İçeriğe geç
Pazar, 15 Kasım 2026Yapay zekâ · sade Türkçe · denenmiş@yapaytu
YAPAYTU

Shandong araştırması kodlama ajanlarının maliyetini kıyasladı

Shandong Üniversitesi araştırmacıları, aynı modelle çalışan kodlama ajanlarını karşılaştırdı. Maliyet üç kata kadar değişirken başarı farkı sınırlı kaldı.

Yapay TU Editör · 4 dk okuma
Kodlama ajanlarında maliyet farkı
Kısa cevap

Shandong Üniversitesi araştırmacılarının 3 Ekim 2026 tarihli çalışması, Anthropic'in Claude Code aracıyla OpenCode ve mini-SWE-agent'ı karşılaştırdı. Aynı model ve görevlerde hesaplanan maliyet üç kata kadar değişti; başarı sonuçları ise kullanılan modele ve test koşullarına bağlı kaldı.

Shandong Üniversitesi'nden Yangze Liu ve Zhongyi Han, aynı yapay zekâ modelinin farklı kodlama araçları içinde çalıştırıldığında ne kadar başarılı ve pahalı olduğunu araştırdı. The Decoder'ın 24 Ekim'de haberleştirdiği, 3 Ekim 2026'da arXiv'e sunulan çalışmada görev başına hesaplanan maliyet üç kata kadar değişti. Başarı oranındaki farkların çoğu ise aynı deneyi yeniden çalıştırınca görülen oynamalardan ayırt edilemedi. Kod yazdırırken araç seçen geliştiriciler için sonuç, fiyat hesabına tekrar denemelerini de katmak gerektiğini düşündürüyor.

Araştırmacılar neyi karşılaştırdı?

Liu ve Han, 3 Ekim tarihli araştırmalarında Claude Code, OpenCode ve mini-SWE-agent'ı aynı modellerle çalıştırdı. Karşılaştırılan unsur, modelin çevresindeki çalışma düzeniydi: sistem talimatları, kullanabildiği araçlar ve uzayan konuşmanın nasıl yönetildiği. Makale bu bütüne "harness" adını veriyor.

mini-SWE-agent modele Bash adlı komut kabuğunu kullanma imkânı veriyor; konuşma geçmişini otomatik sıkıştırmıyor. Claude Code ve OpenCode ise dosya düzenleme ve arama araçlarıyla birlikte daha uzun sistem talimatları kullanıyor. Geçmiş büyüdüğünde otomatik sıkıştırma da uyguluyorlar. Yapay zekâ ajanı böylece dosyayı doğrudan bir düzenleme aracıyla veya komut çalıştırarak değiştirebiliyor.

Araştırmacılar SWE-bench Verified adlı yazılım sorunlarını çözme testinin en zor 45 görevinde beş modeli karşılaştırdı. Kalan 447 görevlik havuzda ise iki Qwen modeli kullanıldı. Claude Opus 5, yalnızca Claude Code içinde ek bir karşılaştırma noktası olarak çalıştırıldı; dolayısıyla makale bu model için üç araç arasında bir sıralama sunmuyor.

Başarı oranları ne kadar değişti?

Claude Code ile mini-SWE-agent, 447 görevlik havuzda kullanılan iki Qwen modelinde beş yüzde puanlık eşdeğerlik sınırı içinde kaldı. Ölçülen farklar iki yüzde puanın altındaydı. Bu, araştırmacıların seçtiği istatistiksel sınır içinde benzer sonuç demek; araçların her görevde aynı çözümü ürettiği anlamına gelmiyor.

Zor 45 görevde araç değiştirildiğinde çözülen görev sayısı modele göre iki ile beş arasında değişti. Aynı ayarlarla deneyi yeniden çalıştırmak da çözülen görev sayısını üçe kadar değiştirebildi. Görevlerin başarıdan başarısızlığa veya tersine döndüğü oranların ortancası, hem araç değişiminde hem tekrar denemesinde yüzde 13'tü.

OpenCode bazı karşılaştırmalarda belirgin biçimde geride kaldı. Qwen3.8 kullanılan geniş havuzda fark yaklaşık sekiz ile dokuz yüzde puana ulaştı. Araştırmacılar, bu farkın bir bölümünü modelin çıktı sınırına ulaştığında çalışmanın sona ermesine bağlıyor. Aynı sınırla karşılaşan Claude Code modele devam etmesini söyleyebiliyor. Bununla birlikte OpenCode'a benzer bir devam talimatı eklemek, küçük takip deneyinde istatistiksel olarak net bir iyileşme sağlamadı.

Maliyeti hangi ayrıntılar artırıyor?

Her adımda yeniden gönderilen sistem talimatları ve araç tanımları, çalışmada maliyet farkının başlıca nedenleri arasında yer aldı. Bu başlangıç metni Claude Code'da yaklaşık 16.600, OpenCode'da 7.000, mini-SWE-agent'ta ise 1.000'in altında token tutuyordu. Token, modelin metni işlemek için kullandığı parçalara verilen ad; token hesabı bu yüzden faturalandırmayı doğrudan ilgilendiriyor.

Araçların dosyalardan döndürdüğü metin miktarı, farkı aynı ölçüde açıklamıyordu. Uzun başlangıç talimatı her çağrıda yeniden hesaba giriyor, ardından görevin kaç adım sürdüğü toplamı büyütüyordu. Önceden işlenmiş girdiye uygulanan önbellek indirimi hesabı azaltsa da araştırmacıların fiyat karşılaştırmalarında araçların maliyet sırasını değiştirmedi.

Daha kısa talimat kullanan araç da her modelde en ucuz çıkmadı. DeepSeek-V4-Flash ile mini-SWE-agent daha fazla adım attığı için Claude Code ile yaklaşık aynı maliyete ulaştı. Buradaki üç kata varan fark, araştırmanın model kullanımı ve fiyat listeleri üzerinden yaptığı hesap; aylık aboneliklerin tamamını karşılaştıran bir tüketici fiyat tablosu değil.

Testin sınırları neler?

Çalışmanın sonuçları ağırlıklı olarak tek bir yazılım testine ve belirli araç sürümlerine dayanıyor. Araştırmacılar değerlendirmeye aldıkları ajan denemelerini internet erişimi kapalı yürüttü. Yerelde çalışan Qwen modellerinde OpenCode'a tanınan süre de Claude Code'dan daha kısaydı; makale bunu eşitlenmemiş bir deney koşulu olarak belirtiyor.

İnternetin kapatılmasının somut bir nedeni var. İlk çevrimiçi denemelerin incelenmesinde DeepSeek ve Qwen denemelerinin yüzde 71'inin GitHub'dan hazır düzeltmeyi çektiği görüldü. Araştırmacılar bu sonuçları değerlendirmeden çıkardı. Makale, buradan modellerin test verileriyle eğitildiği sonucunu çıkarmıyor.

Bizim yorumumuz: kendi görevinde tekrar ölç

Bizce araştırmanın geliştiriciye en yararlı önerisi, araç değiştirmeden önce aynı işi mevcut araçla yeniden çalıştırmak. Bir denemede çözülen hata başka denemede çözülemiyorsa, yeni aracın birkaç görevlik üstünlüğünü satın alma gerekçesi yapmak için erken olabilir. Küçük bir yazılım ekibiysen karşılaştırmaya daha önce çözülmüş, sonucunu bildiğin sorunlarla başlayabilirsin. Her araca aynı başlangıç dosyalarını vermek de karşılaştırmayı daha anlaşılır kılar.

Maliyet kaydına başarısız denemeleri eklemeni öneriyoruz. Düşük tutarlı bir çağrı işi yarım bırakıyorsa, sonraki deneme ve senin düzeltme süren de değerlendirmeye girmeli. İnceleme için harcadığın zamanı ayrıca kaydet; makaledeki token hesabı senin projendeki bakım yükünü ölçmüyor. Örneğin testleri geçen bir değişikliğin okunabilirliğini ve gereksiz dosya değişikliklerini ayrıca gözden geçirebilirsin.

Türkiye'den erişim ve Türkçe desteği bu araştırmada açıklanmadı. Türkçe görev tanımıyla çalışıyorsan kendi denemene bunu da ekle; İngilizce yazılım sorunlarından alınan puanları Türkçe kullanımının sonucu sayma. Öğrenciysen veya tek başına ürün geliştiriyorsan mevcut aracını değiştirmeden önce küçük bir karşılaştırma kaydı tutmak daha makul. Böylece hangi görevin kaç denemede tamamlandığını görür, araç seçimini kendi iş yüküne göre yaparsın. Araştırmada başarı ölçütü testlerin geçmesiydi; senin değerlendirmene kodu anlayıp sürdürebilme ihtiyacını da katmanı öneriyoruz.

Bir sonraki araç denemende aşağıdaki kayıt şablonunu kullan. Aynı görev için her çalıştırmayı ayrı satıra yaz; model ve araç sürümünü kaydetmek, daha sonraki karşılaştırmada neyin değiştiğini görmeni sağlar.

text
Görev:
Model ve araç sürümü:
Deneme numarası:
Test sonucu:
Kullanım maliyeti:
Elle inceleme ve düzeltme süresi:

Sık sorulanlar

Claude Code ile mini-SWE-agent aynı başarıyı mı gösterdi?

447 görevlik havuzda test edilen iki Qwen modelinde sonuçlar, araştırmacıların belirlediği beş yüzde puanlık eşdeğerlik sınırı içinde kaldı. Bu bulgu bütün modellerin ve kodlama işlerinin aynı sonucu vereceği anlamına gelmiyor.

Kodlama ajanlarının maliyeti neden değişiyor?

Çalışmada her adımda modele gönderilen sistem talimatları ve araç açıklamalarının uzunluğu maliyeti etkiledi. Modelin görevi bitirmek için kaç adım attığı da toplam hesabı değiştirdi.

Araştırma en ucuz kodlama ajanını seçmek için yeterli mi?

Hayır. Sonuçlar belirli sürümler ve görevler için geçerli; ucuz görünen bir deneme başarısız da olabiliyor. Kendi görevlerinde tekrar denemelerini ve başarılı çözüm başına maliyeti birlikte karşılaştırmalısın.

#claude-code#opencode#arastirma#kodlama#yapay-zeka-ajanlari
E-bülten

Haftada bir e-posta. Sadece işe yarayanlar.

Haftanın en iyi yapay zekâ araçları ve yeni rehberler. İstediğin an tek tıkla çık.

Adresine bir onay e-postası gelir. Aydınlatma metni
Sıradaki yazı Gemini 4 Carbon ile neler yapılabilir? 8 kullanım ve prompt

Videolarda bu konuTümü

Bunları da okuyun