Fable 5.2’ye Aynı Uygulamayı Her Efor Seviyesinde Yaptırdım
Mert Durmazer | Digital Academy · 2026-11-10
💡 Hızlı Bilgi
1. Konuşmacı, Anthropic tarafından 9 Kasım'da çıkarılan yeni Fable 5.2 modelini test ediyor ve aynı işi altı farklı efor seviyesinde (Low, Medium, High seviyesinin iki farklı varyasyonu, Extra High ve Max) deniyor.
2. Testte, içinde 16 hata saklanmış olan 18 kişilik hayali bir mobilya şirketinin verileri ve 6 paralel ajan kullanılıyor; tüm seviyeler 16 sorunun 16'sını da doğru buluyor.
3. Efor seviyesi arttıkça süre ve maliyet katlanarak artıyor; Low seviyesi işi 21 dakikada ve 10 dolara tamamlarken, Max seviyesi neredeyse 2 saat sürüyor ve 56 dolar tutuyor.
4. Konuşmacıya göre fatura kontrolü, mesaj sıralama veya sözleşme okuma gibi tarifi net işlerde Low veya Medium seviyeleri yeterli oluyor ve üst seviyelerden daha doğru bir süre-maliyet dengesi sunuyor.
5. Konuşmacının önerisi: Tasarımın veya görsel işçiliğin önemli olduğu çok parçalı işlerde High seviyesine çıkılması, Max seviyesinin ise ancak High yetersiz kaldığında nadiren denenmesi gerekiyor.
📊 Detaylı Açıklama
Konuşmacı, yeni çıkan Fable 5.2 modelinin kapasitesini ölçmek için yapay zekaya tam teşekküllü bir şirket kurduruyor. Müşteri hizmetleri, muhasebe, sevkiyat, insan kaynakları ve satış departmanlarında çalışan altı ajan, gelen faturaları, teslimatları ve mesajları işliyor. Verinin içine iki kez gelen faturalar, değişen IBAN bilgileri, avukat tehditleri ve ajanı kandırmaya çalışan tuzak mesajlar gibi 16 farklı sorun gizleniyor. Test sonuçlarına göre, altı farklı efor seviyesinin tamamı 16 sorunun 16'sını da hatasız buluyor ve hiçbir ajan tuzak mesaja kanmıyor. Ancak aradaki en büyük fark, harcanan süre ve API maliyeti olarak ortaya çıkıyor. Low seviyesi işi 21 dakikada ve 10 dolara bitirirken, en üst seviye olan Max neredeyse iki saat sürüyor ve 56 dolara mal oluyor. Max seviyesi ekstra olarak fazladan dört faturayı temkinli davranıp bekletse de, temel bulgu kalitesinde altı seviye arasında dramatik bir fark görülmüyor.
Görsel tasarım ve ofis içi detaylar efor seviyesi arttıkça zenginleşiyor. Low seviyesinde sade ve düz renkli bir ofis ortaya çıkarken, High ve Max seviyelerinde üç boyutlu hazır modeller, canlı ekranlar ve detaylı karar listeleri görünüyor. Ancak konuşmacı, aynı seviyenin bile iki farklı çalıştırılışında farklı tasarımlar üretebildiğini, bu yüzden tek bir denemeye bakarak ofis kalitesini efor seviyesine bağlamanın yanlış olacağını vurguluyor. Fatura kontrolü, hukuki risk analizi ve müşteri e-postası yazma gibi daha küçük ve net işlerde de benzer sonuçlar alınıyor. Low seviyesi bu işleri saniyeler içinde çok daha ucuza tamamlarken, Max seviyesi dakikalar sürüyor. Konuşmacı, şirket içinde veri güvenliği ve maliyet açısından her zaman en devasa modelleri kullanmanın gerekmediğini, yerel (local) modellerin de benzer başarıları yakalayabildiğini belirtiyor.
🎯 Teknoloji Uzmanı Yorumu
Konuşmacının gerçekleştirdiği bu çok aşamalı efor testi, yapay zeka dünyasında "daha yüksek güç her zaman daha iyi sonuç verir" ezberini somut verilerle sorgulatıyor. Tüm efor seviyelerinin aynı 16 hatayı hatasız yakalaması, temel akıl yürütme becerisinin düşük ayarlarda bile tatmin edici düzeyde çalıştığını kanıtlıyor. Bu durum, şirketlerin günlük rutin operasyonlarında en pahalı ve uzun süren modları seçmesinin gereksiz maliyet artışına yol açabileceğini gösteriyor.
Maliyet ve süre optimizasyonu açısından, konuşmacının Low ve Medium seviyelerini standart işler için önermesi mantıklı görünüyor. Çünkü fatura kontrolü veya kısa metin analizi gibi işlemlerde saniyeler içinde sonuç almak, iş süreçlerinin haccını korumak adına kritik önem taşıyor. Max seviyesinin getirdiği aşırı temkinlilik, bazı geçerli ödemeleri gereksiz yere bekletmesi gibi operasyonel tıkanıklıklara da yol açabiliyor.
Görsel işçilik ve çok katmanlı ajan mimarileri kurma aşamasında High seviyesine çıkmak anlamlı bir hamle olabilir. Ancak şirketlerin veri güvenliği ve bütçe dengesi gözetildiğinde, her iş yükü için en üst düzey bulut modellerini zorlamak yerine lokal alternatifleri değerlendirmek uzun vadede daha sürdürülebilir bir strateji olarak öne çıkıyor.