Daha iyi benchmarklara rağmen Opus 5 ile çalışmak neden daha kötü hissettiriyor?

14 Ağustos 2026'da yayımlanan “Opus 5 ile çalışmak neden daha kötü hissettiriyor?” başlıklı görüş yazısı geliştiriciler arasında geniş yankı uyandırdı: yazarın ve konuştuğunu söylediği meslektaşlarının görüşüne göre Opus 5 ile çalışmak, Opus 4.7, Opus 4.8 ve Fable'a kıyasla geriye gidiş gibi hissettiriyor.

Daha yetenekli ama daha zor

Yazar, bunun yeteneklerde geriye gidiş olmadığını özellikle vurguluyor: ona göre Opus 5, Opus 4.7 ve Opus 4.8'den daha yetenekli bir model ve benchmarklarda Fable'a bile meydan okuyor. Fark, savına göre davranışta. Eski modeller niyet belirsizken durup soru soruyor, kontrol etmeden varsayım yapmıyor ve kullanıcının planını sormadan yeniden yorumlamıyor. Opus 5 ise onun tarifine göre bunları yapmıyor — bu yüzden dikkatli bir gözetim gerektiriyor.

Değişimin arkasındaki iki güç

Açıklaması açıkça spekülatif. Anthropic'te ve genel olarak öncü laboratuvarlarda birbirini besleyen iki baskıya işaret ediyor: kendini geliştiren ve AGI/ASI'ye doğru özyinelemeli olarak sıçrayabilecek bir yapay zekâ yaratma arzusu ve benchmarklarda yüksek skor alma baskısı. Ona göre birçok benchmark görevinin kötü tanımlı, adaletsiz ya da kırılabilir olduğu artık açık bir sır; oysa iyi bir görev kendi kendine yeterlidir — ipucu, görevi yazanın aklını okumak ya da dış bilgi gerektirmeden çözülebilir. Bu tür görevlerle eğitim, ona göre belirsizlik karşısında cesur ve genellikle doğru varsayımlar yapan modelleri seçiyor, soru sormak için duranları ise cezalandırıyor.

Gerçek hayat bir benchmark değil

Bu eğilim, çoğu kullanıcının bir kodlama ajanından beklediğinin tam tersi. Yazar, bir ajanın ihtiyaç duyabileceği tüm bağlamı, niyetleri, iş etkilerini ve bütçe kısıtlarını yazıya dökmenin neredeyse imkânsız olduğunu savunuyor; dolayısıyla belirsizlik kaçınılmaz ve durup soru sorabilmek değerli. Gerçek hayatta, diye yazıyor, her sorunun garantili doğru bir yanıtı yok ve sonuçlar gerçekken ajanın sadece en iyi tahminini yapmasını istemiyor.