Claude Opus 5: Anthropic'in Yeni Amiral Gemisi, Açıklamalı

Anthropic’in yine yepyeni bir ikinci en iyi modeli var.

Bu kez karşımızda, sınır seviyesine yakın zekâ olarak pazarlanan ancak Claude Fable 5’in yarı fiyatına sunulan Claude Opus 5 var ve dahası, Opus 5, Frontier-Bench ve GDPval-AA dâhil olmak üzere çeşitli kodlama ve bilgi işleme değerlendirmelerinde Fable 5’i gerçekten geride bırakıyor. Yalnızca hâlâ yaygın olarak erişilebilir olmayan Mythos 5’in ardından ikinci sırada. 

Aşağıda Opus 5’te nelerin yeni olduğuna, daha fazla kıyaslama testindeki performansına, Anthropic’in hizalama ve güvenlik profili hakkında söylediklerine ve maliyetine dair bir özet bulacaksınız.

Claude Opus 5 Nedir?

Opus 5, kabiliyet açısından en üst seviyede Mythos’un altında, ancak Sonnet ve Haiku’nun üstünde konumlanan Anthropic’in Opus katmanındaki en yeni sürümdür.

Anthropic, en yeni modelinin "düşünceli ve proaktif" olduğunu söylüyor (insanlaştırmayı biraz seviyorlar). Ayrıca modelin günlük kullanım için geliştirildiğini, yani bir yapay zekâ mühendisi için sürekli çalışacak kadar verimli olduğunu belirtiyorlar.

Frontier-Bench ve GDPval-AA gibi kodlama ve bilgi işleme değerlendirmelerinde Anthropic, Opus 5’in artık kendi modelleri arasında en ileri düzeyde olduğunu söylüyor; ancak özellikle siber güvenlik görevlerinde Mythos 5’in gerisinde kaldığını; bunun ayrıntılarını Mythos 5 makalemizde ele aldığımızı belirtiyor.

Modeli rakip ve kardeş modellerle bire bir karşılaştırmak için şu karşılaştırma rehberlerimizi okuyun:

• Grok 4.6 ve Claude Opus 5
• Claude Opus 5 ve GPT-5.6 Sol
• Claude Opus 5 ve Claude Sonnet 5

Claude Opus 5’te Neler Yeni?

Anthropic’in yenilikleri öne çıkarırken özellikle vurguladığı iki nokta dikkat çekiyor: Makul görünen bir yanıtta durmak yerine görevi gerçekten bitirmeye yöneliş ve görsel çıktı kalitesinde sıçrama.

Ajan benzeri ısrar

Opus 5’in en büyük nitel sıçraması, bir görev gerçekten başarıya ulaşana dek çalışmayı sürdürmeye istekli olması. Anthropic, bunun nasıl göründüğüne dair şu örnekleri paylaşıyor:

• Bir makine parçası çizimi verildiğinde ancak çizimi doğrudan görüntüleme imkânı olmadan, Opus 5 ham piksellerden geometrik bilgiyi çıkarmak için kendi bilgisayarlı görü hattını yazdı.
• Popüler bir açık kaynak paket yöneticisindeki gerçek bir hatayı düzeltmesi istendiğinde, Opus 5 geçici bir yamayla yetinmek yerine asıl kök nedeni bulup düzeltti.
• Bir aracı kurumda görev yapan bir mühendisin, yeni bir borsa için piyasa verisi akışını tek bir oturumda Opus 5 ile oluşturduğu — doğrulama için kendi test düzeneğini yazarak ayrıştırma mantığını sınadığı — bildirildi.

Makul görünen bir yanıta razı olmak yerine yinelemeye devam etme isteği, Opus 5’in Frontier-Bench gibi ajan odaklı kıyaslamalardaki sıçramasını tetikliyor gibi görünüyor.

Daha güçlü görsel çıktılar

Anthropic, Opus 5’in önceki modellere kıyasla anlamlı derecede daha güçlü görsel çıktılar üretebildiğini de vurguluyor; örneğin bir arabanınkine benzer aerodinamik nesneler üzerindeki hava akışının rüzgâr tüneli tarzı görselleştirmesi. Bu, ikna edici bir örnekti ve işi üretken diyagramlar oluşturmayı içeriyorsa iyi haber.

Claude Opus 5 Kıyaslamaları

Bu tablo yalnızca Anthropic’in kendi modellerini içeriyor. İlgili sürümlerini inceledim ve mümkün olabildiğince yan yana getirdim. Bir sonraki bölümde Opus 5’i rakip modellerle karşılaştıracağım.

Not: "açıklanmadı" veya "yayınlanmadı" ifadesi, puanın sıfır olduğu anlamına değil; o modelin ilgili sürümde söz konusu kıyaslamaya dâhil edilmediğine işaret eder.

Claude Opus 5 ve Fable 5

Yukarıdaki tabloda görebileceğiniz gibi Opus 5, Frontier-Bench v0.1’de (yüzdeler: 43.3’e karşı 33.7) ve GDPval-AA v2’de (puanlar: 1861’e karşı 1747) daha pahalı kardeşini gerçekten geride bırakıyor — hem de Fable 5’in yarı fiyatına.

Claude Opus 5 ve Opus 4.8

Sıradaki kıyas en net nesil sıçramasını gösteriyor: Opus 5, ARC-AGI-3’te selefinin önüne geçiyor; skor 1.5%’ten 30.2%’ye çıkıyor. Frontier-Bench v0.1’de de tablodan görebileceğiniz üzere skor iki kattan fazla artıyor (43.3%’e karşı 18.7%). Unutmayın, Opus 4.8 yalnızca iki ay önce yayımlanmıştı.

Claude Opus 5 ve Rakip Modeller

Aşağıdaki karşılaştırma, Anthropic, OpenAI ve Google’ın model sürüm duyurularında yayımlanan kıyas sonuçları doğrudan alınarak derlendi. Yeterince çok modelin yayınlanmış ve karşılaştırılabilir skoru olan satırları anlamlı kılacak şekilde dâhil etmeye karar verdim. Ayrıca yalnızca muğlak, görece iddialar olarak bildirilen kıyasları dışarıda bıraktım.

Şunu da belirtmeliyim: Buradaki her sayı, modeli yayımlayan laboratuvar tarafından, o laboratuvarın kendi değerlendirme düzeni, istem kurulumları ve (bazı durumlarda) çaba ya da akıl yürütme seviyesi yapılandırmasıyla raporlanmıştır.

Opus 5 ve GPT-5.6 Sol

Opus 5, daha zor ve daha yeni akıl yürütme görevlerinde (ARC-AGI-3, Frontier-Bench, AutomationBench) önde gelirken, GPT-5.6 Sol, SWE-Bench Pro ve DeepSWE gibi daha yerleşik kodlama kıyaslarında az farkla öne geçiyor. Bu da Opus 5’in açık uçlu veya şablonlaşmamış problem çözmede bir avantaja sahip olabileceğini, Sol’un ise iyi tanımlanmış ve yoğun biçimde eğitilmiş kodlama görevlerinde güçlü göründüğünü düşündürüyor.

Opus 5 ve Gemini 3.6 Flash 

Gemini’nin son sürümü, bir sınır amiral gemisinden ziyade Flash katmanlı, maliyet etkin modellere odaklanıyor; bu nedenle satırların çoğunda ya Gemini verisi yok ya da yalnızca Flash/Flash-Lite değerleri bulunuyor ve bunlar hem Opus 5’in hem de GPT-5.6’nın bir hayli gerisinde. Bu karşılaştırma, Google’ın sınır kabiliyetinden çok model katmanı hakkında fikir veriyor.

Opus 5 ve GPT-5.6

İki amiral gemisinin kesiştiği yerde Opus 5, yeni tür akıl yürütme ve ajan görevlerinde (ARC-AGI-3, BrowseComp, OSWorld 2.0, AutomationBench) önde; GPT-5.6 Sol ise uzun ufuklu kodlamada (DeepSWE) az farkla ileride. Sol Ultra, Terra ve Luna çoğunlukla Opus 5’in yayınlanmış skorunun bulunmadığı ayrı kodlama kıyaslarında yer alıyor; bu yüzden bu tablo aslında "Anthropic’in tek amiral gemisi vs. OpenAI’ın tam ailesi" karşılaştırması ve tekil, pürüzsüz bir eşleşme değil.

Opus 5 Fiyatlandırma ve Erişilebilirlik

Opus 5, selefiyle aynı fiyattan başlayarak bugün Claude’un platformlarında kullanılabilir:

• $5 milyon başına giriş token’ı
• $25 milyon başına çıkış token’ı

Hızlı mod, varsayılan hızın yaklaşık 2.5 katında çalışır ve Claude Platform’da (veya Claude Code’daki kullanım kredileri aracılığıyla) Opus 5’in temel oranının iki katı fiyatlandırılır — Opus 4.8 ile aynı yapı.

Geliştiriciler, claude-opus-5 model dizesini kullanarak API üzerinden modele erişebilir.

Opus 5 ile birlikte iki ilgili özellik beta olarak kullanıma açılıyor:

1. Sohbet ortasında araç değiştirme özelliği — geliştiriciler artık istem önbelleğini geçersiz kılmadan, konuşmanın ortasında Claude’a hangi araçların sunulacağını değiştirebilir.
2. Otomatik geri düşmeler — Opus 5 veya Fable 5’te güvenlik sınıflandırıcıları tarafından işaretlenen istekler, tamamen engellenmek yerine artık otomatik olarak başka bir uygun modele yönlendirilebilir; böylece API trafiği varsayılan olarak en uygun modele akmaya devam eder.

Önceki Opus sürümlerinde olduğu gibi, Opus 5 genel erişimde veri saklama gereksinimi taşımıyor.

Claude Opus 5 Hakkında Son Söz

Son dönemde Claude modelleri hakkında çok yazıyormuşuz gibi geliyorsa, bunun nedeni gerçekten de öyle olmamız. Anthropic, model kabiliyeti ve verimliliğini optimize etmek için hızlı iyileştirmelere yoğun biçimde odaklanıyor. 

Artık Anthropic, genel hatlarıyla önceki en iyi modeli Fable 5’ten daha iyi bir şey ortaya koymuş durumda. Anlamlı biçimde daha düşük bir fiyatla geliyor ve bugüne kadarki en iyi hizalama rakamlarını da bildiriyor. 

Sırada ne var? Haiku modeli Anthropic’in en eski modeli ve hâlâ 5 serisine yükseltmesini bekliyoruz. Bir sonraki adım için tahmin bu, ancak Anthropic bizi şaşırtmaya devam ediyor.