Anthropic, Claude Opus 4.1'i duyurdu

• Claude Opus 4.1, gerçek dünya kodlama, ajan görevleri ve çıkarım yeteneğinde iyileştirilmiş bir yükseltme sürümüdür
• SWE-bench Verified'de %74,5 ile en yüksek kod performansını elde ederek, büyük kod tabanlarında hassas hata ayıklama, çok dosyalı refaktörleme gibi görevlerde olağanüstü sonuçlar verdi
• Rakuten, GitHub, Windsurf gibi gerçek kullanıcılar tarafından; kod düzeltme doğruluğu, günlük hata ayıklama verimliliği ve junior geliştirici benchmarklarındaki belirgin artış nedeniyle olumlu geri bildirim alındı
• Çok dosyalı refaktörleme ve ayrıntılı kod düzenleme ile gerçek geliştirme ortamlarında daha hassas bir performans sergiliyor
• Mevcut Opus 4 kullanıcıları, ek ücret ödemeden API, Claude Code, Amazon Bedrock, Google Vertex AI üzerinden hemen kullanabilir

---

Claude Opus 4.1 ana özellikleri

• Mevcut Claude Opus 4'e kıyasla agentic görevler, gerçek kod yazımı ve karmaşık çıkarım görevlerinde performans artırıldı
• Modelde önümüzdeki haftalarda daha büyük ölçekte iyileştirme yapılacağı öngörülüyor

Temel iyileştirmeler

• SWE-bench Verified'de %74,5 kod performansı yakaladı
  • Derinlemesine araştırma ve veri analizi yeteneği, özellikle ayrıntı takibi ve agentic aramada dikkat çekici bir artış gösterdi
  • Büyük ölçekli açık kaynak depolarındaki hata düzeltme problemlerini çözen gerçek kod temelli kıyaslamalarda yüksek puanlar aldı
• Çoklu dosya refaktörleme ve büyük kod tabanlarında hassas hata ayıklama gibi gerçek geliştirici işlerine odaklı
  • GitHub'da Opus 4.1, Opus 4 ile karşılaştırıldığında çoğu işlevde daha iyi performans gösteriyor; özellikle çoklu dosya kod refaktörleme görevlerinde belirgin sonuçlar elde etti
  • Rakuten Group, Opus 4.1'in devasa bir kod tabanında yalnızca gerçekten gerekli olan bölümleri düzenlediğini, gereksiz değişiklik veya hata girişi olmadan stilin korunmasını övdü
  • Windsurf, kendi junior geliştirici kıyaslamasında Opus 4.1'in Opus 4'e göre bir standart sapma yükseldiğini ve bunun Sonnet 3.7'den Sonnet 4'e geçişteki performans sıçramasıyla eşdeğer olduğunu belirtti

Bölüm bazında performans karşılaştırması

• Agentic coding (SWE-bench Verified)
  • Claude Opus 4.1: 74.5%
  • Önceki Claude (Opus 4): 72.5%, Claude Sonnet 4: 72.7%
  • OpenAI o3: 69.1%
  • Gemini 2.5 Pro: 67.2%
  • → Gerçek açık kaynak kod düzeltme işlerinde en yüksek doğruluğu kaydetti
• Agentic terminal coding (Terminal-Bench)
  • Claude Opus 4.1: 43.3% (en iyi)
  • Opus 4: 39.2%
  • Sonnet 4: 35.5%
  • OpenAI o3: 30.2%
  • Gemini 2.5 Pro: 25.3%
• Graduate-level reasoning (GPQA Diamond)
  • Claude Opus 4.1: 80.9%
  • Opus 4: 79.6%
  • Sonnet 4: 75.4%
  • OpenAI o3: 83.3% (en iyi)
  • Gemini 2.5 Pro: 86.4% (en iyi)
• Agentic tool use (TAU-bench)
  • Perakende senaryosu: Claude Opus 4.1 82.4% (en iyi), Opus 4 81.4%, Sonnet 4 80.5%, OpenAI o3 70.4%
  • Havayolu senaryosu: Claude Opus 4.1 56.0%, Opus 4 59.6%, Sonnet 4 60.0%, OpenAI o3 52.0%
  • Gemini 2.5 Pro bu alanda puan yayımlamadı
• Çok dilli Soru-Cevap (MMMLU)
  • Claude Opus 4.1: 89.5% (en iyi)
  • Opus 4: 88.8%
  • Sonnet 4: 86.5%
  • OpenAI o3: 88.8%
  • Gemini 2.5 Pro: yayımlanmadı
• Görsel çıkarım (MMMU)
  • Claude Opus 4.1: 77.1%
  • Opus 4: 76.5%
  • Sonnet 4: 74.4%
  • OpenAI o3: 82.9% (en iyi)
  • Gemini 2.5 Pro: 82% (en iyi)
• Lisansüstü düzey matematik yarışması (AIME 2025)
  • Claude Opus 4.1: 78.0%
  • Opus 4: 75.5%
  • Sonnet 4: 70.5%
  • OpenAI o3: 88.9% (en iyi)
  • Gemini 2.5 Pro: 88% (en iyi)

• Kıyaslama Tablosu Özeti

  • Claude Opus 4.1, önceki sürüme kıyasla tüm alanlarda tutarlı bir artış göstermiş; gerçek kod otomasyonu, çoklu dosya refaktörleme, çok dilli QA ve araç kullanımı gibi iş odaklı kıyaslamalarda en yüksek puanları aldı
  • Matematik, görsel çıkarım ve ileri düzey çıkarım (GPQA) alanlarında OpenAI o3 ve Gemini 2.5 Pro bazı segmentlerde önde olsa da, gerçek kod üretkenliği ve çok dilli QA alanlarında Claude Opus 4.1 en iyi durumda
  • Agentic tool use havayolu senaryosunda hafif düşüş görüldü; görsel çıkarım ve matematikte ise rakip modeller küçük farkla önde

Gerçek kullanım ve dağıtım ortamı

• Mevcut Opus 4 kullanıcılarına, API'de claude-opus-4-1-20250805 ile doğrudan yükseltme öneriliyor
• API, Claude Code, Amazon Bedrock, Google Vertex AI gibi birçok kanalda dağıtım ve kullanım mümkün
• Opus 4 ile aynı fiyatlandırma politikası uygulanıyor; mevcut kullanıcılar derhal güncelleyebilir
• Sistem kartı, model açıklaması, fiyatlandırma, resmi dokümanlar ve detaylı kıyaslama/değerlendirme yöntemleri de yayınlandı

Gelecek planlar

• Opus 4.1, kodlama ve çıkarım alanındaki en yeni ilerlemeleri yansıtan bir ara yükseltme olup, önümüzdeki haftalarda çok daha büyük bir sıçrama vaat ediyor
• Kullanıcı geri bildirimine hızlıca dayalı olarak sürekli performans iyileştirmesi ve işlev genişletmesi planlanıyor

Notlar

• OpenAI o3, Gemini 2.5 Pro gibi rakip model karşılaştırma verisi kaynakları, kıyaslama sonuçları ve model bazında genişletilmiş düşünce/akıl yürütme kullanım durumu şeffaf şekilde listelenmiş durumda