Automationbench

Özet: 30 Saniyede DeepSeek V4.1 Flash DeepSeek-V4.1-Flash, 10 Eylül 2026’da yayınlandı. Lisans MIT, ağırlıklar Hugging Face’te. 552 milyar gövde parametresi, ama token başına yalnızca 8 milyar aktif (girdi işlerken) / 16 milyar aktif (üretim yaparken). Bu asimetri modelin bütün fikri. Yeni mimari: Causal Encoder-Decoder (CED). 40 katman, 20’si nedensel kodlayıcı, 20’si kod çözücü. Kod çözücünün KV önbelleği kendi katmanlarından değil, kodlayıcının son gizli durumlarından türetiliyor. Sonuç: global KV önbelleği token başına 890 bayt. V4-Flash’ın dörtte biri, DeepSeek-V1’in 437’de biri. Doğuştan çok modlu: görsel girdiyi kendi eğitilmiş DeepSeek-ViT kodlayıcısıyla, dil modelinin ön eğitiminin en başından itibaren işliyor. Ön eğitim 45 trilyon token. Ajan testlerinde Claude Opus 5’i geçiyor: Terminal-Bench 2.1’de 90,6‘ya 89,1, DeepSWE v1.1’de 74,2‘ye 74,0, AutomationBench’te 54,8’e 50,3. Akıl yürütme çabası 1-100 arası sürekli ayarlanabiliyor. Açık/kapalı düşünme kademesi değil, kaydırma çubuğu. API fiyatı 1 milyon token başına yoğun olmayan saatte $0,15 girdi / $0,60 çıktı, yoğun saatte iki katı. Claude Opus 5’in çıktı fiyatının kabaca yirmide biri. DeepSeek V4 Pro’yu emekliye ayırıyor: 14 Eylül 2026’dan itibaren deepseek-v4-pro istekleri V4.1 Flash’a yönlendirilip Flash fiyatından faturalanacak. Bu yılın açık ağırlıklı model yarışında herkes aynı iki rakamı kovalıyor: aktif parametre ve KV önbelleği. Birincisi her token’ın kaça mal olduğunu, ikincisi uzun bağlamın ne kadar bellek yediğini belirliyor. GLM-5.3-Flash hibrit dikkatle, Qwen3.8-Flash-Next ise 6 milyar aktif parametreyle cevap vermişti. ...

İki model, aynı fiyat etiketi: 1 milyon token için 10 dolar girdi, 50 dolar çıktı. GPT-6 Astra 3 Eylül’de, Claude Fable 5.1 1 Eylül’de çıktı. Etiketler birebir aynı olduğu için karşılaştırma kolay görünüyor. Değil. Çünkü etiket aynı, fatura değil. Aynı işi ikisine de yaptırdığınızda ödeyeceğiniz para, iş yükünüzün şekline göre iki katına çıkabiliyor ya da yarıya inebiliyor. Bu yazıda önce o farkın nereden geldiğini, sonra benchmark tablosunu, en sonda da üç gerçek senaryodaki faturayı hesaplıyoruz. ...

Anthropic, 1 Eylül 2026’da Claude Fable 5.1 ve Claude Mythos 5.1 modellerini yayınladı. Haziran ayındaki Claude Fable 5 çıkışının üzerinden yaklaşık üç ay geçti ve bu kez hikâyenin merkezinde ne bir hükümet müdahalesi ne de sürpriz bir kapatılma var. 🙂 Bu sefer asıl mesele şu: etiket fiyatı hiç değişmedi ama modeli çalıştırma maliyeti ciddi biçimde düştü. Üstelik model, geçen ay yayınlanan Claude Opus 5 ‘i test edilen kıyaslamaların tamamında geride bırakıyor. Gelin detaylara bakalım. 👇🏻 ...

Özet: 30 Saniyede Gemini 3.7 Flash Gemini 3.7 Flash, Google’ın 13 Ağustos 2026‘da duyurduğu yeni Flash modeli. Bir öncekinin üzerinden sadece üç hafta geçti. Tanıtım fiyatı 1 milyon token için 0,75 dolar girdi, 3,75 dolar çıktı. Bu, 3.6 Flash’ın normal fiyatının yarısı. Ama tanıtım fiyatı 31 Aralık 2026‘da bitiyor. Kodlamada sıçrama var: FrontierCode 1.1’de %34,4’ten %43,6‘ya, DeepSWE v1.1’de %48,6’dan %65,3’e. Bağlam penceresi 1.048.576 token, çıktı sınırı 65.536 token. Girdi olarak metin, görsel, video, ses ve PDF kabul ediyor. Zeka endeksinde tepede değil: 56 puan ile GPT-5.6 Terra ve Muse Spark 1.2’nin (57) bir puan gerisinde, ama onların üçte bir fiyatında. Google’ın Flash serisi hep aynı işi yapıyordu: en akıllı model olmak değil, en çok kullanılan model olmak. Ucuz, hızlı, “her yerde çalıştırılabilir” olan. Gemini 3.7 Flash bu tanımı biraz zorluyor. ...

Anthropic bugün, Claude ailesinin yeni amiral gemisi Claude Opus 5‘i duyurdu. Model; ajansal kodlama, bilgi işçiliği, bilgisayar kullanımı ve bilimsel araştırma alanlarında Opus 4.8’e göre ciddi bir sıçrama getiriyor. Üstelik tüm bu gelişmeler aynı fiyatla geliyor. Gelin, yeni modelin ne sunduğuna ve rakiplerine karşı nerede durduğuna bakalım 🚀 Claude Opus 5 Nedir? Opus 5, Anthropic’in bugüne kadarki en güçlü genel erişim modeli. Opus 4.8 ‘in yerini alan model, özellikle karmaşık ve uzun süreli ajansal görevlerde öne çıkıyor. ...