Grok 4.5 ile GPT-5.6 yalnızca bir gün arayla piyasaya çıktı ve yorumcuları ikiye böldü: Bir tarafta OpenAI’nin terminal tabanlı “ajanik” kodlama testlerinde elde ettiği yüzde 91,9'luk skoru, diğer tarafta SpaceXAI'nin milyon giriş token’ı başına 2 dolarlık agresif fiyatlaması var.
Öne çıkanlar:
- GPT-5.6 Sol, karşılaştırmalı kıyaslamaların çoğunda önde; Grok 4.5 ise fiyat, hız ve token verimliliğinde rakibini zorluyor.
- Bağımsız testçiler, Grok 4.5’i zeka endeksinde dördüncü sıraya koyarken halüsinasyon oranının ikiye katlanarak yüzde 54’e çıktığını belirtiyor.
- Yorumcular, yazı ve uzun kodlama işlerinde GPT-5.6’yı; yüksek hacimli, sıkı bütçeli işler için ise Grok 4.5’i tercih ediyor.
Grok 4.5 ve GPT-5.6 kıyaslamaları
SpaceXAI, Grok 4.5’i 8 Temmuz’da yayına aldı. OpenAI ertesi gün yanıt verdi ve amiral gemisi Sol ile daha ucuz Terra ve Luna katmanlarını bir aile altında toplayan GPT-5.6 serisini tanıttı. Kıyaslama kuruluşu Artificial Analysis, yeni Grok’u Zeka Endeksi’nde 54 puanla dördüncü sıraya yerleştirerek, Claude Fable 5, GPT-5.5 ve Opus 4.8’in arkasına yazdı.
Doğrudan karşılaştırmada tablo OpenAI lehine. Erken bir puan tablosu, GPT-5.6 Sol’u 86 puanla, Grok 4.5’i ise 82 puanla sıralıyor. Farkın ana nedeni, terminal bazlı ajan görevlerinde Sol’un yüzde 91,9’a karşı Grok’un yüzde 83,3’te kalması. Saf kodlama ortalaması ise 64,7’ye 64,6 ile neredeyse başa baş.
OpenAI, açıklamasında, Sol’un en yüksek akıl yürütme modunda Bağımsız Kodlama Ajan Endeksi’nde 80 puan ile rekor kırdığını; Grok 4.5’in ise kendi Grok Build çerçevesi içinde 76 puan aldığını belirtiyor. Ancak ekonomik tablo ters yönde işliyor. Grok, milyon giriş token’ı başına 2 dolar fiyatlıyor; Sol’da bu rakam 5 dolar. Bitmiş bir kodlama görevinin maliyeti Grok tarafında 2,49 dolarken, Fable 5’te 11,80 dolara ulaşıyor.
Ayrıca Oku: Dodgers Bahisleri 68 Milyon Doları Buldu: Polymarket ve Kalshi, Beyzbolun Playoff Yarışına Yüklendi
Kodlama, yazı üretimi ve günlük işler
Sahadan gelen raporlar da benzer bir ayrışmaya işaret ediyor. Uzun vadeli bir test ortamında, Sol’un 100’ün üzerinde gerçek depo görevinin yüzde 63,7’sini deneme-yanılma hatası olmadan tamamladığı ve dağınık, çok adımlı yapılacaklar listelerinde yönünü kaybetmeden ilerlediği tespit edildi. Ayrı bir bağımsız kodlama testi ise Sol’a 100 üzerinden 92, Grok 4.5’e 87 puan vererek, Grok’u en iyi açık ağırlıklı modellerle aynı seviyeye koydu.
İçerik üreticileri de benzer bir eğilim gösteriyor. Erken dönem kullanıcılar, Sol’u günlük iş akışının “ana sürücüsü” olarak tanımlıyor; rutin bilgi işçiliğinin yaklaşık yüzde 80’ini üstlenebildiğini ve stil rehberlerine rakiplerinden daha sadık kaldığını aktarıyor.
Grok 4.5 ise hız ve itaatkârlık kartını oynuyor. Modeli gerçek işlerde koşturan kullanıcılar, raporlarında ilk denemede temiz derlemeler, güvenilir yapılandırılmış çıktı ve saniyede yaklaşık 80 token üretimiyle beş saniyenin altına inen yanıt süreleri bildiriyor. Ancak iş doğruluğa geldiğinde tablo karışıyor: Halüsinasyon oranı, önceki sürümdeki yüzde 25’ten yüzde 54’e sıçramış durumda; buna karşın ölçülen olgusal doğruluk da yüzde 52’ye yükselmiş.
Uzman görüşleri ve güven soruları
Elon Musk, Grok 4.5’i tanıtırken “Opus sınıfı bir model, ancak daha hızlı, token kullanımında daha verimli ve daha ucuz” ifadesini kullandı. Bazı analistler, Fable 5’e ve GPT-5.5’e karşı puan farkının, fiyat farkı yanında ikinci planda kalabileceğini; zira Grok’un görev başına ortalama 1,9 milyon token harcarken Fable 5’in 7,2 milyon token’a çıktığını savunuyor.
Ancak temkinli olmak gerektiğini düşünenler de var. Yorumcular, vurguluyor: Lansman skorlarının büyük ölçüde şirketlerce beyan edildiğini, model kartının paylaşılmadığını ve Cursor’ın, Grok’un kendi kod tabanında yanlışlıkla eğitildiği ortaya çıkınca bir iç kıyaslamayı geri çektiğini hatırlatıyor. GPT-5.6’nın da dipnotları var: OpenAI’nin sistem kartı, modelin selefine kıyasla talimatları daha sık aştığını kabul ediyor.
Rekabet, türbülanslı bir dönemin finaline denk geldi. SpaceX, şubat ayında xAI’yi bünyesine kattı, haziranda Cursor’ı 60 milyar dolara satın aldı ve Grok 4.5’ten iki gün önce laboratuvarı SpaceXAI markasına geçirdi. OpenAI, haziran sonunu Sol’un devlet incelemesine takılmasıyla geçirdi. Bu sırada Anthropic’in Fable 5’i, hâlâ yayımlı kıyaslamaların lideri konumunda, 19 günlük askıya alınmanın ardından 1 Temmuz’da geri dönebildi.
Sıradaki Haber: Ethereum, Bitcoin Karşısında Güçleniyor: Piyasalar Tom Lee’nin 2026 Boğa Senaryosunu Test Ediyor