En iyi yapay zeka sohbet modeli

Fable 5 neden önde ve bu kez neden her zamankinden tuhaf

Bir sayı ve bir çelişki. Sayı şu: Arena metin tablosunun 2 Eylül güncellemesinde Fable 5, 1507 ile birinci ve kırk beş ağırlıklı sütunun tamamını alıyor. Çelişki şu: Anthropic aynı modeli 1 Eylül de eskiye aldı. Yani bu tablonun tepesi bugün, üreticisinin artık önermediği bir model.

Halefi de tam altında. Fable 5.1, 1504 le ikinci; üç puan geride, aynı fiyat ve aynı bağlam penceresiyle. Bu tabloda üç puan, sohbette kimsenin hissedeceği bir fark değil. Yani sıralama doğruyu söylüyor, pratik tavsiye ise başka bir şey ve biz ikisini birden gösteriyoruz: bu tablodaki Fable 5 adının altına yerine geçen modeli yazıyoruz. Eskiye alınmak bir olgudur, bir puan değil; rubric in ona puan verecek bir yolu yok ve olmamalı da.

İkisi de dolar başına puan sütununu tamamen kaybediyor. İkisinin de çıktısı milyon token başına 50 dolar, tablonun en pahalı satırları; oranları 30.1 e iniyor ve bu tablonun dibi. Opus 5, 1493 le on dört puan aşağıda ve yarı fiyatına.

Opus 5 on iki puan aşağıda ve yarı fiyatına. Üst kesimin tamamının yaklaşık elli puana sığdığı bir tabloda on iki puan çok değil. Yani gerçek cevap soruya göre ikiye ayrılıyor: bir API üzerine sohbet kuruyor ve aylık fatura ödüyorsanız Opus 5; uygulama aboneliği alıyorsanız fiyat sütunu size işlemiyor ve istediğiniz şey tablonun tepesi.

Kendi birincimizin aleyhine, buradaki hiçbir sütunun ölçmediği bir şey: Fable 5, Anthropic in kendi tablosunda yavaş diye işaretlenen tek model ve uyarlanabilir düşünmesi hep açık, yani kısacak bir kol yok. Sohbette gecikme hissedilir. Tablomuz bunu görmüyor, siz on dakikada göreceksiniz.

Bu tablo uygulamaları değil modelleri sıralıyor

Bilinçli bir seçim ve bedeli var, o yüzden açıkça söyleyelim. Buradaki beş sütun da bir model hakkında yayımlanan sayılar: liderlik puanı, milyon token fiyatı, bağlam penceresi. Hiçbir üretici bunların üçünü de sohbet uygulaması için yayımlamıyor. Uygulamaları sıralasak beş sütunun üçü çoğu satırda boş kalır ve bu artık tablo olmaz.

İkinci sebep daha önemli: tek bir model birkaç uygulamanın altında çalışıyor ve uygulama, altındaki modeli size haber vermeden değiştiriyor. Opus 5 aynı anda Claude uygulamasının, API nin ve Claude Code un altında. "Claude" u satır yaparsanız aynı sayıyı kodlama tablosunda ikinci kez saymış olursunuz. Video kategorisinin araçları değil sürümleri sıralamasının sebebi de aynı.

Ders çalışma kategorisinde tam tersi kararı verdik ve orada doğruydu, çünkü Google defterin kendi limitlerini sayı olarak yayımlıyor: elli kaynak, beş yüz bin kelime. Sohbet uygulaması için hiçbir üretici benzerini yayımlamıyor. Bedeli de şu: Claude, Gemini ve ChatGPT birer uygulama olarak burada satır taşımıyor; o sorular kendi sayfalarında cevaplanıyor.

ChatGPT neden satırsız ve OpenAI den elimizde ne var

Kısa cevap: ChatGPT bir ürün, bu tablo ise modelleri sıralıyor, yani zaten satır olmayacaktı. Ama uzun cevap bizim aleyhimize ve daha önemli: istesek de onu tarif edemezdik. openai.com üzerindeki her yol bu sunucuya 403 dönüyor, 12 Ağustos 2026 da yeniden denendi ve o alan adının kendi robots.txt dosyası taramayı yasaklamıyor.

Buna karşılık açık olan bir kapı var: developers.openai.com eksiksiz yanıt veriyor. GPT-5.6 Sol orada 4 dolar giriş, 20 dolar çıkış, 1,05 milyon tokenlik pencere, 128 bin token azami çıktı ve 16 Şubat 2026 bilgi kesimiyle listeli. O fiyat 12 Ağustos ta hâlâ 5 ve 30 dolardı; yani bu tabloda ucuzlayan tek model o.

Bu turda kendi yazdığımızın aleyhine düzelttiğimiz bir şey daha var. OpenAI nin desteklenen ülkeler listesinin yalnızca openai.com da olduğunu ve o alan adının bize yanıt vermediğini yazmıştık. Yarısı doğruydu: alan adı hâlâ 403 dönüyor, ama aynı liste developers.openai.com da da duruyor ve orası açık. Yaklaşık 195 ülke ve bölge sayılıyor, İran aralarında yok ve sayfanın kendisi listenin dışından erişimin hesabı engelleyebileceğini söylüyor. Yani bu satırın İran sütunu bugünden itibaren dolu.

O sütunun on ağırlığı, fiyat düşüşüyle birlikte, GPT-5.6 Sol u 54,2 den 65,2 ye taşıdı. Yine de bir basamak inip dördüncü oldu, çünkü Fable 5.1 onun üstünde tabloya girdi. Göreli puanın anlamı tam olarak budur ve her satırın hesabının bu sayfada basılmasının sebebi de odur.

Özeti tek cümle: model sıralanabiliyor, uygulama tarif edilemiyor. Size hâlâ söyleyemediğimiz şey, bugün ChatGPT nin altında hangi modelin çalıştığı, planlarının ne tuttuğu ve İrandan açılıp açılmadığı. Üçü de yanıt vermeyen alan adında duruyor. OpenAI sayfası bu sınırı tam olarak yazıyor.

Liderlik tablosunu doğru okumanın öğrettiği

Doğrulanmamış diye kaydettiğimiz iki satır aslında baştan beri tablodaydı. GLM-5.2 Max 1472 ile 37., DeepSeek V4 Flash 1438 ile 85. sırada. Önceki tur sayfanın üst kısmını okumuş; bu tur sayfanın kendi gönderdiği JSON u okudu. Böylece bu kategoride sıralanamayan iki aday sıralanabilir oldu ve kodlama tablosu da kaydı. O boşluk üreticilerin değil bizimdi.

İkincisi satırın adıyla ilgili. Bu referans daha önce, bir Arena satırının modeli değil bir sunum yapılandırmasını adlandırdığını savunmuştu. OpenAI de bir adım öteye gidiyor: WebDev satırı harfi harfine gpt-5.6-sol-xhigh (codex-harness) yazıyor. Yani o puan, çıplak modele değil, OpenAI nin kendi kodlama ajanının içindeki modele ait. Fiyat ve pencere temel modele yapışır, puan ise gerçekte test edilene.

Üçüncüsü düşmediğimiz bir tuzaktı. Aynı tabloda deepseek-v4-pro adlı bir satır 1458 ile Flash in üstünde oturuyor. O, bir ayar değil, aynı ailedeki başka bir model; o yüzden sayısını ödünç almadık. Alsaydık DeepSeek iki sıra yükselirdi ve kimse fark etmezdi.

Kendi yöntemimizin abarttığı yer

On iki satırın hepsi 69 Elo puanına sığıyor, 1507 den 1438 e. Min-maks normalleştirme bu 69 puanı 78.6 ile 32.2 arasına yayıyor. Yani puan sütunu mesafeyi olduğundan büyük gösteriyor ve son satır zayıf değil: üst düzey modellerden oluşan bir tablonun sonuncusu.

Bugün tabloya üç yeni aday katıldı ve hiçbiri kendisiyle ilgili bir şey değiştirmemişti: Fable 5.1 ikinci, Meta dan Muse Spark 1.2 beşinci ve Google dan Gemini 3.8 Flash altıncı. Gelişleri Qwen3.8 Max i dördüncülükten sekizinciliğe itti; oysa Qwen in başına gelen tek gerçek şey, aynı tablodaki sayısının 1490 dan 1480 e inmesi. Dünkü sırayı bir yere not ettiyseniz, farkın açıklaması bu.

Daha keskin bir örnek, çünkü bizi de şaşırttı. Bağlam sütununu GPT-5.6 Sol 1.050.000 tokenle kazanıyor, Kimi K3 Max ise 1.048.576 taşıyor. Fark 1.424 token, yaklaşık binde bir, ve pratikte hiçbir şeyi değiştirmiyor. İkisi de sütunun neredeyse tamamını alıyor ve bu doğru; ama yarın iki milyonluk pencereli bir model eklensin, ikisi birden o sütunu kaybeder, kendilerinde hiçbir şey değişmeden.