Fable 5.1 Zeka Değil Güven Satıyor: Anthropic’in İtirafı ve Türk Girişimci İçin Yeni Sınav

Fable 5.1 Zeka Satmıyor, Güven Satıyor: Anthropic’in Üç Satırlık İtirafı ve Türk Girişimci İçin Yeni Sınav

Özet: Anthropic’in 1 Eylül’de duyurduğu Claude Fable 5.1 benchmark rakamıyla değil üç davranış vaadiyle geldi: sade dil, doğrulanmış tablo, kaynak gösterme. Bu yazı Fable 5’in resmi rakamlarını, testlerdeki çelişkiyi ve 5.1’de bilinen ile bilinmeyeni ayırıyor; sonra asıl meseleye giriyor: iyi yazmak, iyi bilmek değildir. Kapanışta Türk girişimci için beş somut aksiyon var.

Giriş: Rakamsız bir duyuru

1 Eylül 2026, saat 21:01. Claude uygulamasında bir kart: “Claude Fable 5.1 kullanıma hazır. Max planı kullanımının yüzde 50’sine kadar dahil.” Altında üç madde. Hiçbirinde benchmark, hiçbirinde “en güçlü”, hiçbirinde yüzde işareti yok.

Sade dilde yazar, ne istediysen onu yapar. Bitmiş tablo üretir, her sayıyı kontrol eder. Kaynak gösterir, bildiğini tahmininden ayırır.

Aynı şirket 9 Haziran’da Fable 5’i tanıtırken tam tersini yapmıştı; rakamla, kademeyle, üstünlükle. Bu yazının tezi şu: aradaki fark bir pazarlama tercihi değil, sektörün yön değiştirdiğinin belgesi. Yarış zekadan güvene döndü. Ve bu soruyu masaya koyuyor: iyi yazmak ne zaman iyi bilmekle aynı şey oldu?

1. Fable 5 ne getirmişti: Resmi tablo

Anthropic Fable 5’i Opus’un üstünde yeni bir kademe olarak sundu: Mythos sınıfı. Nisan’da yalnızca siber savunma ortaklarına açılan Mythos Preview’un halka açık, güvenlik sınıflandırıcılı hali. Resmi duyurudaki veriler:

• SWE-Bench Pro: yüzde 80,3. GPT-5.5: yüzde 58,6. Fark 22 puan.
• Stripe: 50 milyon satırlık Ruby kod tabanında, bir ekibin iki ayda yapacağı geçiş bir günde.
• Hebbia Finance Benchmark: tüm modeller arasında birinci; belge, tablo ve grafik yorumlamada belirgin artış.
• Cognition FrontierCode: orta efor seviyesinde bile en yüksek puan.
• Anaconda Excel testi: Opus 4.8’e karşı her efor seviyesinde önde, yüzde 25-30 daha hızlı bitiş.

Teknik: 1M token bağlam, 128K çıktı, milyon token başına 10 dolar giriş, 50 dolar çıkış. Mythos Preview’un yarı fiyatı.

Ardından 12 Haziran’da ABD ihracat kontrolü geldi; model dünya çapında üç gün kapandı, 1 Temmuz’da yeniden açıldı. O krizi “Hangi Model Değil, Hangi Pasaport” yazısında analiz etmiştim. Bu yazı modelin gücüne değil, güvenilirliğine bakıyor.

2. Resmi tablonun altındaki iki çatlak

Çatlak 1: Fallback oranı. Anthropic’in kendi verisine göre siber, biyoloji-kimya ve distilasyon sınıflandırıcıları oturumların yüzde 5’inden azında tetikleniyor ve cevap Opus 4.8’e düşüyor. Şirket bunu dürüstçe yazıyor. Pratikte anlamı şu: yirmi oturumdan birinde ödediğiniz modelle konuşmuyorsunuz, ve sınıflandırıcı zararsız istekleri de yakalayabiliyor.

Çatlak 2: Vending-Bench. Andon Labs’in uzun ufuklu ajan testi, modele sanal bir otomat işletmesi verip aylarca kâr üretmesini ister. Kısıtsız Mythos 5 bu testte Opus 4.7 ve GPT-5.5’ten daha az para kazandı. Tek testi genellemek yanlış olur; ama sinyal net: benchmark liderliği, uzun süreli ekonomik kararlarda otomatik olarak üstünlüğe dönüşmüyor.

İkisini yan yana koyun: model çok şey biliyor, ama ne zaman bilmediğini her zaman söylemiyor ve uzun vadeli işletme kararlarında bunun bedeli ölçülebiliyor. 5.1’in üç maddesi bu iki çatlağa yazılmış cevap.

3. 5.1 hakkında bilinen ve bilinmeyen

Bilinen: uygulama içi duyuru 1 Eylül’de çıktı. Max planında kullanımın yüzde 50’sine dahil. Fable 5’in nokta sürümü; Mythos sınıfı ve güvenlik sınıflandırıcılı konumlanma korunuyor. Üç davranış vaadi: sade dil, doğrulanmış tablo, kaynak ve bilinen/tahmin ayrımı.

Bilinmeyen: resmi benchmark tablosu, API model kimliği, fiyat ve bağlam penceresi bu yazı yazılırken yayınlanmadı. Temmuz sonundan itibaren “model hazır, bekletiliyor” anlatısı dolaştı; 28 Ağustos, 31 Ağustos ve 5 Eylül tarihleri gezdi. En somut teknik sinyal, 31 Ağustos’ta Amazon Bedrock’ta Fable 5.1 kimliğinin “model bulunamadı” (404) dönmesiydi; uydurma kimlikler “geçersiz” (400) dönüyor. Sızıntılar fiyatın 10/50 dolarda kaldığını iddia ediyor, teyit yok.

Bu ayrımı bilerek koyuyorum. 5.1’in üçüncü vaadini yazının kendisine uyguluyorum: bildiğim, Anthropic’in resmi metni ve ekranımdaki kart. Tahminim, sızıntı kronolojisi. İkisini aynı cümleye koymuyorum.

4. Sahada sorun hiç zeka olmadı

Bu yıl Antalya’dan Maraş’a düzinelerce işletmeyle konuştum. Hiçbiri masaya “model yeterince zeki değil” diye oturmadı. Hepsi aynı cümleyle oturdu: “Geçen ay denedim, rakamı uydurdu, bir daha güvenmedim.”

Geçen kış bir distribütörün sipariş verisini modele okuttuk. Rapor kusursuz görünüyordu; tek bir bayinin cirosunu iki ay birleştirip tek aya yazmıştı. Patron o rakamı görünce toplantıyı bitirdi. Sistem doğruydu, veri doğruydu, model bir yerde tahmin etti ve söylemedi. Proje üç ay durdu.

Bir çağrı merkezinde model müşteriye “ödemeniz muhtemelen alınmıştır” dedi. Tahsilat aramasında “muhtemelen” kelimesinin yeri yok; kayıt varsa var, yoksa yok. O günden beri modelin önüne bir kapı koyuyoruz: kaynağı yoksa cümle müşteriye gitmiyor. Bu kapıyı iki yıldır elle kuruyoruz, çünkü Türk patronun ilk yanlış rakamdan sonra ikinci şansı yok.

5.1’in vaadi, o kapının modelin içine girmesi. İyi haber. Ama modelin kaynak göstermesi sizin verinizin doğru olduğu anlamına gelmez. Girdi çöpse, kaynaklı çöp alırsınız.

5. İyi yazmak, iyi bilmek değildir

Buraya kadar rakam ve tarih konuştuk. Şimdi asıl meseleye geleyim, çünkü 5.1’in üç maddesi de tek bir yaraya bakıyor.

Model olasılık üretir. Ona bağlam verirsin, o da token dağılımından “buradan sonra en çok ne gelir” sorusunu cevaplar. Kodun ne yaptığını bilmez, neye benzediğini bilir. Çoğu zaman bu ikisi örtüşür. Örtüşmediği yerde işler açılır.

Bu yüzden “reasoning effort’u yükselt” demek çare değil. Model yanlış bir varsayımla yola çıktıysa, fazladan düşünmek onu doğruya çevirmez, yanlışın altını doldurur. Sonunda önüne düzgün cümlelerle savunulmuş, kendinden çok emin bir hata gelir. En tehlikelisi de budur, çünkü itiraz edecek halin kalmaz. 5.1’in “sade dil” vaadi de iki yönlü: daha sakin bir dil, daha ikna edici bir yanlış demektir.

Asıl soru şu: modelin dediğine “hayır” diyebilen deterministik bir katmanın var mı? Tip kontrolü, unit test, integration test, CI pipeline, “bu değişiklik merge olmuyor” deyip kapıyı tutan bir bekçi. Yoksa model kullanmıyorsun, bir tahmin makinesine limitsiz kredi açıyorsun.

Sahada tek şey öğrendim: model “bitti, çalışıyor” der, test suite “hayır” der. Bunu yüz kere yaşadım. Testim olmasaydı hangisine inanırdım? Kendine güvenen tarafa. Yani sorgulanmamış olana.

Model büyüdükçe hatalar kaybolmuyor, kılık değiştiriyor. Daha temiz yazılıyor, daha geç fark ediliyor. Eskiden ilk review’da yakaladığın şeyi artık production’da müşteri buluyor. Fatura da orada kesiliyor.

Şunu da söyleyeyim: herkes yapay zekacı oldu. Prompt yazan, demo çeviren, ekran görüntüsü paylaşan çok. Sistem kuran az. Çünkü sistem kurmak model seçmek değil; modelin etrafına onu ölçen, sınırlayan, gerektiğinde reddeden bir mimari kurmak. O iş hâlâ zor, hâlâ nadir, hâlâ mühendislik. 5.1 o mimarinin küçük bir parçasını modelin içine taşıyor, hepsini değil.

6. Türk girişimci için beş aksiyon

1. Doğrulama test seti kurun. Şirket verinizden 10-20 soru. Her cevabı “biliyor / tahmin ediyor / uydurdu” diye etiketleyin. Yeni sürüme geçmeden önce ve sonra aynı seti çalıştırın; fark, gerçek kazancınızdır.
2. İlk iş yükü tablo olsun. 5.1’in en ölçülebilir vaadi Excel. Nakit akışı, stok, tahsilat listesi. Formülleri kontrol ettirin, muhasebeciyle çapraz doğrulayın.
3. Kaynak zorunluluğunu sistem prompt’una yazın. “Kaynağını göster, bilmiyorsan bilmiyorum de.” Kaynak veremeyen cümle karar dosyasına girmez; bunu kural yapın, ricaya bırakmayın.
4. Çoklu model mimarisi kurun. Fable 5 üç gün kapandı, fallback yüzde 5, fiyat en pahalı kademe. Kritik akışta yedek rota ve model geçişini konfigürasyonda tutun, kodda değil.
5. Bütçeyi zekaya değil doğrulamaya ayırın. Bir üst modele ödeyeceğiniz farkı, çıktıyı test eden kontrol katmanına harcayın. Güven, modelden değil sistemden gelir.

Sıkça Sorulan Sorular

Claude Fable 5.1 nedir?

Anthropic’in Mythos sınıfı modeli Fable 5’in nokta sürümü. 1 Eylül 2026’da Claude uygulamasında duyuruldu; öne çıkan vaatleri sade dil, doğrulanmış tablo üretimi ve kaynak gösterme.

Fable 5.1 benchmark sonuçları açıklandı mı?

Bu yazı yazılırken hayır. Fable 5’in resmi rakamları var (SWE-Bench Pro yüzde 80,3, Hebbia birincilik). 5.1 için yalnızca sızıntı ve tarih tahminleri dolaşıyor.

Reasoning effort’u artırmak doğruluğu artırır mı?

Model doğru varsayımla başladıysa evet, cevap derinleşir. Yanlış varsayımla başladıysa hayır; yanlışı daha tutarlı savunur. Doğruluk düşünme süresinden değil, çıktıyı doğrulayan deterministik katmandan gelir.

Mythos 5 ile Fable 5 farkı ne?

Aynı model. Fable 5 güvenlik sınıflandırıcılı halka açık sürüm; Mythos 5 sınıflandırıcıları kısmen kaldırılmış, yalnızca onaylı kurumlara açık sürüm.

KOBİ Fable 5.1’e geçmeli mi?

Önce kendi doğrulama test setinizle ölçün. Tablo ve kaynak gerektiren işlerde deneyin; kritik akışta tek modele bağlanmayın.

Tez: Yapay zekada yarış zekadan güvene döndü. Kazanan en çok bilen değil, ne bilmediğini söyleyen. Modelin ne dediğini okuyup ölçebilen, gerektiğinde “olmamış” deyip geri çeviren biri hâlâ masada. Model ne kadar büyürse büyüsün, o sandalye küçülmüyor.

Sizin şirketinizde bilinen ile tahmin edilen ayrı mı duruyor, yoksa aynı Excel hücresinde mi?