Sonnet 5.5 Opus 5.5 Karşılaştırma: Aynı PRD ile 3D Oyun

Yeni model çıktığında en sık duyduğumuz soru şu: Sonnet 5.5 ile Opus 5.5 arasında gerçekte ne fark var? Kâğıt üzerindeki tablolar bu soruyu cevaplamıyor. Biz de aynı belgeyi iki modele verip sıfırdan bir 3D oyun yaptırdık.

Bu yazıda Sonnet 5.5 Opus 5.5 karşılaştırma testini baştan sona anlatıyoruz. Testin nasıl kurulduğunu, puanlamanın nasıl yapıldığını ve faturaya ne yansıdığını bulacaksınız. Aynı yöntemi kendi işinize de uyarlayabilirsiniz.

Öğrenecekleriniz:

İki modelin fiyat farkı ve gerçek maliyetin neden etiketten farklı çıktığı
Aynı sonucu zorlamak için PRD, 53 kabul kriteri ve tek /goal komutunun nasıl kullanıldığı
6 alanlı 60 puanlık değerlendirme tablosu ve sonuçlar
Hangi durumda hangi modeli seçmeniz gerektiği

Tüm testi canlı izlemek isterseniz YouTube videomuzdan takip edebilirsiniz.

İçindekiler

Test Nasıl Kuruldu? Kargola Oyunu
Fiyat ve Özellik Farkı: Kâğıt Üstünde Ne Var?
Bağımsız Testler Ne Diyor?
Neden PRD ve 53 Kabul Kriteri?
Tek Komutla Başlatmak: /goal ve Ekstra Efor
Sonnet 5.5'in Yaptığı Oyun
Opus 5.5'in Yaptığı Oyun
Otomasyon Katmanı: Robotlar İşi Devralınca
Puan Tablosu: 60 Üzerinden 59 mu, 55 mi?
Gerçek Maliyet: İki Kat Değil 1,1 Kat
Hangi Modeli Seçmelisiniz?
Sonuç
Sıkça Sorulan Sorular (FAQ)

Test Nasıl Kuruldu? Kargola Oyunu

Bu bölümü canlı izlemek için YouTube videomuzun 00:24 anından başlayabilirsiniz.

Test oyununun adı Kargola. Küçük bir e-ticaret deposunu işletiyorsunuz ve internetten gelen siparişleri hazırlayıp kargoya veriyorsunuz. Oyuna depoda tek başına çalışan biri olarak başlıyorsunuz.

Akış şöyle işliyor:

Adım: Sabah sekizde siparişler düşmeye başlıyor. Her siparişte müşterinin adı, şehri, ürünleri ve kargo firması yazıyor.
Adım: Siparişi seçince çalışanınız raflardan ürünleri toplayıp paketleme masasına getiriyor.
Adım: Doğru kutuyu seçiyor, bandı çekiyor ve etiketi basıyorsunuz. Kutuya yanlış ürün koyarsanız kutu kapanmıyor.
Adım: Kutuyu banda koyuyorsunuz. Bant onu etiketteki kargo firmasının rampasına götürüyor.
Adım: Kargocu günde iki kez gelip paketleri alıyor ve sipariş parası o anda kasanıza giriyor. Saati kaçıran paket ertesi güne kalıyor.

Asıl güzel kısım ise büyümede başlıyor. Mahalledeki esnaf işler büyüyünce yanına bir çırak alır. Oyunda da kazandığınız parayla önce toplama robotu, sonra otomatik bant makinesi, etiket otomatı ve paketleme robotu alıyorsunuz. Sonunda depo siz hiçbir şeye dokunmadan sipariş gönderebiliyor.

Oyunda 10 ürün, 3 kutu boyu ve Martı Kargo ile Çınar Kargo adlı 2 kargo firması var. Bu rakamlar belgede önceden yazıldığı için iki model de aynı oyunu yapmak zorunda kaldı.

Fiyat ve Özellik Farkı: Kâğıt Üstünde Ne Var?

Bu bölümü canlı izlemek için YouTube videomuzun 01:54 anından başlayabilirsiniz.

Önce rakamlara bakalım. Videoda gösterdiğimiz fiyat tablosuna göre fark net:

Özellik	Sonnet 5.5	Opus 5.5
Girdi (1 milyon token)	2 dolar	4 dolar
Çıktı (1 milyon token)	10 dolar	20 dolar
Cache okuma	0,20 dolar	0,20 dolar
Bağlam penceresi	1 milyon token	1 milyon token

Etikette Opus 5.5 tam iki kat pahalı. Anthropic'in tanımına göre Sonnet 5.5 daha hızlı, Opus 5.5 ise orta hız sınıfında. Sonnet 5.5'in bir önceki Sonnet ile aynı fiyatta kalması da dikkat çekiyor.

Burada küçük ama önemli bir ayrıntı var: cache okuma fiyatı iki modelde de aynı. Kod yazan yapay zeka aynı dosyaları tekrar tekrar okur. Bu kısım iki modelde aynı fiyata geldiği için gerçek faturada fark, etiketteki kadar büyük olmayabilir. Bunu maliyet bölümünde göreceğiz.

Çıkış tarihleri de birbirine yakın: Opus 5.5 22 Eylül'de, Sonnet 5.5 ise 28 Eylül'de çıktı. Anthropic'in yayımladığı tablolara göre Sonnet 5.5, Terminal-Bench 4.0 kodlama testinde yüzde 70,6 alırken Opus 5.5 yüzde 66,4'te kaldı. Gerçek iş görevlerini ölçen GDPval-AA'da ise iki model neredeyse aynı: 1844 ve 1846. Bunlar yalnızca kâğıt üstündeki değerler. Bu yüzden kararı oyun testinin sonucuna bağlamak daha sağlıklı.

Bağımsız Testler Ne Diyor?

Bizim Sonnet 5.5 Opus 5.5 karşılaştırma sonucumuz tek başına bir örnek, o yüzden başka testlere de baktık. Kingy AI'ın aktardığı Artificial Analysis ölçümünde Sonnet 5.5 en yüksek eforda görev başına yaklaşık 7,67 dolara mal olurken Opus 5.5 yaklaşık 5,98 dolara geldi. Yani token fiyatı ucuz olan model, görev başına her zaman ucuz çıkmıyor.

Öte yandan wmedia.es'in Claude Code üzerinde yaptığı küçük ve net tanımlı 12 işlik testte Sonnet 5.5 hepsini geçti ve toplam 0,88 dolar tuttu. Opus 5.5 için bu rakam 1,91 dolardı. Bu iş küçük olduğu için Sonnet öne çıktı. Bizim testimiz ise uzun, çok adımlı ve görsel ayrıntı isteyen bir işti. İki sonuç birbiriyle çelişmiyor: iş türü, modelin görev başına maliyetini değiştiriyor.

Neden PRD ve 53 Kabul Kriteri?

Bu bölümü canlı izlemek için YouTube videomuzun 03:38 anından başlayabilirsiniz.

Yapay zekaya "bana bir kargo oyunu yap" derseniz sonuçlar çok farklılaşabilir. Model tahmin eder ve çoğu zaman karşınıza "güzel görünüyor" diyen bir çıktı çıkar. İki modeli adil karşılaştırmak için PRD (ürün gereksinim belgesi) şart.

PRD'de kullanıcı hikâyesi ve kabul kriteri verdiğinizde rakamlar bağlayıcı olur. Model artık "kanıtla göster" noktasına gelir. PRD'nin ne olduğunu ve nasıl yazıldığını ayrı videomuzda anlattık.

PRD'yi tek tek elle yazmadık. Claude Code içinde PRD yeteneğini kullandık. Yetenek, oyunu detaylı yazınca eksik noktaları buldu ve bize sorular sordu. Örneğin hangi teknolojiyi istediğimizi ve oyun kapalıyken zamanın işleyip işlemeyeceğini sordu. Cevabımız evet oldu: gerçek süre en fazla 12 saat. Kararları biz verdik, belgeyi yetenekle birlikte yazdık.

Sonuç olarak 53 kabul kriteri ve 1 teslim raporu çıktı. Kriterler "güzel olsun" gibi değil, "şu akış uçtan uca çalışır" biçiminde ölçülebilir yazıldı. İş bitince model her kriter için kanıt gösteren bir teslim raporu yazmak zorundaydı. Kanıtı gösterilmeyen madde geçmiş sayılmadı.

Tek Komutla Başlatmak: /goal ve Ekstra Efor

Bu bölümü canlı izlemek için YouTube videomuzun 06:12 anından başlayabilirsiniz.

İki modele de aynı koşulları verdik:

Aynı Claude Code sürümü
Efor ayarı olarak ekstra (max değil, çünkü max hem çok uzun sürüyor hem hataya daha açık)
Boş bir klasör
Aynı /goal cümlesi

Kullandığımız komutun özü şuydu: "PRD dosyasındaki Kargola oyununu bu klasörde sıfırdan geliştir. İş, PRD'deki kabul kriterlerinin tamamı kanıtıyla sağlandığında ve teslim raporu yazıldığında biter. Görsel kalite standardı en az oyun mantığı kadar önemlidir."

/goal komutu, verdiğiniz iş bitene kadar bir hakem gibi davranıp modeli döngüde tutuyor. Biz komutu verdikten sonra iki modelde de koşu bitene kadar araya girmedik. Bu komutu ayrı bir videoda detaylı anlattık. Kısaca: PRD kaliteyi, /goal ise dayanıklılığı sağlıyor. Bu ikisi birlikte güçlü bir yapı kuruyor.

Sonnet 5.5'in Yaptığı Oyun

Bu bölümü canlı izlemek için YouTube videomuzun 09:20 anından başlayabilirsiniz.

Sonnet 5.5'in oyunu mouse ve WASD ile yönetiliyor ve üç boyutlu. Raflardaki ürünlerin her birini model kendisi tasarladı, biz hiçbir görsel varlık vermedik. Saksılar, oyuncak ayılar ve kupalar rafta tanınıyor.

Ana akış sorunsuz çalıştı: sipariş geliyor, çalışan ürünleri alıyor, kutu seçiliyor, bant ve etiket işleniyor, paket doğru kargo rampasına gidiyor. Stok ve tedarik ekranı da çalıştı.

Gözlemlerimiz şunlar oldu:

Raflar birbirine biraz yakın duruyor.
Ürünleri net görmek için ciddi şekilde yakınlaşmak gerekiyor.
Çalışanın elindeki sepet raftan geçerken küçük bir görsel hata yaptı.
Gece olunca ışıklar ve renkler fazla patlıyor.

Yine de ortaya çalışan, akıcı ve oynanabilir bir oyun çıktı.

Opus 5.5'in Yaptığı Oyun

Bu bölümü canlı izlemek için YouTube videomuzun 14:57 anından başlayabilirsiniz.

Opus 5.5'in oyununda ilk bakışta akış daha iyi görünüyor. Raflar daha düzenli, ürünler çok daha okunur. Kulaklık gerçekten kulaklığa benziyor, tişört, kitap ve kupa da kolayca ayırt ediliyor. Sonnet'te ürünleri seçmek için yakınlaşmak gerekirken burada uzaktan da anlaşılıyor.

Beğendiğimiz ayrıntılar:

Üst tarafta stok sayıları net yazıyor.
Tedarik ekranı tasarımsal olarak daha derli toplu.
Orta kutuya sığmayan ürün için "ürünler orta kutuya sığmıyor" uyarısı çıkıyor.
Kamera içeri yaklaşınca duvar boyutu azalıyor ve iç mekân daha açık görünüyor.
Gece bile olsa ışık çok daha yumuşak.
Yangın tüpü işareti gibi küçük detayları bile koymuş.

Bu Sonnet 5.5 Opus 5.5 karşılaştırma testinde Opus, oyunun geliştirmeye açık olduğunu da gösterdi: yan tarafa yer satın alma, yeni raf ve Ar-Ge bölümü gibi fikirler bu yapının üstüne rahatça eklenebilir.

Otomasyon Katmanı: Robotlar İşi Devralınca

Bu bölümü canlı izlemek için YouTube videomuzun 20:35 anından başlayabilirsiniz.

İki oyunda da otomasyon katmanını ayrı ayrı denedik. Toplayıcı robot, paketleme robotu, otomatik bant makinesi ve etiket otomatını satın aldıktan sonra hiçbir şeye dokunmadık.

İki oyunda da robotlar işi gerçekten devraldı (gerçek bir işi yapay zekaya devretme mantığını Hermes Agent ile fatura otomasyonu yazımızda da bulabilirsiniz). Paketleme robotu kutuyu kendisi seçti, bandı ve etiketi otomatik işledi, tedarik de otomatik yapıldı. Toplayıcı robot en yakın gönderim saatine sahip siparişi öne aldı. Robotlar birbirinin içinden geçmedi. Tam otomatik depo bir gün boyunca sipariş gönderdi.

Küçük farklar da vardı. Sonnet'te robotun kutuya koyma anında atışlar biraz kayıyordu. Kargo görevlisinin yükleme animasyonu da pek doğal işlemiyordu. Opus'ta aynı bölüm daha akıcıydı.

Puan Tablosu: 60 Üzerinden 59 mu, 55 mi?

Bu bölümü canlı izlemek için YouTube videomuzun 26:03 anından başlayabilirsiniz.

Sonnet 5.5 Opus 5.5 karşılaştırma puanlamasını 6 alan üzerinden yaptık ve her alana 10 puan verdik:

Görsel kalite
Animasyon ve his
Oyun akışı
Hata davranışı
Zaman ve kalıcılık
İşi devretme (otomasyon)

Her alanda 5 kontrol vardı. Kontrol geçerse 2, kısmen geçerse 1, kalırsa 0 puan verdik. Puanları ekranda denediğimiz sonuca göre biz verdik, yani bu kişisel bir değerlendirme.

Sonuç şöyle çıktı:

Görsel kalite: Opus 10 üzerinden 9, Sonnet 10 üzerinden 7.
Animasyon ve his: Opus biraz daha iyiydi.
Oyun akışı, hata davranışı, zaman ve kalıcılık, otomasyon: İki model de aynı görevleri başarıyla yaptı.
Toplam: Opus 5.5 60 üzerinden 59, Sonnet 5.5 60 üzerinden 55.

Hata davranışlarında ikisi de doğru çalıştı: yanlış ya da eksik üründe kutu kapanmadı, sığmayan kutu reddedildi, stokta olmayan üründe görev oluşmadı, parası yetmeyen satın alma reddedildi. Sayfayı F5 ile yenilediğimizde de ikisi paketlemenin ortasındaki durumu aynen geri getirdi.

Ürünlerin yazı olmadan tanınması gibi maddelerde Sonnet "kısmen" aldı. Fark esas olarak orada açıldı.

Gerçek Maliyet: İki Kat Değil 1,1 Kat

Bu bölümü canlı izlemek için YouTube videomuzun 31:12 anından başlayabilirsiniz.

Etikette Opus iki kat pahalıydı. Sonnet 5.5 Opus 5.5 karşılaştırma testinin iki koşusunda da girdi tokenını, çıktı tokenını ve süreyi kaydettik. Gerçek fark yaklaşık 1,1 kat çıktı.

Bunun sebebi süre:

Opus 5.5: yaklaşık 2 saat 40 dakika çalıştı.
Sonnet 5.5: yaklaşık 3 saat 22 dakika çalıştı.

Sonnet hataları düzeltmek için daha uzun çalıştı ve daha fazla token harcadı. Cache okuma fiyatının iki modelde aynı olması da farkı küçülttü. Sonuçta iki koşunun maliyeti hemen hemen aynı oldu.

İki ölçüt var ve ikisini karıştırmamak gerekiyor. Toplam puanı yüksek olan "daha iyi oyun" yapan modeldir. Dolar başına puanı yüksek olan ise "parasını daha çok hak eden" modeldir. Abonelikle kullanıyorsanız dolar yerine kullanım limitinizin yüzde kaçını harcadığı daha önemli hale gelir.

Hangi Modeli Seçmelisiniz?

Bu bölümü canlı izlemek için YouTube videomuzun 32:03 anından başlayabilirsiniz.

Bu Sonnet 5.5 Opus 5.5 karşılaştırma testindeki kendi tercihimiz Opus 5.5 oldu. Oyun üretimi gibi detaylı ve çok adımlı işlerde daha iyi düşündüğünü, görsel ayrıntılarda daha titiz olduğunu gördük. Üstelik gerçek maliyet farkı beklediğimiz kadar büyük çıkmadı.

Yine de Sonnet 5.5'i hafife almayın. Çalışan, akıcı ve oynanabilir bir oyun çıkardı. Birçok alanda iki model kafa kafayaydı.

Pratik bir kural olarak net tanımlı, küçük işleri Sonnet 5.5'e, belirsiz, uzun ve yanlış yapılması pahalı işleri Opus 5.5'e vermek mantıklı görünüyor. Oturum ortasında model değiştirmek cache'i sıfırladığı için modeli oturumun başında seçmenizi öneririz. Token maliyetini düşürmek için Sonnet tercihini Claude Opus 4.8 Dynamic Workflows rehberimizde da anlattık. Hangi aracın hangi iş için uygun olduğunu merak ediyorsanız Claude Code, Cursor ve n8n karşılaştırmamıza göz atabilirsiniz.

Kendi işiniz için pratik bir yol önerelim:

Önce PRD ve kabul kriterlerini yazın, böylece model değiştirdiğinizde karşılaştırma adil kalır.
İşi iki modelle de deneyin ve puan tablosunu kendi önceliklerinize göre kurun.
Süreyi ve token tüketimini kaydedin. Etiket fiyatı tek başına yanıltabilir.

Bu sonuçlar tek bir örnek üzerinden çıktı. Farklı işlerde farklı sonuçlar alabilirsiniz.

Sonuç

Sonnet 5.5 Opus 5.5 karşılaştırma sonucunda, aynı PRD ve tek /goal komutuyla iki modele aynı 3D oyunu yaptırdık. Opus 5.5 60 üzerinden 59, Sonnet 5.5 55 puan aldı. İki model de çalışan bir oyun teslim etti.

Dört ana çıkarım var:

Kabul kriterleri ve PRD, iki modeli adil biçimde karşılaştırmanın ön şartı.
Etikette 2 kat görünen fark, bu testte gerçek faturada yaklaşık 1,1 kat oldu.
Opus görsel kalite ve animasyonda öne çıktı, otomasyon ve oyun akışında iki model eşitti.
Kararınızı kendi işinizde deneyerek verin.

Yapay zekayla ürün geliştirme ve otomasyon konusunda daha fazlasını öğrenmek için n8nkursu.com adresindeki Türkçe eğitimlere göz atabilirsiniz. Test ettiğimiz oyunun kaynak koduna ve PRD'ye videonun sabitlenmiş yorumundaki linkten ulaşabilirsiniz.

Sıkça Sorulan Sorular (FAQ)

Sonnet 5.5 ile Opus 5.5 arasındaki fiyat farkı ne kadar?

Etikette Opus 5.5 tam iki kat pahalı: Sonnet 5.5 için 1 milyon token başına 2 dolar girdi ve 10 dolar çıktı, Opus 5.5 için 4 dolar girdi ve 20 dolar çıktı. Cache okuma ikisinde de 0,20 dolar.

Bu testte hangi model daha iyi oyun yaptı?

Opus 5.5, 60 üzerinden 59 puan aldı. Sonnet 5.5 ise 55 puan aldı. Fark en çok görsel kalitede ve animasyonda çıktı.

Opus 5.5 gerçekten iki kat pahalıya mı geldi?

Hayır. Bu testte gerçek maliyet farkı yaklaşık 1,1 kat çıktı, çünkü Sonnet hataları düzeltmek için daha uzun çalıştı ve daha fazla token harcadı.

PRD ve kabul kriteri neden gerekli?

PRD sayıları ve akışı bağlayıcı hale getirir, böylece iki model aynı işi yapmak zorunda kalır. Kabul kriterleri ise modelin her madde için kanıt göstermesini sağlar.

Bu sonuç her proje için geçerli mi?

Hayır. Bu tek bir oyun üzerinde yapılmış bir testtir. Farklı işlerde sonuçlar değişebilir, bu yüzden kendi işinizle denemenizi öneririz.

Hangi işte Sonnet 5.5, hangi işte Opus 5.5 kullanmalıyım?

Net tanımlı ve küçük işlerde Sonnet 5.5 hem daha hızlı hem daha ucuz. Belirsiz, uzun ve görsel ayrıntı isteyen işlerde Opus 5.5 daha titiz çalışıyor. Sonnet 5.5 Opus 5.5 karşılaştırma testimizde Opus'un gerçek maliyeti etiketteki kadar yüksek çıkmadı.