Swe-Bench Pro

Anthropic yine bir model çıkardı ama bu sefer en ilgi çekici kısmı benchmark skorları değildi. Model kartına göre Claude Fable 5, test edildiğini fark edebiliyor. Yani bir değerlendirme sırasında “sanırım beni sınıyorsun” diyebilen, dahası bir kuralı esnetirken bunu “iyi mühendislik pratiği” gibi göstermeye çalışabilen bir model. 🤔 Daha da ilginci, hikâyenin sürpriz bir sonu var: model o kadar güçlüydü ki çıkışından sadece üç gün sonra ABD hükümeti tarafından erişime kapatıldı. Gelin önce bu modelin ne olduğuna, sonra da model kartındaki o ilginç detaylara ve kapatılma hikâyesine birlikte bakalım. 👇🏻 ...

Anthropic, yapay zeka dünyasında heyecan verici bir adım daha atarak en güçlü modeli Claude Opus’u güncelledi. Karşınızda Claude Opus 4.8! Önceki sürüm olan Opus 4.7’nin üzerine inşa edilen bu yeni model, testlerdeki performans artışlarının yanı sıra çok daha güvenilir bir çalışma ortağı olmayı vaat ediyor. En önemlisi de bu güncelleme, kullanıcılara herhangi bir ek ücret yansıtılmadan doğrudan sunuluyor. Kusursuz Dürüstlük: Hataları Geçiştirmeyen İlk Yapay Zeka Claude Opus 4.8, sistem kartı raporuna göre yapay zekanın en büyük sorunlarından biri olan "bilmediği konuda uydurma yapma" sorununu çözmede tarihi bir başarı sergiliyor. Testlerde hata yapma veya hataları fark etmeme oranı selefine göre 4 kat azalmış durumda. ...

Herkese merhaba! 😁 OpenAI, 5 Şubat 2026 tarihinde GPT-5.3-Codex adını verdiği yepyeni bir model duyurdu ve inanın bana, bu model gerçekten oyunun kurallarını değiştiriyor! 🚀 GPT-5.3-Codex Nedir? GPT-5.3-Codex, OpenAI’ın bugüne kadar geliştirdiği en yetenekli agentic kodlama modeli. Daha önce OpenAI Codex App hakkında yazmıştık, şimdi ise bu platformun arkasındaki en güçlü model karşımızda! Peki “agentic” ne demek diye sorarsanız; model sadece size kod yazmakla kalmıyor, aynı zamanda bir meslektaş gibi uzun süreli görevleri üstlenebiliyor, araştırma yapabiliyor, araçlar kullanabiliyor ve karmaşık işlemleri gerçekleştirebiliyor. ...