Benchmark Rekabeti Kızışıyor

OpenAI, GPT-5.3-Codex'in dört programlama dilinde gerçek dünya yazılım mühendisliğini değerlendiren SWE-Bench Pro benchmark'ında şu ana kadarki tüm modeller arasında en iyi skora sahip olduğunu iddia ediyor. Aynı durum, kodlama asistanlarının ihtiyaç duyduğu terminal becerilerini ölçen Terminal-Bench 2.0 için de geçerli.

Anthropic ise aynı gün duyurduğu yeni Claude Opus 4.6 modelinin Humanity's Last Exam (karmaşık disiplinler arası akıl yürütme), GDPval-AA (ekonomik değeri olan bilgi işi) ve BrowseComp (bulunması zor bilgi arama) dahil olmak üzere çeşitli endüstri benchmark'larında en üst puanları elde ettiğini açıkladı.

Kodlamadan Bilgi İşine Geçiş

OpenAI, Codex'in kodlama becerilerini genişleten aynı agentic (ajanlık) yeteneklerinin yazılım geliştirme alanının çok ötesindeki görevlere de uygulanabileceğini belirtiyor. Bu yetenekler, sunum slaytları oluşturma ve elektronik tablolardaki verileri analiz etme gibi işlevlere kadar uzanıyor.

44 meslek grubunda belirgin şekilde tanımlanmış bilgi işi görevlerindeki performansı ölçen GDPval değerlendirmesinde GPT-5.3-Codex, daha güçlü kodlama yetenekleri ekleyerek GPT-5.2 ile eşleşiyor. Görsel masaüstü ortamında bilgisayar kullanımını test eden OSWorld-Verified'da ise GPT-5.3-Codex %64.7 doğruluk oranına ulaşırken, bu oran önceki modelde %38.2 seviyesindeydi.

Anthropic de Claude Code aracını aynı yönde geliştirerek daha geniş bir bilgi işçisi kitlesine çok daha kapsamlı bir iş görevi setiyle yardımcı olmayı hedefliyor.

Siber Güvenlikte Yeni Standart

GPT-5.3-Codex, OpenAI'nin Hazırlık Çerçevesi kapsamında siber güvenlikle ilgili görevler için "yüksek yetenekli" olarak sınıflandırdığı ilk model olma özelliğini taşıyor. Aynı zamanda şirketin yazılım güvenlik açıklarını tespit etmek için doğrudan eğittiği ilk model. OpenAI, özellikle açık kaynak yazılımlar ve kritik altyapı sistemleri için siber savunmayı hızlandırmak amacıyla 10 milyon dolar değerinde API kredisi taahhüt ediyor.

Erişim ve Kullanım

GPT-5.3-Codex şu anda ücretli ChatGPT abonelerine Codex uygulamasında, komut satırı arayüzünde, bir IDE uzantısı olarak ve web üzerinden sunuluyor. OpenAI, modelin API erişimini (kurumsal ve bağımsız geliştiriciler tarafından kullanılan) yakında etkinleştirmek için çalıştığını belirtiyor.

Bu gelişmeler, yapay zeka destekli kodlama araçları pazarındaki rekabetin ne kadar kızıştığını gözler önüne seriyor. Hem OpenAI hem de Anthropic, sadece geliştiricilere değil, geniş bir bilgi işçisi kitlesine hitap eden araçlar geliştirerek pazar paylarını artırmayı hedefliyor. Önümüzdeki dönemde bu rekabetin yazılım geliştirme süreçlerini ve genel iş yapış şekillerini nasıl dönüştüreceği merakla takip ediliyor.