Her kullanım alanı için en iyi modeli nasıl seçiyorsunuz?

Her kart, modelleri işe en uygun tek bir kıyaslamaya göre sıralar: kodlama ajanları için DeepSWE, terminal ve ajan görevleri için Terminal-Bench 4.0, zor akıl yürütme için Humanity's Last Exam, genel kalite, açık ağırlıklı modeller ve FlowHunt'taki modeller için ise Artificial Analysis Intelligence Index. DeepSWE puanı olan model üçten azsa kodlama kartı SWE-bench Pro'ya geri döner ve bunu belirtir.

Doğrulanmış (Verified) ve Üretici beyanı (Self-reported) ne anlama geliyor?

Doğrulanmış puanlar, Artificial Analysis, ARC Prize Foundation veya DeepSWE lider tablosu gibi bağımsız bir değerlendirici tarafından her model için tek bir sabit kurulumla ölçülmüştür. Üretici beyanı puanları, modelin yapımcısından gelir ve model kartında ya da lansman yazısında yer alır. Sıralamaya yalnızca doğrulanmış puanlar dahil edilir. Üretici beyanı puanlar gösterilir ve işaretlenir, ancak hiçbir zaman sıralanmaz. Her ikisi de varsa model sayfası ikisini birden gösterir.

Aynı model bir kıyaslamada neden iki farklı puana sahip olabiliyor?

Laboratuvarlar modellerini çoğu zaman özel bir kurulumla test eder: farklı bir ajan harness'i, daha fazla düşünme süresi veya daha büyük bir token bütçesi. Bağımsız değerlendiriciler her model için tek bir sabit kurulum kullanır; bu nedenle sayıları karşılaştırması daha kolaydır ve çoğu zaman daha düşüktür. Sıralamayı bağımsız sayıya göre yapıyor, laboratuvarın sayısını ise model sayfasında tutuyoruz.

Artificial Analysis Intelligence Index nedir?

Artificial Analysis'in, ajan, kodlama, bilgi ve bilim testlerini tek bir sayıda birleştiren bağımsız bileşik puanıdır. Endeksin 4. sürümünü kullanıyoruz. Puanları önceki sürümlerle karşılaştırılamaz; bu nedenle başka yerlerde görmüş olabileceğiniz eski sayılar daha yüksek görünecektir.

DeepSWE, sıfırdan yazılmış 113 uzun yazılım görevinden oluşan bir kümedir; bu nedenle eğitim verilerinde yer almaları pek olası değildir. Bir modelin gerçek kod oluşturması veya değiştirmesi gerekir ve gizli testler işe yarayıp yaramadığına karar verir. Çoğu sınır modelin neredeyse tavan yaptığı SWE-bench Verified'a göre bugünün kodlama ajanlarını daha net ayırt eder.

SWE-bench Verified neden yalnızca geçmiş için tutuluyor?

Sınır modeller artık 500 GitHub sorununun neredeyse tamamını çözüyor; bu nedenle aralarındaki farklar gürültü payı içinde kalıyor. Eski raporlarla karşılaştırabilmeniz için onu hâlâ tam tabloda gösteriyoruz, ancak artık hiçbir sıralamaya karar vermiyor.

Açık ağırlıklı ve kapalı modeller arasındaki fark nedir?

Açık ağırlıklı modeller eğitilmiş ağırlıklarını yayınlar; böylece onları kendi donanımınızda çalıştırabilir, verileri kurum içinde tutabilir ve ince ayar yapabilirsiniz. Kapalı modellere yalnızca yapımcılarının API'si veya uygulamaları üzerinden erişilir. Yalnızca açık ağırlıklı modelleri görmek için Açık ağırlık filtresini kullanın.

Bu lider tablosu ne sıklıkla güncelleniyor?

Önemli modeller yayınlandığında veya bağımsız değerlendiriciler yeni sonuçlar yayınladığında güncelliyoruz. Sayfanın üstündeki tarih son güncellemeyi gösterir ve her model sayfası, yayın tarihini ve yayımlanmışsa her puanın kaynağını listeler.

Yapay zeka modeli sıralaması

İş için doğru yapay zeka modelini bulun

Hiçbir model her alanda lider değildir, bu yüzden her kart tek bir iş için en iyi üç modeli ve seçimin arkasındaki kıyaslamayı gösterir.

47 model · 7 kıyaslama · 12 sağlayıcı · güncelleme: 10 Ekim 2026 · Nasıl puanlıyoruz

Şu anda genel #1

Claude Opus 5.5

Anthropic · AA Intelligence Index: 57,6

Onunla bir ajan oluşturun

Kodlama ajanları

Gizli testlerle değerlendirilen uzun yazılım görevlerini tamamlar · Sıralama ölçütü: DeepSWE

GPT-6 Astra
OpenAI
74,1%
Doğrulanmış
Gemini 3.8 Flash
Google
73,8%
Doğrulanmış
Claude Opus 5
Yerini alan model: Claude Opus 5.5
73,6%
Doğrulanmış

Tam sıralamayı gör →

Terminal ve ajan görevleri

Komut satırında çok adımlı işleri tamamlar · Sıralama ölçütü: Terminal-Bench 4.0

Claude Sonnet 5.5
Anthropic
63,6%
Doğrulanmış
Claude Opus 5.5
Anthropic
59,6%
Doğrulanmış
GPT-6 Astra
OpenAI
59,1%
Doğrulanmış

Tam sıralamayı gör →

Araştırma ve zor akıl yürütme

Uzman düzeyindeki soruları araç kullanmadan yanıtlar · Sıralama ölçütü: Humanity's Last Exam

Claude Opus 5.5
Anthropic
61,4%
Doğrulanmış
Claude Fable 5.1
Anthropic
59,1%
Doğrulanmış
Claude Fable 5
Anthropic
55,5%
Doğrulanmış

Tam sıralamayı gör →

Genel olarak en iyi

Ajan, kodlama, bilgi ve bilim testlerinin bağımsız bir karışımı · Sıralama ölçütü: AA Intelligence Index

Claude Opus 5.5
Anthropic
57,6
Doğrulanmış
Claude Sonnet 5.5
Anthropic
56,0
Doğrulanmış
Claude Fable 5.1
Anthropic
53,4
Doğrulanmış

Tam sıralamayı gör →

Açık ağırlıklı

Kendiniz barındırın veya ince ayar yapın · Sıralama ölçütü: AA Intelligence Index

GLM-5.3
Zhipu (Z.AI)
44,8
Doğrulanmış
Kimi K3
Moonshot AI
43,6
Doğrulanmış
GLM-5.3-Flash
Zhipu (Z.AI)
41,8
Doğrulanmış

Tam sıralamayı gör →

FlowHunt'ta mevcut

Ajanlarınızda ve akışlarınızda hemen kullanın · Sıralama ölçütü: AA Intelligence Index

Claude Opus 5.5
Anthropic
57,6
Doğrulanmış
Claude Sonnet 5.5
Anthropic
56,0
Doğrulanmış
Claude Fable 5.1
Anthropic
53,4
Doğrulanmış

Tam sıralamayı gör →

Sıralamalar

Tüm modeller ve kıyaslamalar

Model	Yayın tarihi	AA Index	DeepSWE	SWE-Pro	SWE-V	Terminal	HLE	GPQA	ARC-2
Claude Haiku 5.5 Anthropic	7 Eki 2026	43,4	yok	64,8% KB	yok	32,8%	44,4%	yok	yok
Mistral Large 4 Mistral	6 Eki 2026	38,4	61,7% KB	yok	yok	26,8%	35,0%	yok	yok
Gemini 4 Argon Google	30 Eyl 2026	52,6	77,9% KB	yok	yok	57,1%	57,1%	yok	yok
GPT-6.1 Sol OpenAI	29 Eyl 2026	51,8	yok	yok	yok	56,1%	52,9%	yok	94,2%
Claude Sonnet 5.5 Anthropic	28 Eyl 2026	56,0	71,0% KB	81,3% KB	yok	63,6%	55,0%	yok	yok
Claude Opus 5.5 Anthropic	22 Eyl 2026	57,6	74,2% KB	89,9% KB	yok	59,6%	61,4%	yok	93,3%
GPT-6 Luna OpenAI	22 Eyl 2026	38,1	yok	yok	yok	12,6%	38,5%	yok	59,3%
Grok 4.7 xAI	21 Eyl 2026	46,4	71,0% KB	yok	yok	25,8%	43,1%	yok	61,4%
DeepSeek V4.1 Flash DeepSeek	10 Eyl 2026	39,5	74,2% KB	yok	yok	26,8%	39,2%	90,9% KB	72,9%
GPT-6 Astra OpenAI	3 Eyl 2026	52,7	74,1%	yok	yok	59,1%	54,7%	96,1%	95,0%
Gemini 3.8 Flash Google	2 Eyl 2026	40,9	73,8%	yok	80,0%	19,7%	47,8%	95,3%	89,2%
Muse Spark 1.3 Meta	2 Eyl 2026	48,1	75,4% KB	yok	yok	33,3%	48,7%	93,5%	yok
Claude Fable 5.1 Anthropic	1 Eyl 2026	53,4	67,4% KB	81,2% KB	yok	52,0%	59,1%	93,7%	90,0%
GLM-5.3-Flash Zhipu (Z.AI)	26 Ağu 2026	41,8	63,4%	yok	92,0%	32,8%	39,9%	91,2%	65,8%
GLM-5.3 Zhipu (Z.AI)	18 Ağu 2026	44,8	69,0%	yok	95,4%	41,9%	42,3%	91,7%	yok
DeepSeek V4-Pro DeepSeek	13 Ağu 2026	36,0	62,8%	yok	96,4%	14,1%	41,0%	92,8%	61,3%
Qwen3.8-27B Alibaba	5 Ağu 2026	33,7	yok	61,7% KB	86,0%	5,6%	33,9%	90,5%	42,4%
Qwen3.8 Max Alibaba	3 Ağu 2026	45,4	57,5%	67,7% KB	85,6%	38,9%	43,1%	92,8%	yok
Claude Opus 5 Anthropic	24 Tem 2026	50,8	73,6%	79,2% KB	97,0%	49,0%	54,9%	93,2%	90,4%
Gemini 3.5 Flash-Lite Google	21 Tem 2026	22,2	yok	yok	yok	1,0%	18,8%	83,8%	yok
Kimi K3 Moonshot AI	16 Tem 2026	43,6	68,5%	yok	93,4%	12,6%	46,9%	93,5%	60,4%
GPT-5.6 Sol OpenAI	9 Tem 2026	47,0	72,7%	64,6% KB	96,2%	39,9%	49,5%	94,1%	92,5%
Claude Sonnet 5 Anthropic	30 Haz 2026	38,2	53,8%	63,2% KB	79,6%	14,1%	41,3%	91,1%	yok
Claude Fable 5 Anthropic	9 Haz 2026	49,6	69,9%	80,3% KB	95,0% KB	42,4%	55,5%	92,6%	89,2%
Nemotron 3 Ultra NVIDIA	4 Haz 2026	22,9	yok	yok	69,0%	0,5%	28,4%	86,7% KB	yok
MiniMax M3 MiniMax	1 Haz 2026	29,2	yok	59,0% KB	75,0%	2,0%	39,0%	92,9%	yok
Qwen 3.7-Plus Alibaba	1 Haz 2026	25,2	yok	yok	yok	1,0%	35,6%	90,0%	yok
Claude Opus 4.8 Anthropic	28 May 2026	41,8	59,0%	69,2% KB	88,6% KB	21,7%	48,7%	92,0%	72,1%
Qwen 3.7-Max Alibaba	20 May 2026	29,5	yok	60,6% KB	68,8%	1,5%	40,5%	92,3%	yok
DeepSeek V4-Flash DeepSeek	24 Nis 2026	24,2	53,0%	yok	79,0% KB	2,5%	yok	89,4%	yok
GPT-5.5 OpenAI	23 Nis 2026	38,4	67,0%	58,6% KB	82,6%	14,6%	45,8%	93,5%	85,0%
Claude Opus 4.7 Anthropic	1 Nis 2026	40,7	yok	64,3% KB	82,0%	yok	42,3%	91,4%	75,8%
Nemotron 3 Super NVIDIA	11 Mar 2026	12,8	yok	yok	60,5% KB	0,0%	20,8%	80,0%	yok
GPT-5.4 OpenAI	5 Mar 2026	39,0	51,8%	59,1%	78,2%	yok	43,7%	92,0%	74,0%
Gemini 3.1 Pro Google	19 Şub 2026	29,7	11,7%	54,2% KB	78,8%	4,0%	47,0%	94,1%	77,1%
Claude Sonnet 4.6 Anthropic	17 Şub 2026	30,1	29,9%	yok	77,4%	3,0%	33,6%	87,5%	60,4%
Claude Opus 4.6 Anthropic	5 Şub 2026	31,9	yok	57,3% KB	78,2%	yok	39,9%	89,6%	69,2%
Mistral Large 3 Mistral	2 Ara 2025	9,3	yok	yok	41,4%	0,0%	4,2%	68,0%	yok
Claude Haiku 4.5 Anthropic	1 Eki 2025	yok	yok	yok	66,6%	yok	yok	72,2%	4,0%
GPT-5 OpenAI	7 Ağu 2025	23,0	yok	yok	69,0%	yok	28,5%	85,4%	9,9%
Mistral Medium 3 Mistral	1 May 2025	9,0	yok	yok	yok	yok	4,0%	57,8%	yok
GPT-4.1 OpenAI	14 Nis 2025	12,7	yok	yok	54,6% KB	yok	4,2%	66,6%	0,4%
Llama 4 Maverick Meta	5 Nis 2025	10,0	yok	yok	yok	0,0%	4,9%	67,1%	0,0%
Llama 4 Scout Meta	5 Nis 2025	8,1	yok	yok	yok	0,0%	3,8%	58,7%	0,0%
Llama 3.3 70B Meta	6 Ara 2024	7,7	yok	yok	yok	yok	3,6%	49,8%	yok
GPT-4o OpenAI	13 May 2024	8,4	yok	yok	33,2% KB	yok	2,4%	54,3%	yok
Mixtral 8x7B Mistral	1 Ara 2023	5,1	yok	yok	yok	yok	4,7%	29,2%	yok

Nasıl puanlıyoruz

Sıralamalara yalnızca bağımsız değerlendiriciler tarafından ölçülen doğrulanmış puanlar dahil edilir. Kendi bildirdiği puanlar modelin yapımcısından gelir; bunları gösterir ve işaretleriz, ancak hiçbir zaman sıralamaya katmayız. Yalnızca seçili test kullanıcılarına açık modeller tabloda listelenir ancak hiçbir zaman sıralanmaz. Bir puan başkasının karşılaştırmasından alındığında o kaynağa bağlantı verir.

Bu modelleri FlowHunt’ta kullanın

FlowHunt’ta olarak işaretlenen modeller, FlowHunt AI ajanlarında, akışlarda ve FlowHunt masaüstü uygulamasında doğrudan seçilebilir. Tam kıyaslama dökümünü, bağlam penceresini ve en uygun olduğu işleri görmek için herhangi bir modeli açın.

Sıkça sorulan sorular

: Her kart, modelleri işe en uygun tek bir kıyaslamaya göre sıralar: kodlama ajanları için DeepSWE, terminal ve ajan görevleri için Terminal-Bench 4.0, zor akıl yürütme için Humanity's Last Exam, genel kalite, açık ağırlıklı modeller ve FlowHunt'taki modeller için ise Artificial Analysis Intelligence Index. DeepSWE puanı olan model üçten azsa kodlama kartı SWE-bench Pro'ya geri döner ve bunu belirtir.
: Doğrulanmış puanlar, Artificial Analysis, ARC Prize Foundation veya DeepSWE lider tablosu gibi bağımsız bir değerlendirici tarafından her model için tek bir sabit kurulumla ölçülmüştür. Üretici beyanı puanları, modelin yapımcısından gelir ve model kartında ya da lansman yazısında yer alır. Sıralamaya yalnızca doğrulanmış puanlar dahil edilir. Üretici beyanı puanlar gösterilir ve işaretlenir, ancak hiçbir zaman sıralanmaz. Her ikisi de varsa model sayfası ikisini birden gösterir.
: Laboratuvarlar modellerini çoğu zaman özel bir kurulumla test eder: farklı bir ajan harness'i, daha fazla düşünme süresi veya daha büyük bir token bütçesi. Bağımsız değerlendiriciler her model için tek bir sabit kurulum kullanır; bu nedenle sayıları karşılaştırması daha kolaydır ve çoğu zaman daha düşüktür. Sıralamayı bağımsız sayıya göre yapıyor, laboratuvarın sayısını ise model sayfasında tutuyoruz.
: Artificial Analysis'in, ajan, kodlama, bilgi ve bilim testlerini tek bir sayıda birleştiren bağımsız bileşik puanıdır. Endeksin 4. sürümünü kullanıyoruz. Puanları önceki sürümlerle karşılaştırılamaz; bu nedenle başka yerlerde görmüş olabileceğiniz eski sayılar daha yüksek görünecektir.
: DeepSWE, sıfırdan yazılmış 113 uzun yazılım görevinden oluşan bir kümedir; bu nedenle eğitim verilerinde yer almaları pek olası değildir. Bir modelin gerçek kod oluşturması veya değiştirmesi gerekir ve gizli testler işe yarayıp yaramadığına karar verir. Çoğu sınır modelin neredeyse tavan yaptığı SWE-bench Verified'a göre bugünün kodlama ajanlarını daha net ayırt eder.
: Sınır modeller artık 500 GitHub sorununun neredeyse tamamını çözüyor; bu nedenle aralarındaki farklar gürültü payı içinde kalıyor. Eski raporlarla karşılaştırabilmeniz için onu hâlâ tam tabloda gösteriyoruz, ancak artık hiçbir sıralamaya karar vermiyor.
: Açık ağırlıklı modeller eğitilmiş ağırlıklarını yayınlar; böylece onları kendi donanımınızda çalıştırabilir, verileri kurum içinde tutabilir ve ince ayar yapabilirsiniz. Kapalı modellere yalnızca yapımcılarının API'si veya uygulamaları üzerinden erişilir. Yalnızca açık ağırlıklı modelleri görmek için Açık ağırlık filtresini kullanın.
: Önemli modeller yayınlandığında veya bağımsız değerlendiriciler yeni sonuçlar yayınladığında güncelliyoruz. Sayfanın üstündeki tarih son güncellemeyi gösterir ve her model sayfası, yayın tarihini ve yayımlanmışsa her puanın kaynağını listeler.

Daha fazla bilgi

GPT-5.5 — Kıyaslamalar, Yetenekler ve Kullanım Alanları

GPT-5.5, OpenAI tarafından geliştirilen, 1M token bağlam penceresiyle Frontier kademesinde sınıflandırılan özel bir yapay zeka modelidir. Doğrudan FlowHunt'ta k...

Apr 23, 2026 4 dakika okuma

2026'nın En İyi 12 AI Uygulaması: Her Kullanım Durumu için Sıralanmış ve İncelenmiş

2026'nın en iyi 12 AI uygulaması, yetenek, kullanım kolaylığı ve değer açısından sıralanmıştır. AI iş akışı otomasyonundan yazı yazmaya, tasarıma ve kodlamaya k...

May 18, 2026 10 dakika okuma

AI Tools Productivity +2

Claude Fable 5 — Kıyaslamalar, Yetenekler ve Kullanım Alanları

Claude Fable 5, Anthropic tarafından geliştirilen, 1M token bağlam penceresine sahip, Süper-Sınır kategorisinde bir özel yapay zeka modelidir. Doğrudan FlowHunt...

Jun 9, 2026 5 dakika okuma