Anthropic, 7 Ekim'de Claude Haiku 5.5'i 100 bin token'a kadar olan istemler için milyon girdi token'ı başına 0,10 dolar ve milyon çıktı token'ı başına 0,50 dolar fiyatlandırmayla kullanıma sundu. GPT-6 Luna ise 22 Eylül'den bu yana tam olarak 0,10 ve 0,50 dolarlık liste fiyatına sahipti; üstelik önbellek (cache) fiyatları da birebir aynıydı: okuma için 0,01 dolar, yazma için 0,125 dolar. Sonnet 5.5'in 2 ve 10 dolarlık fiyatla GPT-6 Sol ile eşitlenmesinden dokuz gün sonra, ekonomik segmentte de aynı denklik yakalandı.
Fiyatların birebir örtüşmesi seçimi kolaylaştırmıyor, aksine daha da zorlaştırıyor; çünkü asıl iş hacmi tam da bu ekonomik segmentte dönüyor: triyaj, özetler, test iskeleleri ve daha önce de savunduğumuz gibi ekonomik bir Runtime'a ait olan işler. İkisi arasında hislerinize göre bir seçim yaparsanız, eninde sonunda her ikisi de panoda yerini alır: biri Claude Code'da, diğeri Codex'te. Sonrasında ise kimse hangi Agent'ın ne üzerinde çalıştığını, hangi çalıştırmanın tamamlandığını veya geçen salı bir hatanın yanlış yönlendirilmesine yol açan triyaj özetini hangisinin yazdığını takip edemez hale gelir.
Özetle
Claude Haiku 5.5 ve GPT-6 Luna yalnızca 100 bin girdi token'ının altında aynı maliyete sahip. Bu sınır aşıldığında Haiku 5.5'in maliyeti 0,50 $/2,50 $'a çıkarken, Luna 272 bin token'a kadar liste fiyatını koruyor ve ardından 0,20 $/0,75 $'a yükseliyor; dolayısıyla faturaların asıl ayrıştığı nokta uzun ajan (agent) oturumları oluyor. Her iki modeli de içeren tek sağlayıcı tablosu olan Anthropic'in lansman tablosunda, Haiku 5.5 ortak paylaşılan tüm satırlarda daha yüksek puan alıyor. Maliyet grafiklerinde ise Luna; bilgi odaklı işlerdeki (knowledge work) her efor düzeyinde ve bilgisayar kullanımında (computer use) her iki modelin de aynı maliyete sahip olup Haiku 5.5'in yaklaşık 16 puan önde olduğu orta (medium) düzey hariç tüm seviyelerde deneme başına daha ekonomik kalıyor. Tabii bu yalnızca tek bir sağlayıcının tablosu ve henüz Haiku 5.5 için bağımsız bir test sonucu bulunmuyor. Yönlendirmeyi istem boyutuna ve kendi Task'lerinizde ölçtüğünüz sonuçlara göre yapın; her iki Runtime'ı da elde tutmak gayet makul bir yaklaşımdır.
İstem uzayana kadar fiyatlar birebir aynı
Manşetlerdeki bu fiyat eşitliği yalnızca belirli bir istem boyutu aralığında geçerli. Her iki sağlayıcı da uzun istemleri farklı eşiklerde ve farklı oranlarda yeniden fiyatlandırıyor:
| İstekteki girdi token'ı | Haiku 5.5, 1M girdi / çıktı başına | GPT-6 Luna, 1M girdi / çıktı başına |
|---|---|---|
| 100 bine kadar | $0.10 / $0.50 | $0.10 / $0.50 |
| 100 bin - 272 bin arası | $0.50 / $2.50 | $0.10 / $0.50 |
| 272 bin üzeri | $0.50 / $2.50 | $0.20 / $0.75 |
Anthropic'in fiyatlandırma dokümanları durumu açıkça ortaya koyuyor: 100.000 token'ın üzerindeki bir istem daha yüksek fiyatlarla ücretlendirilir. OpenAI'ın Luna model sayfası ise 272 bin girdi token'ını aşan istemleri, isteğin tamamı için girdi ve önbellek tarafında 2 kat, çıktı tarafında ise 1,5 kat olarak fiyatlandırıyor. Toplu işleme (batch processing) ise her iki modelde de fiyatları yarıya indiriyor.
Bu durum sohbetten ziyade ajanlar için çok daha kritik; çünkü bir ajan oturumu her adımda bağlamını baştan gönderir. Anthropic, Haiku 4.5'e gelen isteklerin %90'ının 100 bin token'ın altında kaldığını belirtiyor; ancak uzun bir kodlama oturumu sıradan bir istek sayılmaz. Claude Code, Haiku 5.5 dahil olmak üzere 1 milyon token yerel bağlama sahip modelleri varsayılan olarak yaklaşık 967 bin token seviyesinde otomatik olarak sıkıştırır. Dolayısıyla Haiku 5.5 üzerindeki uzun bir Claude Code çalıştırması, turlarının büyük kısmını 100 bin sınırının üzerinde ve liste fiyatının beş katına mal olarak geçirebilir. Luna üzerinde çalışan Codex ise ek ücret eşiğine ulaşmadan önce 172 bin token daha geniş bir alana ve bu eşik aşıldığında da çok daha düşük bir ek ücrete tabidir.
Üstelik token sayıları sağlayıcılar arasında birebir örtüşmez. Anthropic, aynı metnin Haiku 5.5'te Haiku 4.5'e kıyasla yaklaşık %30 daha fazla token ürettiğini ifade ediyor. Bir Hacker News yorumcusu, güncel Claude modellerindeki 100 bin token'ın kabaca 60 bin ila 65 bin güncel GPT token'ına denk geldiğini tahmin etmişti. Bu bilimsel bir ölçüm değil, bir tahmin; ancak işaret ettiği sonuç aynı: Aynı kod deposu (repository), Haiku 5.5'in ekonomik fiyat bandını çok daha çabuk doldurur.
Anthropic'in tablosu neyi karşılaştırmamıza olanak tanıyor?
Haiku 5.5 lansman yazısında Luna değerlerinin de yer aldığı altı satır bulunuyor. Haiku 5.5 verileri maksimum efor (max effort) düzeyini yansıtıyor:
| Satır | Haiku 5.5 | GPT-6 Luna | Luna verisinin kaynağı |
|---|---|---|---|
| GDPval-AA v2.1 (knowledge work) | 1620 | 1437 | Anthropic tarafından alıntılanan yayımlanmış veri |
| AA-Briefcase v1.1 | 1578 | 1336 | Anthropic tarafından alıntılanan yayımlanmış veri |
| OSWorld 2.1, offline subset | 72.4% | 48.9% | Anthropic tarafından OpenAI API'si üzerinden çalıştırıldı, 82 görev |
| Terminal-Bench 4.0 | 39.2% | 16.4% | Herkese açık liderlik tablosu, maksimum eforda Codex CLI |
| FrontierCode 1.1 (Main) | 46.4% | 42.4% | Anthropic tarafından alıntılanan yayımlanmış veri |
| Chartography, no tools | 46.4% | 29.1% | Surge AI tarafından bildirildiği üzere |
Haiku 5.5 her satırda önde görünüyor. Ancak bunun kesin bir hüküm olmasını engelleyen iki önemli detay var: Birincisi, bu tablo Anthropic'e ait; ikincisi, lansman sayfasında puanlar deneme başına maliyete göre grafiğe dökülmüş durumda ve bu grafikler tek başına puanların anlattığından çok farklı bir tablo ortaya koyuyor:
| Effort | OSWorld: Haiku 5.5 | OSWorld: Luna | GDPval-AA: Haiku 5.5 | GDPval-AA: Luna |
|---|---|---|---|---|
| low | 42.0%, $0.07 | 19.2%, $0.04 | 1125, $0.012 | 1036, $0.004 |
| medium | 53.3%, $0.13 | 37.5%, $0.13 | 1277, $0.030 | 1262, $0.020 |
| high | 61.3%, $0.18 | 42.3%, $0.14 | 1420, $0.089 | 1344, $0.030 |
| xhigh | 67.6%, $0.28 | 44.8%, $0.17 | 1513, $0.267 | 1364, $0.050 |
| max | 72.4%, $0.61 | 48.9%, $0.21 | 1620, $0.866 | 1437, $0.090 |
GDPval-AA testinde Luna, her efor seviyesinde görev başına daha ucuz. OSWorld'de ise her ikisinin de deneme başına yaklaşık 13 sente mal olduğu orta (medium) seviye haricinde her düzeyde daha ekonomik. Bilgisayar kullanımında (computer use) aradaki puan farkı maliyeti önemsiz kılacak kadar belirgin: Haiku 5.5 orta seviyede, Luna'nın maksimum seviyedeki performansını daha az maliyetle geride bırakıyor. Bilgi odaklı işlerde ise makas neredeyse kapanıyor: Haiku 5.5 yüksek seviyede ve Luna maksimum seviyede görev başına yaklaşık dokuz sent maliyete ulaşıyor ve aralarında yalnızca 17 Elo puanı kalıyor; üstelik Haiku 5.5'in maksimum seviyesi, Luna'nınkinin neredeyse on katına mal oluyor.
Dikkate alınması gereken iki kısıtlama daha var. OSWorld'ün manşet skoru kısmi puanlamaya (partial credit) dayanıyor; Anthropic'in sistem kartı Haiku 5.5'in kesin başarı oranını (strict pass rate) %37,1 olarak belirtirken, Luna için kesin bir oran yayımlanmış değil. Bunun inceleme kuyruğuna (review queue) olan etkisini tarayıcı ajanları hakkındaki yazımızda ele almıştık. Ayrıca her iki model de kodlama tarafında lider konumda değil: Anthropic'in kendisi bile karmaşık ajan tabanlı kodlama işleri için Sonnet 5.5 ve Opus 5.5'in daha iyi birer seçenek olmaya devam ettiğini belirtiyor.
Her modelin etrafındaki Runtime
Model, kararın yalnızca yarısını oluşturur. Her biri genellikle farklı bir Runtime içinde sunulur ve bu Runtime'lar panoda farklı davranışlar sergiler.
claude-haiku-5-5 üzerinde Claude Code. Claude Code v2.1.293 veya sonraki bir sürüme ihtiyaç duyar; claude --model claude-haiku-5-5 komutuyla başlatabilir veya /model ile geçiş yapabilirsiniz. haiku takma adı (alias) yalnızca Anthropic API'sinde Haiku 5.5 anlamına gelir; Bedrock, Google Cloud, Microsoft Foundry ve AWS üzerindeki Claude Platform'da hâlâ Haiku 4.5'e yönlendirilir, bu nedenle tam model kimliğini (id) sabitleyin. Varsayılan efor orta (medium) düzeydedir ve Claude Code, Haiku 5.5 üzerinde düşünme (thinking) özelliğini kapatamaz. Max ve Team planları için sağlanan yeni aylık API kredileri Claude Code'u kapsamaz, bu yüzden bu Runtime'ın masraflarını karşılamaz.
gpt-6-luna üzerinde Codex. Luna; Plus, Pro, Business, Enterprise ve Edu planlarında Codex içinde çalışır. API akıl yürütme eforu (reasoning effort) none ile max arasında değişir ve varsayılan olarak medium ayarlanmıştır; bu nedenle birisi değiştirmediği sürece her iki model de orta (medium) seviyede başlar.
Davranışsal bir fark var ki dipnotta kalmamalı, doğrudan panoda yer almalı. Haiku 5.5, sunucu tarafında bir geri dönüş (fallback) mekanizması olmaksızın istekleri reddedebilen güvenlik sınıflandırıcıları çalıştırır; üstelik Anthropic'in sistem kartına göre otomatik davranış denetiminde diğer tüm modellerden daha fazla "aşırı ret" (over-refusal) vermiştir. Bir ret (refusal), sonuç üretmeden sonlanan bir çalıştırma demektir. Bu durum, kimsenin izlemediği bir terminal penceresinde kaybolup gitmek yerine, Task üzerinde açıkça görünür bir başarısızlık olarak yansıtılmalıdır.
Kendi Task'leriniz üzerinde modelleri nasıl karşılaştırırsınız?
Sharkly model seçimi yapmaz. Agents dokümantasyonunda şu ifade yer alır: “Agent, Runtime'ın varsayılan modelini izler. Belirli bir model adını taahhüt etmez veya görüntülemez. Modelleri değiştirmek için Agent veya Runtime üzerindeki Custom arguments alanında bir model belirtin; örneğin model: model-name.” Agent üzerinde bir model açılır menüsü (dropdown) bulunmaz. Dolayısıyla kurulum, her biri kendi kulvarına göre adlandırılmış, her Runtime için birer tane olmak üzere iki Agent şeklindedir:
Agent A: Claude Code Runtime, Custom arguments model: claude-haiku-5-5
Agent B: Codex Runtime, Custom arguments model: gpt-6-luna
Tasks: the same description and starting commit, one Task per Agent,
drawn from jobs you actually hand the cheap tier
Accept: one acceptance check, written before either run starts
Record: accepted y/n, review minutes, reruns, refusals,
whether the run crossed 100K (Haiku) or 272K (Luna) input tokens,
provider cost from your own Anthropic and OpenAI bills
Model kullanımı bu araçlarda yapılandırılmış abonelikler veya API anahtarları üzerinden gerçekleşir, bu nedenle her iki fatura da doğrudan sağlayıcılarda kalır. İnceleme süresi argümanıyla birlikte yöntemin tamamı, Sonnet 5.5 ile GPT-6 Sol karşılaştırmamızda ve kodlama ajanlarını genel testler yerine kendi kod tabanınızda nasıl karşılaştıracağınızı anlatan yazımızda yer alıyor. Haiku'ya özel kurulum adımları ise Sharkly'de Claude Haiku 5.5 ajanlarını çalıştırma rehberinde bulunabilir.
Bu ikilinin ihtiyaç duyduğu ek sütun ise istem boyutu sütunudur. Ucuz modellerin ne zaman daha pahalıya mal olduğunu ele aldığımız yazıda da vurguladığımız gibi, Haiku 5.5'te 100 bini aşan "ekonomik" bir çalıştırma asla 10 sentlik bir çalıştırma değildir; üstelik iki kez yeniden çalıştırılması gereken ekonomik bir işlem ise hiç de ucuza gelmez.
Neden “ikisi birden” demek gayet geçerli bir yanıttır?
Yayımlanan veriler tek bir net kazanan ortaya koymuyor; fiyat tablosu ise kararın ikiye bölünmesini neredeyse kaçınılmaz kılıyor.
İstemleriniz 100 bin token'ın altında kaldığında, yapılan iş Haiku 5.5'in OSWorld farkının en belirgin olduğu tarayıcı veya masaüstü görevleri olduğunda ya da ekonomik işler lider bir Claude modelinin altında alt ajan (subagent) olarak çalıştığında Haiku 5.5'i tercih edin (alt ajan mı yoksa bağımsız bir Agent mı yazımız bu işlerin nerede konumlandırılması gerektiğini inceliyor). Görevler rutin olarak uzun günlük özetleri veya büyük diff'ler gibi 100 bin ila 272 bin token'lık bağlam taşıdığında ya da deneme başına en düşük maliyet belirleyici olduğunda ise Luna'yı kullanın. Yalnızca Claude Code kullanıyorsanız ve düşük maliyetli görevleriniz kısa sürüyorsa, ikinci bir ucuz Runtime'a hiç ihtiyaç duymayabilirsiniz.
Her ikisini bir arada tutmak, ancak kaydın tutulduğu ana merkezin Runtime değil Task olması durumunda işe yarar. Ajanlar araştırır, yürütür, test eder ve raporlar. İnsanlar ise yönü belirler, yetki verir ve sonucu onaylar. İki laboratuvar üç hafta içinde ekonomik segmenti birebir aynı şekilde fiyatlandırdı ve bir sonraki hamleyi herhangi biri yapabilir; bir sonraki raundu hangi Runtime kazanırsa kazansın, bağlam, ilerleme, engeller, sonuçlar ve insan incelemesi talepten sürüme kadar şeffaf kalmalıdır. Kendinizi tek bir ekosisteme hapsetmek yerine birden fazla kodlama ajanını bir arada kullanmaya devam etmek istiyorsanız, Sharkly tam da bu sorunu çözmek üzere tasarlanmıştır.
