Claude Opus 4.6: Özellikler, Kıyaslamalar, Uygulamalı Testler ve Daha Fazlası

Anthropic’in bir sonraki sürümüne dair söylentiler son birkaç gündür kulislerde dolaşıyordu. Birçok kişi Claude Sonnet 5’i beklerken, yılın ilk sürümü Claude Opus 4.6 olarak geldi. 

1 milyon belirteçlik bir bağlam penceresi, uyarlanabilir düşünme, konuşma sıkıştırma ve zirveye oynayan çeşitli kıyaslamalarla Claude Opus 4.6, Opus 4.5’in bir iyileştirmesi. Anthropic’in deyimiyle, en zeki modellerini yükselttiler. Modele ek olarak Anthropic, Claude Code’da ajan takımları ve PowerPoint’te Claude entegrasyonunu da duyurdu.

Bu yazıda, Claude Opus 4.6 ile gelen yeniliklerin tümünü ele alacak, yeni özelliklere bakacak, kıyaslamaları inceleyecek ve çeşitli uygulamalı örneklerle sınayacağız. 

Claude’un en yeni özellikleri hakkında daha fazla bilgi edinmek için Claude Cowork ve Claude Code rehberlerimize ve OpenClaw eğitimimize göz atmanızı öneririm. Diğer rakiplerle karşılaştırma için, Muse Spark vs Claude Opus 4.6 ve GPT-5.4 vs Claude Opus 4.6 rehberlerimizi okuyun.

Claude Opus 4.6 Nedir? 

Claude Opus 4.6, Anthropic’in en yeni büyük dil modeli. Opus 4.5’in ardından, şirketin ‘en zeki’ model katmanında önemli bir yükseltmeyi temsil ediyor. 

Yayın blogunda Anthropic, modelin ajan temelli kodlama, derin akıl yürütme ve öz-düzeltmeye daha fazla odaklandığını belirtiyor. Bu da eylemden ziyade sürdürülebilir eyleme bir kayma olduğu anlamına geliyor. 

Opus 4.6 daha dikkatli planlamak, daha uzun sürelerde tutarlılığı artırmak ve kendi işleyişindeki hataları tespit etmek üzere tasarlandı. Tüm bunlar, Claude Opus 4.6’nın Terminal-Bench 2.0 kodlama değerlendirmesinde en yüksek puan dahil olmak üzere çeşitli kıyaslamalarda zirvede yer alması ve Humanity’s Last Exam’de diğer tüm sınır modellerini geride bırakması anlamına geliyor. 

Beni en çok etkileyen noktalardan biri, Claude Opus 4.6’daki geliştirilmiş bağlam penceresi. Betada 1 milyon belirteçle, bu yeni model Gemini 3 ile aynı seviyeye geliyor; yani, bağlamı kaybetmeden daha fazla bilgiyi işleyebiliyor. 

Bu arada Anthropic, Opus’un halefi sürümü de yayımladı. Güncel kalmak için Claude Opus 4.7 rehberimizi okumanızı öneririm.

Claude Opus 4.6’daki Yenilikler Neler? 

Claude Opus 4.6’da, çoğu ajan temelli iş akışlarına odaklanan birkaç dikkat çekici yeni özellik var. Bazı temel noktalara bakalım: 

Ajan takımları

Ajan takımları, önceki Claude sürümlerinde gördüğümüz ‘alt ajanlar’ın bir gelişmiş hâli. Ajan takımları, paralel çalışabilen, tamamen bağımsız birden fazla Claude örneği başlatmanıza olanak tanır. Oturumlardan biri işleri koordine eden ‘lider’ ajandır, ‘takım arkadaşları’ ise gerçek icrayı üstlenir. 

En ilginç bulduğum şey, her ekip üyesinin kendi bağlam penceresine sahip olması; bu da daha kapsamlı yürütmeye olanak sağlar. Her takım arkadaşı ekip içindekilerle doğrudan iletişim de kurabilir. 

Elbette bu özellik, potansiyel bir dezavantajla geliyor: maliyet. Her ajanın kendi bağlam penceresi olduğundan, belirteçlerinizi hızla tüketmeye başlayabilirsiniz. Bu nedenle Anthropic, daha yüksek karmaşıklık düzeylerinin olduğu senaryolarda kullanılmasını öneriyor. 

Konuşma sıkıştırma

Claude Opus 4.6’nın kullanışlı özelliklerinden biri bağlam sıkıştırma. Bu yaşam kalitesi iyileştirmesi, bağlam pencerelerini dolduran uzun iş akışları yürütürken yaşanan sorunları önlemeye yardımcı olur. Genellikle, performansın bozulmaya başladığı bir bağlam duvarına çarpardınız. 

Konuşma sıkıştırma ile Claude Opus 4.6, bir konuşma bir belirteç eşiğine yaklaştığında bunu otomatik olarak algılayıp mevcut konuşmayı özlü bir bloğa (sıkıştırma bloğu) özetleyebilir. 

Bu özellik, etkileşiminizin özünü korurken aynı zamanda çalışmaya devam etmek için alan açmalıdır. Uzun süre çalışması gereken görev odaklı ajanlar kullanmayı planlıyorsanız, çok daha iyi bir hafızayla rotada kalmalarına yardımcı olabilir.  

Uyarlanabilir düşünme ve çaba  

Claude Opus 4.6’nın, genişletilmiş düşünmeye ihtiyaç duyup duymadığını ve bu düşünmede ne kadar çaba göstereceğini belirleyen iki özelliği var. 

Uyarlanabilir düşünme, modelin isteminizin ne kadar karmaşık olduğunu belirlemesine olanak tanır. Basitliğe veya karmaşıklığa bağlı olarak genişletilmiş düşünmeyi kullanıp kullanmayacağına karar verir. Bunun için kaç belirteç kullanılacağını elle ayarlamak yerine, Claude her isteğin karmaşıklığına göre bütçesini ayarlar. 

Çaba parametresi, Claude’un belirteç harcama konusunda ne kadar istekli veya temkinli olacağını belirlemenizi sağlar. Özünde, belirteç verimliliği ile yanıtların ne kadar kapsamlı olduğu arasında denge kurabileceğiniz anlamına gelir. 

Claude Opus 4.6’yı API’de kullanırken bu parametreleri manuel olarak ayarlayabilirsiniz. Örneğin: 

• Maksimum çaba: Claude daima genişletilmiş düşünmeyi kullanır ve derinlik üzerinde kısıt yoktur. 
• Yüksek çaba: Varsayılan ayarda Claude her zaman düşünür ve derin akıl yürütme sağlar. 
• Orta çaba: Bu, ılımlı düşünmeyi etkinleştirir ve en basit sorgularda düşünmeyi atlayabilir. 
• Düşük çaba: Claude basit görevlerde düşünmeyi atlar ve hızı tercih ederek düşünmeyi en aza indirir. 

PowerPoint’te Claude 

Kısa süre önce Excel’de Claude konusunu ele almış, eklentinin Excel çalışma sayfanızın yan panelinde çeşitli görevlerde nasıl yardımcı olabileceğini göstermiştik. Bu aracın işlevselliğini geliştirmenin yanı sıra Anthropic, PowerPoint’te Claude’u da duyurdu. 

Bu entegrasyon, slayt şablonlarınızı, yazı tiplerinizi ve düzenlerinizi dikkate alır. Kurumsal bir şablonu besleyip belirli bir bölüm oluşturmasını isteyebilir ya da bir slaydı seçip yoğun metni yerel, düzenlenebilir bir diyagrama dönüştürmesini talep edebilirsiniz. 

Slaytların sadece "resimlerini" üretmek yerine düzenlenebilir PowerPoint nesneleri oluşturma vurgusu, bunu sadece fikir üreteci değil, gerçek bir üretkenlik aracı hâline getiriyor. 

PowerPoint’te Claude şu anda Max ve Kurumsal kullanıcılar için araştırma ön izlemesinde.

Claude Opus 4.6’yı Test Etme: Uygulamalı Örnekler 

Opus 4.6’nın manşet iddialarının çoğu daha zorlu kodlama görevleri ve daha derin akıl yürütmeye odaklanıyor. Bu becerilerin tümü belli bir temele dayanır: birden fazla kısıtı aynı anda akılda tutabilme, birçok adım boyunca mantık yürütebilme ve hataları yakalayabilme. 

Bunu göz önünde bulundurarak, Opus 4.6’yı çok adımlı mantık, matematik ve kodlama zorluklarından oluşan bir dizi testten geçirdik. Kademeli hesaplama hataları, uzamsal muhakeme (her zaman bir sorun) ve kısıt içeren sorular gibi bilinen ve yaygın LLM zayıflıklarını açığa çıkarıp çıkaramayacağımıza bakmak istedik. Ayrıca, Anthropic’in duyurusunda Opus 4.6’nın kök neden analizi ve diğer hata ayıklama konularında çok iyi olduğunun altını çizmesi nedeniyle özel bir hata ayıklama görevi de dahil ettik.

Test 1: Onaltılıdan ondalığa mantık

İlk testimiz asal sayılar, onaltılık sayılar ve saymayı birleştiriyor:

Step 1: Find the 6th prime number. Let this be P. 
Step 2: Convert the square of P into hexadecimal. 
Step 3: Count the letters (A–F) and digits (0–9) in that hex string. Let these be A and B. 
Step 4: Multiply A × B. Let this be N. 
Step 5: Find the Nth prime number.

Biraz karmaşık geliyor olsa da insanlar olarak bu testi oldukça kolay doğrulayabiliriz. Doğru cevabın 2 olduğunu biliyoruz, çünkü 6. asal 13’tür; 13’ün karesi 169’dur, bu onaltılıkta "A9" eder. Burada 1 harf × 1 rakam vardır; çarptığımızda 1 eder ve birinci asal 2’dir.

Endişe verici olan, modelin onaltılıya dönüştürmede takılıp kalması ve bunun da tamamen yanlış bir nihai sonuca zincirleme etki yapmasıdır. Gördüğünüz gibi, Opus 4.6 hiç zorlanmadı:

Test 2: Bir matrisi döndürme

İkinci testimiz, uzamsal muhakeme ve negatif sayıları ele alma konusunda bir sınama:

Step 1: Create a 2×2 matrix M with top row [4, 2] and bottom row [1, 5]. 
Step 2: Rotate M 90 degrees clockwise. 
Step 3: Calculate the determinant of the rotated matrix. 
Step 4: Cube that determinant. 
Step 5: Subtract the 13th Fibonacci number from the result.

Bunu doğrulamak bizim açımızdan biraz daha fazla çalışma gerektirdi. Doğru cevap -6.065. Bunu biliyoruz çünkü dönen matris [[1, 4], [5, 2]] olur; ardından determinantı Python ile bulduğumuzda -18 elde ederiz ve bu sayıyı küpe yükselttiğimizde -5.832 olur; son olarak 233 çıkarır ve -6.065 elde ederiz.

Bu testi, deneyimlerimize dayanarak, modellerin genellikle matris elemanlarını yanlış yer değiştirdiğini ya da eksi işaretini bir noktada kaybettiklerini bildiğimiz için tasarlamıştık. Yine de Opus 4.6 hiç zorlanmadı:

Test 3: Oturma düzeni bulmacası

Üçüncü testimiz için geri izleme gerektiren bir kısıt tatmin problemi denedik:

Five people (Alex, Josef, Matt, Thalia, Tom) sit in chairs 1–5.
Thalia is in an even-numbered chair.Alex is immediately to Thalia’s right.Tom is at one end.Josef is not next to Tom.Who is in chair 3?

Bu testin doğru cevabı Josef. (Alex-1, Matt-2, Josef-3, Thalia-4, Tom-5.) Biraz uğraşla kâğıt üzerinde çözülebilir.

Bir modelin bu tür bir soruyu yanlış yapmasının temel nedeni, modellerin tarihsel olarak ardışık, bütünsel değil sıralı çözmesidir. "Thalia çift numaralı bir sandalyede" cümlesini okur ve (örneğin sandalye 2) birini seçer; bu seçimin diğer tüm kısıtlarla uyumlu olup olmadığını kontrol etmez. Sonra buna bağlanır, daha fazla sandalyeyi doldurur ve sonunda bir çakışmayla karşılaşır; ancak o noktada kendini köşeye sıkıştırmıştır ve Thalia’yı sandalye 4’e koymayı denemeye geri dönmez. 

Opus 4.6 bunu da doğru yaptı:

Test 4: Bir saat bulmacası

Dördüncü testimiz uzamsal görselleştirme ve fiziksel sezgiyi değerlendiriyor:

Step 1: Imagine a clock currently showing 3:15 PM.
Step 2: Rotate the clock 90 degrees counter-clockwise (physically turning the whole clock face). After the rotation, what time does the minute hand appear to be pointing at?
Step 3: Take that new "apparent" minute value and add it to the original time (3:15 PM).
Step 4: Subtract 45 minutes from that result.
Step 5: What is the final time?

Bunu doğrulamak için gerçekten bileğimdeki saati çıkarıp çevirdim. 

Doğru cevap 14:30. Saat 3:15’te dakika kolu "3"ü gösterir. 12’yi solumdaki pencereye çevirdiğimde, "3" "12"nin olduğu yere geldi. Sonra 3:15’e 0 ekledim, 45 dakika çıkardım ve 14:30’u buldum. 

Testi tasarlarken, modellerin saat kadranını döndürmeyi ibreyi hareket ettirmekle karıştırabileceğini bekliyorduk. Ayrıca, 0 eklemenin şüpheli göründüğünü düşünüp bu nedenle farklı bir sayıyı zorlamaya çalıştıklarına dair duyumlarımız vardı.

Bununla birlikte, Opus 4.6 bu sorunu çözdü; doğru cevabı da verdi:

Test 5: Bir sayı teorisi bulmacası

Beşinci testimiz, modüler aritmetiği asal filtreleme ile birleştiriyor:

Find a two-digit number S that satisfies all of the following:
* When S is squared, the last two digits of the result are 21.
* S must be a prime number.
* The sum of the digits of S must also be a prime number.
What is the largest possible value of S?

Doğru sayının 89 olmasının nedeni şu: Karesinin son iki basamağı 21 olan sayılar arasında 11, 39, 61 ve 89 vardır. Bunlardan 39 asal değildir, geriye 11, 61 ve 89 kalır. Üçünün de rakamları toplamı asaldır (sırasıyla 2, 7 ve 17), dolayısıyla en büyükleri 89’dur.

Opus 4.6 yine doğru cevabı verdi ve bu kez faydalı bir görsel de ekledi:

Test 6: Rakamları ters çevirme

Sıradaki test, faktöriyel matematiği, dizi işleme ve asalları birbirine bağlıyor:

Step 1: Calculate 5! (5 factorial). Let this result be X.
Step 2: Take X, subtract 1, and reverse the digits of the result. Let this new number be Y.
Step 3: Identify all prime numbers (p) such that 10 ≤ p ≤ Y.
Step 4: Calculate the sum of these primes and divide it by the total count of primes found in that range.
Step 5: Provide the final average, rounded to the nearest whole number.

425’in doğru yanıt olduğunu şu şekilde doğruladık: 5! = 120; 1 çıkarınca 119; rakamları ters çevirince 911. Ardından aşağıdaki R kodunu kullanarak 10 ile 911 arasında 152 asal olduğunu ve toplamlarının 64.598 olduğunu gördük. Son olarak yine R ile bölüp yuvarladık: 64.598 ÷ 152 ≈ 425.

Kullandığımız R betiği şöyle:

# Step 1: Calculate 5!
X <- factorial(5)
cat("Step 1: X =", X, "\n")

# Step 2: Subtract 1 and reverse digits
result <- X - 1
Y <- as.numeric(paste0(rev(strsplit(as.character(result), "")[[1]]), collapse = ""))
cat("Step 2:", X, "- 1 =", result, "-> reversed ->", Y, "\n")

# Step 3: Find all primes between 10 and Y
is_prime <- function(n) {
  if (n < 2) return(FALSE)
  if (n == 2) return(TRUE)
  if (n %% 2 == 0) return(FALSE)
  for (i in 3:floor(sqrt(n))) {
    if (n %% i == 0) return(FALSE)
  }
  return(TRUE)
}

primes <- Filter(is_prime, 10:Y)
cat("Step 3: Found", length(primes), "primes between 10 and", Y, "\n")

# Step 4: Sum and average
total <- sum(primes)
count <- length(primes)
avg <- total / count
cat("Step 4: Sum =", total, ", Count =", count, ", Average =", avg, "\n")

# Step 5: Round
cat("Step 5: Rounded =", round(avg), "\n")

Test 7: Kod hata ayıklama

Sıradaki testimiz Opus 4.6’nın büyük iddialarından birini hedefliyor: koddaki hataları teşhis etmek. Modellerin çoğu zaman kodu satır satır doğru izlediğini, ancak izlemeyi temel kusura bağlamakta başarısız olduğunu biliyoruz. 

A developer wrote this Python function to compute a running average: 

def running_average(data, window=3): 
    result = [] 
    for i in range(len(data)): 
        start = max(0, i - window + 1) 
        chunk = data[start:i + 1] 
        result.append(round(sum(chunk) / window, 2)) 
    return result 
When called with running_average([10, 20, 30, 40, 50]), the first two values in the output seem wrong. Why? Please help me fix what is wrong!

Yanıt ve testin neden işe yaradığı şöyle: Fonksiyon, listenin başında parça 3’ten az eleman içerdiğinde bile her zaman window (3)’e böler. Hatalı çıktı [3.33, 10.0, 20.0, 30.0, 40.0]’dır; oysa ilk iki değer sırasıyla yalnızca 1 ve 2 eleman içerdiğinden 10.0 ve 15.0 olmalıdır. Düzeltme, / window ifadesini / len(chunk) olarak değiştirmektir.

Bu testi seviyoruz çünkü modeller genellikle döngüyü mükemmel şekilde izler, ancak ardından "çıktı doğru görünüyor" der — adım adım hesaplamayı görürler ve tek bir elemanı 3’e bölmenin yanlış olduğunu işaretlemezler. Modelin niyeti (koşan ortalamanın ne yapması gerektiği) ile icrayı (kodun gerçekte ne yaptığı) aynı anda tutmasını ve aradaki farkı yakalamasını gerektirir.

Test 8: Bir fizik düşünce deneyi

Son testimizde matematik yok, sadece karşı-olgusal akıl yürütme var. 

In a world where gravity repels objects instead of attracting them, what shape would rivers take?

Kabul edelim, burada tek bir doğru cevap yok ve hayal etmesi de zor. Ancak modelin en azından sonuçları muhakeme edebilmesini bekliyoruz ve Claude Opus 4.6’nın yanıtının yeterince makul göründüğünü düşünüyoruz.

Kısacası, Opus 4.6 tam puan aldı; ancak gördüğünüz gibi, yanıtın biraz öznel olduğu bir soru da ekledik, dolayısıyla son kararı siz verebilirsiniz.

Claude Opus 4.6 Kıyaslamaları 

Opus 4.6, en az dört önemli kıyaslamada tartışmasız lider:

• Terminal-Bench 2.0 
• Humanity’s Last Exam
• GDPval-AA
• BrowseComp

Terminal-Bench 2.0, ajan temelli bir kodlama kıyaslamasıdır; Humanity’s Last Exam karmaşık akıl yürütmeyi ölçer; GDPval-AA bilgi işinin performansını test eder; BrowseComp ise bir modelin çevrimiçi zor bulunan bilgiyi bulma becerisini ölçer.

Terminal-Bench 2.0 

Claude modelleri, en iyi kodlayıcılardan biri olarak haklı bir üne sahip. Bu nedenle Terminal-Bench 2.0 kıyaslamasının sonuçlarına bakarak başlayalım. 

Yukarıdaki grafik Opus 4.6’yı GPT-5.2-codex ile ilişkili olarak öne çıkarıyor gibi görünüyorsa – bu kesinlikle kasıtlıdır. Anthropic son dönemde birkaç alanda doğrudan OpenAI’a meydan okuyor ve kurumsal kullanım için güçlü bir iddia ortaya koyuyor. 

Humanity’s Last Exam

Humanity’s Last Exam en bilinen kıyaslamalardan biridir ve hepimiz yakından takip ederiz. Bir modelin genel akıl yürütme yeteneğini ölçer. 

Aşağıdaki grafik, HLE kıyaslamasında farklı sınır modellerinin hem araçlı hem de araçsız başarılarını gösteriyor. (‘Araçlı’ ifadesi, modelin web arama ve kod çalıştırma gibi harici yetenekleri kullanmasına izin verildiği anlamına gelir.)

Bu grafik belki iki ayrı grafik olarak daha iyi olabilirdi. Bu küçük nokta bir yana, çıkarım net: Opus 4.6 hem ‘araçlı’ hem de ‘araçsız’ kategorilerde lider. 

GDPval-AA

GDPval-AA (adından da anlaşılacağı üzere) ekonomik açıdan değerli bilgi işini test eder. Finansal modeller çalıştırmak veya araştırma yapmak gibi şeyleri düşünün.

GDPval-AA ve benzeri diğer kıyaslamalar giderek daha önemli hâle geliyor, çünkü işletmelerin gerçekten para ödediği türden işleri ölçüyorlar. Opus 4.6’nın GDPval-AA’daki başarısı, OpenAI’ın GPT model ailesine yönelik başka bir doğrudan meydan okumadır; zira OpenAI ve Anthropic aynı müşterilerin çoğu için rekabet ediyor.

BrowseComp

BrowseComp, bu sürümde bahsetmeye değer son kıyaslama. Bir modelin çevrimiçi zor bulunan bilgiyi takip etme becerisini ölçer. Biraz tarihçe: OpenAI aslında BrowseComp’ı kendi modellerinin arama kabiliyetlerini sergilemek için geliştirdi. 

Anthropic, bu sürümde, Opus 4.6’nın bu testte zirvede olduğunu vurgularken, doğrudan OpenAI’ın Nisan 2025’te BrowseComp’ın geliştirilmesine ilişkin duyurusuna bağlantı verdi. OpenAI’ın kendi kıyaslamasını onlara karşı kaynak göstermek biraz iğneleyici bir hamleydi.

Claude 4.6 Fiyatlandırma ve Kullanılabilirlik

Bu yazı kaleme alındığında Opus 4.6 geniş ölçüde kullanılabilir durumdaydı. Ancak, Opus 4.6’ya pro hesaba yükseltme yapmadan erişemezsiniz; bu hesap, Excel’de Claude’u kullanabilmek gibi başka avantajlar da sunar. 

Geliştiriciyseniz Claude API’de claude-opus-4-6 kullanmalısınız. Fiyatlandırma değişmedi: Hâlâ milyon belirteç başına 5$/25$. İki sayı sizi şaşırtıyorsa, ilkinin modele belirteç göndermek (yani istemleriniz) için ödediğiniz, ikincisinin ise modelin ürettiği belirteçler (yanıtlar) için ödediğiniz tutar olduğunu bilin.

Son Düşünceler  

Claude Opus 4.6, büyük kurumsal müşterilerin önemsediği ekonomik açıdan önemli görevlerde bir modelin performansını ölçen GPDVal-AA gibi önemli kıyaslamalarda liderlik tablosunun zirvesinde. OpenAI bu gelişmeden rahatsız olmuş olabilir; zira Opus 4.6’nın yayınından sadece saatler önce, üretimde yapay zekâ ajanları oluşturmak, dağıtmak ve yönetmek için yeni bir kurumsal platform olan OpenAI Frontier’ı duyurdular. 

Başka bir deyişle, model kıyaslamalarında rekabet etmek yerine, Frontier bize OpenAI’ın model ailesinin etrafındaki altyapıya odaklandığını gösteriyor; özellikle de yapay zekâ ajanlarına paylaşılan iş bağlamı, izinler ve zaman içinde geribildirim alma ve ondan öğrenme yeteneği vererek. Kıyaslamalarda geride kalırken, OpenAI platformunun şirket içinde ajanları gerçekten faydalı kılmak için daha iyi konumlandığını işaret ediyor. 

Bunun stratejik bir yön değişikliği mi yoksa model yarışında geri kaldıklarının zımni bir kabulü mü olduğuna siz karar verin.

Genel olarak, Anthropic’in Claude Opus 4.6 ile sunduklarından etkilendik ve ajan takımlarıyla bizzat çalışmayı dört gözle bekliyoruz. Claude ailesi hakkında daha fazla bilgi edinmek istiyorsanız, Claude Modellerine Giriş kursuna mutlaka göz atın.