek sayıyı seçmek çözülmemiş farkı iddiaya dönüştürür.
Vals: Fable 5.2 model sayfası · Vals Index yöntemi ve sonuçları
Plotly: tam puan daha pahalı toplam çalışmayla birlikte gelebilir
| Model | Geçilen soru | Tüm çalışmanın maliyeti USD |
|---|---|---|
| Fable 5.2 | 43/43 | 35.74 |
| Opus 5.5 | 41/43 | 13.31 |
| GPT-6.1 Sol | 43/43 | 2.61 |
Bu, belirli sağlayıcı ve araçlarla tek çalışmadır. Yazar tekrarlarda puan değişimi olduğunu belirtir. İki soruluk fark kalıcı üstünlük, tüm sınav faturası da sohbet mesajı fiyatı değildir. Pratik ders şudur: bağlam, önbellek yazımları veya akıl yürütme çıktısı artarsa daha düşük token fiyatı daha pahalı görevle sonuçlanabilir.
İki satın alma durumunu ayırın. Hatası pahalı analiz ek incelemeyi ve daha yüksek tamamlama oranını haklı çıkarabilir. Kolay denetlenen çok sayıdaki rutin raporda kabul edilmiş çıktı başına maliyet daha önemlidir. Her durumda yürütme kaydını tutun ve grafiğin anlamını kontrol edin: başarılı çizim yalnızca programın grafik ürettiğini gösterir; filtreleri, birimleri veya iş sonucunu doğrulamaz.
Toplulukta hayranlık ve hayal kırıklığı neden birlikte görülüyor?
| Özgün kaynak | Bildirilen deneyim | Kanıt sınırı |
|---|---|---|
| Olumlu Reddit gönderisi | max ile iyi sonuç ve hızlı kota tüketimi | Yazar sonra Code kullanmadığını söylüyor; CLI testi değil |
| Olumsuz Reddit gönderisi | Acele sonuçlar ve yüzeysel plan | Aynı ayarda kontrollü karşılaştırma yok |
| HN teknik yorumu | Regex modülünde sınır ve karmaşıklık sorunları | Bağımsız tekrarlanmadı; doğrulanmış açık değil |
| NotesByLex oyun projesi | Araç zinciri uzun, oynanabilir proje teslim etti | Önceki prototip, ardından insan oyun testi ve yineleme var |
Reddit: olumlu max deneyimi · Reddit: olumsuz planlama deneyimi · Hacker News: regex modülü yorumu · NotesByLex: oyun projesi
Dört vakanın işi, yüzeyi ve bitirme ölçütü farklıdır. Denenebilir hipotezler önerirler ama kaç kişinin iyileşme gördüğünü hesaplamaz, modelin zayıflatıldığını kanıtlamazlar. Oyun yazarı Opus 5.5 ile karşılaştırmadığını açıkça söylüyor. Projeyi bitirmek ile yalnızca yeni modelin bitirebileceğini göstermek farklı sonuçlardır. Forumdaki göreli zamanlar kesin UTC vermez; yayın saati uydurmak yerine toplama tarihi kullanıyoruz.
Sıfatları gözlenebilir sorulara çevirin. “Tembel” gereksinim atlamak mı, araç hatası mı, erken durma mı, son kabulde eksik mi? “İnanılmaz” çok sayıda araç çağrısı, tekrar ve insan düzeltmesi içeriyor mu? Değişkenler kaydedilince duygusal tarif bir sonraki deneyin girdisi olur.
Advisor ve fallback değerlendirilen sistemi değiştirir
Deneysel Advisor bütün konuşmayı okur, ek model çağrısı maliyeti getirir; sağlayıcı desteği değişir. Açıldığında karşılaştırma birleşik sistemler arasındadır; sonuç yalnızca ana modele bağlanamaz.
Güvenlik ve kullanılabilirlik kaynaklı yedek modele geçişleri de kaydedin. Resmî sistem kartı ve güncel Code belgeleri korumaları ve ilgili davranışları açıklar. Ana modeli seçmek her adımı onun yaptığı anlamına gelmez. Bu olaylar tamamlama, süre ve ret farklarını açıklayabilir; “karıştırıcı değişkeni” kaldırmak güvenlik önlemlerini aşmayı haklı çıkarmaz.
Danışmana gereken en az bağlam yetkiniz içinde kalmalıdır. Tüm konuşma araç çıktıları ve iş malzemesi içerebilir; ek okuyucuyu açmadan önce hassas verileri çıkarıp kapsamı daraltın. Yararlı sıra: tek model, aynı modelde daha yüksek effort, sonra danışman. Ek harcamanın karşılığını anlamak için birer değişken değiştirin. Kayıtlar yeterince şeffaf değilse birleşik sonuçları ayrı arşivleyin.
Uygulama bir: çevrimdışı depoya bir kabul sözleşmesi verin
İstemi yalnızca kendi veya yetkili yerel kopyanızda kullanın. Üretime, uzak servislere ve gerçek müşteri verilerine bağlanmamalıdır. Önce commit’i sabitleyin, küçük sentetik veri oluşturun; bakım sorumlusu kabul kümesini ayrı tutsun. Model görev sözleşmesini ve geliştirme örneklerini görür. İlk tur salt okunur plan olabilir; sonra atılabilir dalda düzenleme için açık izin verilir.
Atılabilir çevrimdışı Python deposunda çalışıyorsun. Ağa erişme, bağımlılık kurma veya kopyanın dışını okuma.
Hedef: normalize_rows(rows) işlevini uygula. Girdi öğeleri sku ve quantity içerir.
Kurallar: sku başındaki ve sonundaki boşlukları kes, harf büyüklüğünü koru; quantity negatif olmayan tam sayı metni olmalı. Geçersiz satırları sessizce atlama, reddet.
Aynı sku için miktarları topla; ilk görünme sırasını koru; girdiyi değiştirme.
Önce mevcut uygulamayı salt okunur incele. Belirsizlikleri, etkilenen dosyaları ve küçük onarım planını listele; düzenleme izni bekle.
Değişiklik açıklaması, gerçekten çalıştırılan kontroller ve kapsanmayan riskleri teslim et. Kabul testlerini değiştirme, çalıştırılmayan kontrol geçti deme.Bu bir şartname tasarımıdır, ölçülmüş Fable performansı değildir. Gerçek karşılaştırmada iki kola aynı sözleşme, dosya ve araçları verin; eşleşen görevleri rastgele sırada çalıştırın. Zaman aşımı, ret ve araç hatalarını ayrı kaydedip teslim başarısızlığı kurallarını önceden belirleyin. Bir kola daha kolay iş verilirse maliyet ve başarı oranı anlamını kaybeder.
Uygulama iki: kabulü ajanın özgüveninden ayırın
| Test alanı | Girdi özelliği | Gerekli kontrol |
|---|---|---|
| Şartname | Boşluk ve farklı harf büyüklüğünde sku | Yalnızca boşluğu kes, farklı kimlikleri birleştirme |
| Hata yolu | Negatif, kesirli veya boş miktar | Sessiz kısmi çıktı olmadan açık hata |
| Değişmezler | Yinelenenler ve yeniden kullanılan girdi nesneleri | Kararlı birleşme sırası, değişmeyen girdi |
| Ölçek | Artan sentetik satır sayısı | Önceden belirli durma eşiğiyle kaynak eğilimi |
Yalnızca görev sözleşmesini, aday yamayı ve bağımsız test çıktısını incele. İlk ajanın öz değerlendirmesini okuma.
Her gereksinimi kod yolu ve test doğrulamasıyla eşleştir.
Gözlenen hataları, tekrarlanabilir hipotezleri ve mevcut bilinmeyenleri ayır.
Geçersiz girdinin sessiz yutulmasını, girdi değişimini, harf büyüklüğünü ve ilk görünme sırasını denetle.
En küçük sentetik karşı örnekleri tarif et. Çalıştırma kanıtı yoksa sorun yeniden üretildi deme.
Kabul ölçütlerini uygulamaya uydurma. İnsan incelemesi hâlâ gerekli.İnceleyen model de hata kaçırabilir; son kapıda belirleyici doğrulamalar ve insan örnek kontrolü gerekir. Testin geçmesi yalnızca test kümesini kapsar; kaynak eğilimi tek başına güvenlik açığı kanıtlamaz. Yeni model açık soruları daha iyi açıklasa da aynı sınır durumlarında kalıyorsa mevcut yaklaşımı korumak çoğu zaman daha doğrudur.
Yanıt başına değil kabul edilen çıktı başına maliyet
Aşağıdaki iki kol da varsayımsal 10 görev içerir. A’da 8 kabul, 4 USD API gideri ve 60 dakika inceleme; B’de 9 kabul, 8 USD gider ve 30 dakika inceleme vardır. İnceleme saatini 30 USD saymak örnek parametredir; ücret önerisi veya model ölçümü değildir.
runs = [
{"arm": "A", "tasks": 10, "accepted": 8, "api_usd": 4, "review_min": 60},
{"arm": "B", "tasks": 10, "accepted": 9, "api_usd": 8, "review_min": 30},
]
hourly_usd = 30
for run in runs:
accepted = run["accepted"]
api = run["api_usd"] / accepted
total = (run["api_usd"] + run["review_min"] / 60 * hourly_usd) / accepted
print(run["arm"], f"{api:.2f}", f"{total:.2f}")A, kabul edilmiş çıktı başına 0.50 USD API maliyeti ve incelemeyle 4.25 USD; B ise 0.89 ve 2.56 USD yazdırır. Örnek yalnızca maliyet tanımı değişince kararın tersine dönebileceğini gösterir. Gerçek günlükte tüm başarısızlık ve tekrar giderleri bulunmalı, paydada yalnızca bağımsız kabul edilmiş çıktılar sayılmalıdır. Aynı görevi tekrar teslim etmek çok sayıda başarı değildir. Beklemeyi ve son tarihleri ayrı izleyin; geçen bütün süreyi otomatik insan emeği saymayın.
Satın alma veya yükseltme: önce iş yükü ve hak sınırları
Güncel resmî kişisel plan sayfasında Pro için Fable usage credits ile, Max ve Ultra için haftalık sınırın yarısı kadar Fable alt limitiyle listeleniyor. Ultra’da beş saatlik sınırın kaldırılması verified hesap koşuluna bağlı. Bunlar sınırsız Fable veya tüm yüzeylerde ortak bakiye demek değildir.
Günlük iş zaten kabul ediliyorsa ayarı koruyun ve Fable’ı en pahalı hata noktalarında kullanın. Darboğaz kotaysa önce gerçek tüketimi ve yüzeyi kaydedin. Erişim veya onay eksikse plan yükseltmek tek başına çözüm garantilemez. API faturası, aboneliğe dâhil kullanım ve bu sitenin teslim koşullarını ayrı inceleyin. Sitenin güncel fiyatı, stoku ve teslim kapsamı canlı ürün sayfasında belirlenir.
| Gözlenen darboğaz | İlk deney | Yükseltme eşiği |
|---|---|---|
| Gereksinim yorumu veya modüller arası hata | Aynı girdi ve kabul, farklı model | Kritik gerileme olmadan daha az önemli yeniden iş |
| Yetersiz derinlik | Tek modelde effort düzeyleri | Dış kabul ek maliyeti haklı çıkarır |
| Uzun görevde kararsız kalite | Araç ve süreyi sabitle, fallback kaydet | Tekrarlanan görevlerde güvenilir teslim |
| Kota veya yüzey sınırı | Resmî plan ve gerçek kayıtlar | İstenen yüzey için açık hak kapsamı |
Yükseltmeyi geri alınabilir değerlendirme döngüsüne dönüştürün
Bu döngüyü kullanın. Dış kabul ve toplam maliyet önceden belirlenen eşikleri karşılamadan kapsamı genişletmeyin. Önceki modeli, girdileri ve başarısızlıkları saklayın. Yeni sürümde önce bilinen zor görevleri ve gerileme kümesini yeniden çalıştırın. Açık değerlendirmeler deney seçimine, kendi eşleşmiş görevleriniz kullanımın genişletilmesine karar vermeye yardım eder.
- Görev, commit, araç ve kabulü sabitle
- Tam model, effort, yüzey ve fallback kaydet
- Eşleşen görevleri rastgele sırala, bir değişken değiştir
- Bağımsız değerlendir, başarısızlık ve tekrarları sakla
- Kabul edilen çıktı maliyeti ve son tarihleri hesapla
- Eşik sonrası genişlet, aksi hâlde başlangıcı koru
Yeniden incelenebilir kapsam: güncel resmî sayfalar, özgün bağımsız değerlendirmeler ve listelenen açık vakalar. Topluluk duygusunu örneklemedik, ücretli testleri yeniden çalıştırmadık. Açıklanmayan ayarlar, çelişen alt puanlar ve belirli hesabın erişimi bilinmiyor; sonraki sonuçlar saklanan ayarlar ve dış kabul ile güncellenmelidir.