Claude 3.7 Sonnet ve Claude Code duyuruldu

 (anthropic.com)
1 puan yazan GN⁺ 2025-02-25 | 2 yorum | WhatsApp'ta paylaş
  • Anthropic, Claude 3.7 Sonnet modelini şirketin şimdiye kadarki en zeki modeli ve piyasadaki ilk hibrit akıl yürütme modeli olarak tanıttı; böylece tek bir modelde hem anında yanıtlar hem de kullanıcıya görünen adım adım düşünme süreci sunuluyor
  • Yeni modelde standart mod ile extended thinking mode arasında seçim yapılabiliyor ve API’de düşünme bütçesi, çıktı sınırı olan 128K tokena kadar N token düzeyinde kontrol edilebiliyor
  • Kodlama ve frontend web geliştirmede büyük iyileşmeler var; ilk müşteri testlerinde karmaşık kod tabanlarını işleme, full-stack güncellemeler, ajan iş akışları, web uygulaması oluşturma ve production-ready kod üretimi güçlü yönler olarak doğrulandı
  • Birlikte tanıtılan Claude Code, sınırlı araştırma önizlemesi olarak sunulan komut satırı tabanlı bir ajan kodlama aracı; kod keşfi, düzenleme, test, GitHub işlemleri ve komut satırı araçlarının kullanımını üstlenebiliyor
  • Claude 3.7 Sonnet, Free, Pro, Team, Enterprise ve başlıca geliştirme platformlarında sunuluyor; genişletilmiş düşünme modu ücretsiz Claude katmanı hariç kullanılabiliyor ve fiyatlandırma milyon girdi tokenı başına $3, milyon çıktı tokenı başına $15 olarak korunuyor

Claude 3.7 Sonnet’in hibrit akıl yürütmesi

  • Claude 3.7 Sonnet, Anthropic’in tanıttığı en zeki model olup hem anında yanıt hem de genişletilmiş adım adım düşünme üretebiliyor
  • Genişletilmiş düşünme süreci kullanıcıya görünür ve API kullanıcıları modelin ne kadar süre düşüneceğini ayrıntılı biçimde kontrol edebilir
  • Anthropic, akıl yürütmeyi ayrı bir model olarak değil, frontier modelin entegre bir yeteneği olarak ele almayı seçti
    • Standart modda Claude 3.5 Sonnet’in yükseltilmiş bir sürümü gibi çalışıyor
    • extended thinking mode içinde yanıt vermeden önce öz değerlendirme yaparak matematik, fizik, talimat takibi ve kodlama gibi çeşitli görevlerde performansı artırıyor
    • İki mod için prompt verme biçimi büyük ölçüde benzer şekilde çalışıyor
  • API’de düşünme bütçesi N token olarak belirtilebiliyor ve N, çıktı sınırı olan 128K tokena kadar ayarlanabiliyor
    • Bu kontrol, hız ve maliyeti yanıt kalitesiyle takas etmek için kullanılıyor

Gerçek iş odaklı kodlama performansı

  • Claude 3.7 Sonnet, özellikle kodlama ve frontend web geliştirme alanında büyük gelişme gösteriyor
  • Anthropic, matematik ve bilgisayar bilimi yarışma sorularına optimizasyon ağırlığını bir miktar azaltıp şirketlerin LLM’leri gerçekte kullandığı işlere daha fazla odaklandığını belirtiyor
  • İlk testlerde çeşitli müşteriler kodlama performansını değerlendirdi
    • Cursor, karmaşık kod tabanlarını ele almaktan gelişmiş araç kullanımına kadar gerçek kodlama işlerinde Claude’un yeniden en üst seviyeye çıktığını değerlendirdi
    • Cognition, kod değişikliği planlama ve full-stack güncellemeleri ele alma konusunda diğer modellerden çok daha iyi olduğunu belirtti
    • Vercel, karmaşık ajan iş akışlarında yüksek hassasiyeti vurguladı
    • Replit, diğer modellerin durduğu durumlarda Claude ile sıfırdan ayrıntılı web uygulamaları ve panolar oluşturduklarını söyledi
    • Canva değerlendirmesinde Claude, daha iyi tasarım anlayışıyla tutarlı şekilde production-ready kod üretti ve hataları önemli ölçüde azalttı

Claude Code sınırlı araştırma önizlemesi

  • Claude Code, Anthropic’in ilk ajan kodlama aracı ve sınırlı araştırma önizlemesi olarak sunuluyor
  • Geliştiriciler terminalden Claude’a önemli ölçüde mühendislik işi devredebiliyor
  • Claude Code, geliştiriciyi süreçte tutarak şu işleri yapıyor
    • Kod arama ve okuma
    • Dosya düzenleme
    • Test yazma ve çalıştırma
    • GitHub’a kod commit etme ve push etme
    • Komut satırı araçlarını kullanma
  • Anthropic içinde özellikle test odaklı geliştirme, karmaşık sorunların debug edilmesi ve büyük ölçekli refaktörlerde faydalı şekilde kullanılıyor
  • İlk testlerde Claude Code, normalde elle 45 dakikadan fazla süren işleri tek seferde tamamlayarak geliştirme süresini ve ek yükü azalttı
  • Önümüzdeki haftalarda araç çağırma güvenilirliğinin iyileştirilmesi, uzun süre çalışan komut desteği, uygulama içi render iyileştirmeleri ve Claude’un kendi yeteneklerini anlama kapasitesinin genişletilmesi planlanıyor
  • Önizlemeye katılım ile Anthropic’in Claude’u oluşturmak ve geliştirmek için kullandığı araca erişilebiliyor; geri bildirimler Claude Code’un gelecekteki yönüne yansıtılacak

Claude.ai ve GitHub kod tabanı entegrasyonu

  • Claude.ai içindeki kodlama deneyimi de iyileştirildi ve GitHub entegrasyonu tüm Claude planlarında sunuluyor
  • Geliştiriciler kod depolarını doğrudan Claude’a bağlayabiliyor
  • Claude 3.7 Sonnet, Anthropic’in mevcut en iyi kodlama modeli ve kişisel, iş ve açık kaynak projelerini daha derinlemesine anlayarak hata düzeltme, özellik geliştirme ve dokümantasyon yazımında kullanılabiliyor

Kapsam ve fiyatlandırma

  • Claude 3.7 Sonnet tüm Claude planlarında sunuluyor
    • Free
    • Pro
    • Team
    • Enterprise
  • Claude 3.7 Sonnet ayrıca Claude Developer Platform, Amazon Bedrock, Google Cloud Vertex AI üzerinde de mevcut
  • extended thinking mode, ücretsiz Claude katmanı hariç tüm sunum ortamlarında kullanılabiliyor
  • Hem standart mod hem de genişletilmiş düşünme modu önceki modelle aynı fiyatlandırmaya sahip
    • milyon girdi tokenı başına $3
    • milyon çıktı tokenı başına $15
    • çıktı fiyatına düşünme tokenları da dahil

Güvenlik değerlendirmeleri ve sistem kartı

  • Claude 3.7 Sonnet, dış uzmanlarla birlikte kapsamlı test ve değerlendirmelerden geçti; güvenlik, emniyet ve güvenilirlik standartlarını karşılaması hedeflenerek doğrulandı
  • Zararlı isteklerle normal istekleri daha ayrıntılı ayırarak önceki modele kıyasla gereksiz reddetmeleri %45 azalttı {p:45}
  • system card, çeşitli kategorilerde yeni güvenlik sonuçları ve Responsible Scaling Policy değerlendirme ayrıntılarını içeriyor
  • Sistem kartı, bilgisayar kullanımından doğan yeni riskleri, özellikle de prompt injection saldırılarını ele alıyor
    • Anthropic, bu zafiyeti değerlendirme ve Claude’u buna direnip etkisini azaltacak şekilde eğitme yöntemlerini de kapsıyor
  • Akıl yürütme modellerinin potansiyel güvenlik avantajları da ele alınıyor
    • modelin kararları nasıl verdiğini anlama olasılığı
    • model akıl yürütmesinin gerçekten güvenilir ve istikrarlı olup olmadığı

Değerlendirme iskeleti ve SWE-bench ayrıntıları

  • TAU-bench puanı, Airline Agent Policy içinde planning tool kullanımını daha iyi yönlendiren bir prompt ekiyle elde edildi
    • genel thinking mode’dan ayrı olarak modelin problem çözerken düşüncelerini yazması teşvik edildi
    • ek düşünme adımları nedeniyle maksimum adım sayısı 30’dan 100’e çıkarıldı
    • çoğu iz 30 adımdan az sürdü ve 50 adımı aşan yalnızca bir iz oldu
    • Claude 3.5 Sonnet’in TAU-bench puanı, veri seti iyileştirmesinden sonra güncellenen veri seti üzerinde yeniden çalıştırılan değerdir
  • SWE-bench Verified’da ajan görevlerini çözmenin çeşitli yolları bulunuyor ve Agentless; dosya arama, yama konumunu bulma ve regresyon testine dayalı best-of-40 rejection sampling kullanıyor
  • Claude 3.7 Sonnet ve Claude 3.5 Sonnet için temel değerlendirme daha basit bir minimal scaffolding kullanıyor
    • model, tek bir oturum içinde hangi komutları çalıştıracağına ve hangi dosyaları düzenleyeceğine karar veriyor
    • bash aracı, dize değiştirmeye dayalı dosya düzenleme aracı ve TAU-bench’te anılan planning tool kullanılıyor
  • Dahili altyapı kısıtları nedeniyle SWE-bench Verified’daki 500 görevin yalnızca 489’u fiilen çözülebildi; kalan 11 görev resmi liderlik tablosuyla adalet sağlamak için başarısız sayıldı
  • high compute sonucunda paralel denemeler, görünür regresyon testlerini bozan yamaların elenmesi ve puanlama modeline dayalı nihai seçim kullanıldı
    • bu yöntem, dahili altyapıda çalışan 489 doğrulanmış görev alt kümesinde %70.3 puan aldı
    • aynı 489 görevlik alt kümede, scaffolding olmadan Claude 3.7 Sonnet %63.7 elde etti

İlgili okumalar

2 yorum

 
GN⁺ 2025-02-25
Hacker News yorumları

  • Claude 3.7 Sonnet, aider çok dilli liderlik tablosunda thinking olmadan %60,4 kaydetti
    o3-mini-high ile üçüncülüğü paylaşıyor ve Sonnet 3.5’in elindeki en yüksek çıkarım yapmayan skoru almış oldu
    aider 0.75.0’a 3.7 Sonnet desteği eklendi; thinking desteği ve benchmark sonuçlarının yakında geleceği söyleniyor
    https://aider.chat/docs/leaderboards/
    https://aider.chat/HISTORY.html#aider-v0750

    • Exercism’in 225 kodlama görevi için test seti veri sızıntısını azaltmaya yönelik bir çaba olup olmadığını merak ediyorum
      Bu görevler 2023’ten önce de internette varmış gibi görünüyor; bu yüzden modern modellerin eğitim verilerine girmiş olma ihtimali yüksek görünüyor
    • thinking token’ları en fazla 32k’ya kadar kullanıldığında Sonnet 3.7, %64,9 ile rekor kırıyor
      %65 Sonnet 3.7, 32k thinking / %64 R1+Sonnet 3.5 / %62 o1 high / %60 Sonnet 3.7, thinking yok / %60 o3-mini high / %57 R1 / %52 Sonnet 3.5
    • Claude 3.5’te %99,6 olan doğru diff biçimi skorunun Claude 3.7’de %93,3’e düşmesi ilginç
      claude-code’u denediğim kadarıyla doğru diff’i elde edene kadar birkaç deneme yapmak düzenli olarak gerekiyordu; stabil hale geldikçe iyileşmesini umuyorum
    • aider projesini yaklaşık bir yıldır takip ederek yazılım mühendisliği ajanlarının nasıl yapılacağını anlamaya çalışıyorum
      Geçen hafta New York AI Engineering Summit’te çok kıdemli bir staff AI engineer ile tanıştım; aider ile oldukça inanması güç işler yapıyordu ve gerçekten şaşırdım
      Herkese açık bir foruma koymak uygunsuz olabilir; izin alırsam bu tür gerçek aider proje hikâyelerini doğrudan paylaşmanın bir yolu olup olmadığını merak ediyorum

  • Claude Code ekibinden Boris ben; @eschluntz, @catherinewu, @wolffiex, @bdr ile birlikte önümüzdeki yaklaşık bir saat boyunca ürünle ilgili soruları elimizden geldiğince yanıtlayacağız

    • Kesinlikle düzeltilmesini istediğim bir şey var. Bir prompt girdiğimde model yanıtın %90’ını ya da %100’ünü oluşturmuş oluyor; sonra sistem kapasite aşıldı diye yanıt oluşturulamadığına dair bir hata gösterip zaten üretilmiş yanıtı da siliyor
      Eksik olsa bile zaten sağlanmış yanıta erişebilmemizi isterim
    • En büyük şikâyetim, UI’da biraz yoğun birkaç sorgu yaptığım anda sürekli kullanım limitine takılmam
      Console API’yi kullanabilirim ama o zaman Projects gibi özellikleri kaybediyorum
      Bu limitlerin yakında artırılma ihtimali var mı merak ediyorum
    • Claude, her iş için kullandığım varsayılan LLM; klişe gelebilir ama gerçekten makul ölçüde öğrenebileceğim alanı birkaç kat genişletiyor
      Son zamanlarda ilgili arka plan bilgim olmadan eski felsefe metinleri okuyorum; Claude zor cümleleri sadeleştirmese, fikirleri tartışmasa, tarihsel bağlamı ve neden o şekilde yazıldığını açıklamasa, yeni düşüncelerle karşılaştırmada yardımcı olmasa defalarca vazgeçerdim
      İşte de geliştirme için günde birçok kez kullanıyorum ve özlü mod diğer LLM’lere kıyasla gerçekten ferahlatıcı
      Yabancı bir codebase’de bug bulması, teknoloji stack’ini açıklaması ve bash script’leri yazması onlarca saat ve çok fazla stres tasarrufu sağladı
      Ancak servis kararlılığı diğer yerlere göre biraz daha düşük; ara sıra başka modellere geçmem gerekiyor. Bu konuda iyileştirme planınız var mı merak ediyorum
    • 6 yıldır dokunulmamış, eski sınıf tabanlı React component kodunu çok dağınık şekilde refactor ediyordum; birkaç gün Aider kullandıktan sonra duvara tosladım
      GitHub’da Aider kaynak kodunu karıştırıp prompt’u çıkararak kendi küçük yardımcı script’imi yazmaya çalışıyordum; bu yüzden bu sürümün zamanlaması mükemmel oldu
      Claude Code’u kurunca bu işi hızlıca hallettiğini gördüm; arayüzü ve “Ruminating”, “Schlepping” gibi kişilik ifadelerini de sevdim
      Genel olarak harika iş
    • Komut satırı aracını yeni yeni denemeye başladım; 5 dakikalık ilk izlenim olarak, aiderda sevdiğim sorgu başına maliyet ve oturum toplam maliyeti gösteriminin claude-code’da da olmasını isterdim
      Claude 3.5 ile aider’ı günlük olarak kullanıyordum; maliyeti doğal şekilde takip edebilmek faydalıydı
      Ayrıca Go veya Rust gibi derlenebilir bir dilde olmasını isterdim ama yeniden yazma maliyetinin büyük olabileceğini anlıyorum
      Yaklaşık 10 dakika kullandıktan sonra temel Go kodu patch’lerinde ciddi sorunları var gibi görünüyor. Yanlış girintili bir satır ekledikten sonra doğru girintiyle üç kez düzeltmeye çalıştı, ama her seferinde "String to replace not found in file" hatası aldı
      Claude 3.5 kullanan Aider bunu çok iyi hallediyor; prompt ve patch formatına bakmak iyi olabilir

  • Kagi LLM benchmark’ü, Sonnet 3.7’nin genel amaçlı modu ve thinking modunu yansıtacak şekilde güncellendi
    https://help.kagi.com/kagi/ai/llm-benchmark.html
    Denediğim genel amaçlı LLM’ler arasında Gemini 2.0 Pro’nun ardından, gpt-4o’nun önünde 2. sırada görünüyor
    thinking modu daha az etkileyici; 8192 token’lık thinking bütçesiyle o1-mini ve o3-mini düzeyinde
    Genel olarak aynı fiyata daha yüksek kalite ve daha hızlı bir model sunan iyi bir güncelleme; 24 saat içinde Kagi Assistant’ta açılabilmesini umuyorum

    • Yeni LLM’leri Assistant’ta bu kadar hızlı kullanılabilir hale getirdikleri için Kagi ekibine teşekkürler
      Kagi Assistant’ın değeri benim için artık düşünmeye gerek bırakmayacak kadar açık
    • Artık Gemini 2.0’ın 1. sırada olması şaşırtıcı
      Google modellerinin Kagi benchmark’larında düşük performans gösterdiğini hatırlıyorum
    • 8192 token’lık thinking bütçesinin nasıl seçildiğini merak ediyorum
      DeepSeek R1’in bundan çok daha fazlasını kullandığını sık sık gördüm
    • Kagi Assistant’ta şimdiden görünüyor; 24 saat bile geçmedi. Güzel
    • Anlamadığım nokta, thinking modeli olmayan Claude 3.5 Haiku’nun non-thinking bölümünde yer alıp yine de thinking bütçesi 8192 diye gösterilmesi

  • Bununla HN profilini analiz edince epey komik oluyor :)
    https://hn-wrapped.kadoa.com/
    Yeni modelin mizah anlayışını test etmek için kullanıyorum

    • “Carnatic raga dedektörü” yapmaktan çok onun hakkında konuştuğumu, bu hızla dedektör ragayı tanımlamadan önce LLM’in bir raga besteleyeceğini söyleyerek fena yakaladı
      7950X işlemci aldığımı ama onunla ne yapacağımı bilmediğimi; bunun da haftada bir markete gitmek için Ferrari sürmenin bilişimdeki karşılığı olduğunu söyledi
      İş-yaşam dengesi için endişelenip izin yılı aldığımı, ama o süreyi HN’de başkalarının kariyerlerine yorum yaparak geçirdiğimi söyledi
      Arayan olursa odamda ağlıyor olacağım
    • “Maaşın o kadar düşük ki legacy code bile sana acıyor”
      “HN’de ayda 800 doları bulut bilişim faturası değil de maaş sanan tek kişisin”
      Acıttı
    • Tamamen yerle bir etti: “Go’nun hata işlemesinin kötü olduğunu anlatmaya harcadığın zaman, Go geliştiricilerinin gerçekten hata işlemeye harcadığı zamandan fazla”
      “Programlama dilleriyle ilişkin bir flört programı gibi. Hepsinde kusur buluyorsun ama birine bağlanamıyorsun”
      “Hata işleme bir din olsaydı, en ateşli misyoneri sen olurdun; unchecked exception’ları tek tek dine döndürüyorsun”
    • “Reddit’te çalışmış biri olarak HN’de fazla zaman geçiriyorsun. Facebook’tan ayrılıp bütün gün Twitter’da sosyal medyadan şikâyet etmeye benziyor”
      Fazla doğru olduğu için acıtıyor
    • “HN yorum dizilerine roman yazarken dijital dikkat dağınıklığından şikâyet ediyorsun. Drive-thru kuyruğunda beklerken fast food’u eleştirmek gibi”
      “‘Dijital minimalizm’ üzerine düşünceli bir deneme yazıp HN ana sayfasına çıkaracaksın ve ironik biçimde, yıl boyunca HN’de geçirdiğinden daha fazla zamanı o yoruma gelen yanıtlara harcayacaksın”
      Beni görüyor. Hayır

  • Claude 3.7 Sonnet ile ilk etkileşimimden itibaren epey etkilendim
    Cloudflare Pages fonksiyonunun prodüksiyonda 500 hataları, saçma hatalar ve boş yanıtlar döndürmesine yol açan kod tabanı sorununu bulmasını istedim; cuma günü boyunca bulamadığım bir sorundu
    Betik hiçbir şey yazdırmadan ölüyordu; daha fazla logging eklemenin ya da görünürlük sağlamanın yolu olmadığı için gerçekten sinir bozucuydu
    o1, o3 ve Claude 3.5 hiç yardımcı olmadı ama Claude 3.7, 39 saniyelik thinking sonrasında ilk yanıtında tam sorunu buldu; ikinci prompt’ta da bunu baypas eden çalışan bir fonksiyon yazdı
    GitHub deposunu sohbete bağladığım için tartışmayı paylaşmak mümkün görünmüyor, bu yüzden gist’e kopyaladım: https://gist.github.com/Uninen/46df44f4307d324682dabb7aa6e10...

    • Yanıtlardan biri, Claude’un gerçek düşünme konusunda hâlâ temelde bilgisiz olduğunu gösteriyor
      HTML temizlemeyi frontend’e taşımayı önerdi; oysa frontend’de bunu aşmak çok kolay olduğu ve DB’ye kelimenin tam anlamıyla her şeyin yüklenmesine izin vereceği için onu CF fonksiyonunda tutuyordum
      Junior bir geliştiricinin bile anlayacağı bir şey

  • Bunu kendi LLM aracımda çalışır hale getirdim; yeni plugin sürümü llm-anthropic 0.14
    Bu süreçte model hakkında çeşitli şeyler öğrendim; ayrıntılı notlar burada: https://simonwillison.net/2025/Feb/25/llm-anthropic-014/
    En ilginç yeni özelliklerden biri, çıktı sınırının önceki Claude 3.5 Sonnet’teki 8.000 token’dan 120.000 tokena çıkmış olması
    Bu model bu çıktı sınırını etkili biçimde kullanabiliyor gibi görünüyor; şimdiye kadarki en uzun sonuç tamamlanması 27 dakika sürdü: https://gist.github.com/simonw/854474b050b630144beebf06ec4a2...

    • Sonnet 3.7’yi küçümsemeye çalışmıyorum ama bunun alandaki diğer tüm modellerden çok daha yüksek olduğunu söylemek doğru görünmüyor
      o1 ve o3-mini de 100.000 çıktı token’ına kadar çıkıyor
      https://platform.openai.com/docs/models#o1
    • Simon’ın programlama araçları, blog ve işin yanında nasıl bu kadar aktif olabildiğini bir yerde yazıp yazmadığını merak ediyorum
      Zamanı ve enerjiyi nereden bulduğunu merak ediyorum
    • Maliyeti ne kadar tuttu merak ediyorum

  • Anthropic'in koda daha fazla odaklanması mantıklı
    Diğer modellerle karşılaştırıldığında kod onun güçlü yanıydı
    Devin'in yaşadığı zorlukları düşününce, onların Devin rakibi ürününün nasıl olacağını merak ediyorum

    • Cursor/Windsurf kullanımının önemli bir kısmını çalıştıran model bu ve MCP'yi de itiyorlar; kullanıcı deneyimini iyi tuttururlarsa fena olmayacak gibi
    • Bunun güçlü yönü olduğu kesin ama bazen sohbetin bu kadar kod yazmak istememesini dilerdim
      Sadece kavramsal veya üst düzey yanıtlar istediğimde bile sık sık kod fırlatıyor; artık alışkanlık olarak kod yazmamasını söylüyorum
    • Ben de aynı şeyi düşündüm ve bugüne kadar Claude'un ya da başka hiçbir modelin çözemediği gerçekten zor 3 problemim var; bugün denemeyi sabırsızlıkla bekliyorum
    • Blog yazısında Cognition'dan, yani Devin'i yapan şirketten alıntı yapmaları biraz komik

  • “Akıl yürütme modeli geliştirirken matematik ve bilgisayar bilimi yarışma problemlerine yönelik optimizasyonu bir miktar azaltıp, şirketlerin LLM'leri gerçekte nasıl kullandığını daha iyi yansıtan gerçek dünya işlerine odaklandık” demeleri iyi haber
    OpenAI “en zeki model”i hedefliyor gibi görünüyor, ama pratikte LLM'ler çoğunlukla öğrenme asistanı, veri dönüştürücü ve kod yazıcı olarak kullanılıyor
    “Zeka” ile “iş bitirme becerisi” arasındaki denge tatlı nokta gibi görünüyor; mevcut geliştirici araçlarının (Cursor, Windsurf vb.) 4o yerine Claude 3.5 Sonnet'i tercih etmesinin nedenlerinden biri de bu gibi

    • Hepimiz Claude'u her gün doğrudan işimizde kullanıyoruz; soyut benchmark'lardansa kendi acılarımızı çözmek daha ilginç
      İş bitirmek için çok fazla masa başı bilgisi de gerekiyor, ama ne zaman hızlı yanıt verileceğini ve ne zaman geri dönüleceğini bilmek gibi bolca saha sezgisi de gerekiyor
    • Bazen benchmark'lara aşırı uyum sağlanıyor mu diye düşünüyorum. DeepSeek özellikle öyle hissettiriyor
      Gerçek sıralaması nerede olursa olsun, öznel olarak yanıtları daha iyi hissettirdiği için tekrar tekrar döndüğüm sohbet Claude
    • Claude 3.5 Windsurf'te harikaydı ama kredi maliyeti vardı
      DeepSeek V3 artık Windsurf'te kredi maliyeti olmadan sunuluyor; şirket açısından büyük bir değişiklik oldu
      Her iki durumda da seçeneklerin çeşitlenmesi iyi
      Windsurf'ün Cascade özelliğini ajan tarzı kod yazma ve keşif için mutlaka denemenizi öneririm. Yeni bir codebase'i anlamada ve veri akışını izlemekte çok zaman kazandırıyor

  • Yapay zeka yarışı gerçekten çok hızlı ilerliyor
    Bir yazılım geliştirici/mühendis olarak iş beklentileri konusunda endişeliyim; zamanla göreceğiz gibi
    Yazılım mühendislerinin yüksek piyasa değeri ortadan kalkarsa Batı Yakası'ndaki konut balonuna ne olacağını da merak ediyorum
    Muhtemelen bir sonraki bilgi işçisi dalgası gelip o yerini doldurur diye düşünüyorum

    • Yazılım geliştirme iş piyasasının ciddi biçimde sarsıldığı doğru, ama avantajlı konuma geçmek için yapılabilecek şeyler var
      Tüm stack'i, özellikle backend ve DevOps tarafını daha fazla öğrenmek; verimlilik artışını benimseyip daha çok ürün ve kişisel proje çıkarmak; üretim zamanını çok seçici kullanmak; harika bir kişisel bilgi yönetimi sistemi ve ajan yardımcılara sahip olmak
    • Aslında hız yavaşlıyor gibi
      Geçen yıl Llama 3 öncesi ve sonrasına kadar çılgındı, ama son iyileşmeler nispeten küçük
      Akıl yürütme modelleri de, daha önce ajanlarla açık planlama yaparak zaten yapılabilenlerin biraz daha iyisi; daha çok amaca uygun iyi paketlenmiş ve biraz ince ayar yapılmış bir şey gibi
      DeepSeek verimlilik açısından büyük bir iyileştirme yaptı, ama kullanıcıya görünen değişim o kadar büyük değildi
      Bu yüzden son dönemdeki yapay zeka yarışının biraz plato durumuna girmekte olduğunu düşünüyorum
    • Etki Silikon Vadisi veya Batı Yakası'ndan çok daha geniş olabilir; hatta Silikon Vadisi, yapay zeka geliştirme sayesinde nispeten umutlu kalan az sayıdaki bölgeden biri bile olabilir
      Bu modeller dünya genelinde sektördeki istihdamı sarsabilir
      İronik biçimde gerçekten değişen meslekler yalnızca yazılım mühendisliği ile yazarlık, grafik tasarım gibi birkaç alan olabilir
      Yapay zeka laboratuvarlarının özellikle yazılım mühendislerini hedef aldığı “Claude 3.7 and Code” duyurusundan bile anlaşılıyor; diğer alanlardan neredeyse hiç söz edilmiyor
      Silikon Vadisi'nde olmadığı için yüksek ücretleri yaşamamış insanlar için yazılım mühendisliği çoğu zaman sürekli öğrenme gerektiren, stresli ve sıradan bir iş
      Bu yüzden yüksek harcanabilir gelirle yatırım/tasarruf yapma olasılıkları da daha düşük olmuştur; otomasyondan kaynaklanan acı ve kaygı daha büyük
      Yapay zekanın ilk otomatikleştirdiği işin emek veya otonom sürüş değil de yazılımın kendisi olacağını kim bilirdi
      Diğer sektörler çıkmaza girmiş ya da düzenlemeler, kapalı bilgi gibi engeller yüzünden daha zor görünüyor
      Yazılım mühendisleri diğer sektörlere bir örnek göstermiş oldu: yapay zekayı içeri sokmayın ya da mümkün olduğunca uzun süre içeride hapsedin; yani kapalı kaynak kalın
      Geriye dönüp bakınca ironik
    • Kısa ve orta vadede çok endişelenmiyorum
      Yapay zeka sistemlerinin kaçıracağı edge case'ler ve ince bağlamlar çok fazla diye hissediyorum
      Örneğin sistemler her zaman belgelendiği gibi çalışmaz. Yapay zeka bir servisin bug'ı ile kendi kodundaki bug'ı nasıl ayırt edecek? En başta bir bug olduğunu nasıl bilecek? Bir bug raporuyla bir hacker'ın sızma girişimini nasıl ayırt edecek?
      Dünya karmaşık; gerçek yapay genel zeka yoksa bu zor durumlarda yapay zekaya rehberlik edecek insanlara ihtiyaç var
      Tavsiyem, yapay zekaya ve yeni yapay zeka araçlarını kullanmaya alışmanız ve bunların genel iş akışlarına nasıl uyduğunu anlamanız
      İyi yazılım mühendislerinin ortadan kalkmayacağını düşünüyorum
    • Modeller gelişir ama tam bir singularity'ye gitmezse, işlerin aksine artacağını düşünüyorum
      Örneğin yazılım üretme maliyeti 5 kat düşerse, bugün arz ciddi biçimde sınırlı olduğu için talep 5 kattan fazla artacaktır
      Daha iyi yazılım isteyen çok şirket var ama maliyet çok yüksek
      O zaman daha fazla iş doğar
      Ancak yazı yazma/tuşlama azalacak; ürün yönetimi, insan etkileşimi ve edge case testleri daha çok olacak
      Model başarısız olduğunda debug yapan oldukça teknik işler de epey ortaya çıkacak gibi
      Bu yüzden kullanıcı araştırmasından ürün yönetimine kadar, insanlar ve iş dünyası için faydalı yazılım yapmaya yardımcı olan becerileri öğrenmeyi öneririm. Mühendislik de bununla birlikte gerekli

  • Claude 3.7, lisans tezimin yarısını 30 saniyeden kısa sürede yeniden yaptı :|
    https://claude.ai/share/ed8a0e55-633f-4056-ba70-772ab5f5a08b
    Çıktı görseli burada: https://i.imgur.com/0c65Xfk.png
    Gemini Flash 2 ise feci şekilde başarısız oldu: https://g.co/gemini/share/10437164edd0

    • Lisans düzeyinde ele alınan konuların çoğu genelde iyi belgelenmiş ve iyi anlaşılmış içerikler olduğundan, yapay zeka eğitim verilerine girmiş olma ihtimali yüksek
      Lisansüstü düzeyden itibaren kaynak kapsamı biraz daha seyrek ve niş, ama yine de çoğunlukla devrim niteliğinde değil
      Doktora düzeyinde ise amaç, alandaki mevcut bilgiyi genişletmek ve ilk kez araştırılan çok sayıda konu olduğu için, kapsamanın çoğunlukla neredeyse hiç olmadığını düşünüyorum
    • Sırada yüksek lisans ve doktora var!
    • Bunun ya da benzerinin açık erişimli kaynaklarda veya bazı kütüphanelerde bulunup bulunamadığını merak ediyorum
 
riskatcher 2025-02-25

flash 2 ile karşılaştırmak için fiyat farkı fazla büyük.. tam olarak o1pro ile o3-mini arasında bir seviye