GPT-6 Sol görev başına 0,27 dolara: Sabit ajan bütçeniz artık neye yetiyor?

OpenAI, GPT-6 Sol'u AutomationBench görevi başına 0,27 dolara koydu; Claude Opus 5 ise bunun 11,1 katı. Sabit aylık bir ajan bütçesinin artık neleri satın alabildiği ve yeni üst sınırın neden inceleyicileriniz olduğu.

Aiden Flux

Aiden Flux

4 Kasım 2026

GPT-6 Sol görev başına 0,27 dolara: Sabit ajan bütçeniz artık neye yetiyor?

Birkaç kodlama ajanı çalıştıran çoğu ekip, model harcamalarına bir noktada aylık bir üst sınır koyar; genellikle kötü bir haftanın ardından. Bir sayı seçersiniz, fatura bunun altında kaldığı sürece eşzamanlılığı sınırlarsınız, sonraki çeyrekte yeniden bakarsınız. 2026-09-22'de o sayı sessizce eski anlamını yitirdi.

OpenAI, GPT-6 Sol'u milyon giriş token'ı başına 2 dolar, milyon çıkış token'ı başına 10 dolar fiyatla ve gpt-6-sol API kimliğiyle yayına aldı; bir token tarifesinden çok daha faydalı bir şey yayınladı: görev başına maliyet. AutomationBench 1.0.6'da Sol, ekstra yüksek akıl yürütme çabasıyla %33,2 puan alırken görev başına 0,27 dolar tutuyor. Claude Opus 5 ise maksimum çabayla %26,9 puan alıyor ve aynı test düzeneğinde Sol'un görev başına maliyetinin 11,1 katını harcıyor.

O halde sınırınızı yükseltmeden önce, şu anda ne satın aldığını hesaplayın. Çoğu ekip için cevap şu: sınır zaten kimsenin okuyamayacağı kadar çok tamamlanmış koşu satın alıyor. Yani bu sınır aslında hiçbir zaman bütçeyi korumuyordu. Farkında olmadan gözden geçirenlerinizi koruyordu ve bu koruma sona ermek üzere.

Özet

Kabul edilen değişiklik başına maliyet, bir kişinin gerçekten okuyup kabul ettiği her diff için ekibinizin model çıkarımına harcadığı tutardır ve sevk edilen işle bağlantılı tek ajan maliyet göstergesidir. Yayınlanan fiyatlarla, dört gözden geçirenli bir ekibin aylık tüm incelenebilir iş hacmi yaklaşık 136 dolarlık GPT-6 Sol'e denk gelir. Bağlayıcı kısıt faturadan kabul adımına kaydı ve hiçbir model sürümü buna dokunmuyor. Ajanlar araştırır, yürütür, test eder ve raporlar. Yönü insanlar belirler, yetkiyi insanlar verir ve sonucu insanlar kabul eder.

OpenAI'ın gerçekten yayınladığı rakamlar

OpenAI, puanı görev başına maliyetle birlikte bildiriyor; bu alışılmadık derecede dürüst ve bir fiyat listesinden çok daha faydalı.

Model, OpenAI'ın kullandığı çaba düzeyinde AutomationBench 1.0.6 Görev başına maliyet
GPT-6 Sol, ekstra yüksek %33,2 $0.27
GPT-6 Astra, düşük %30,3 Sol'un 3,9 katı
Claude Opus 5, maksimum %26,9 Sol'un 11,1 katı
Fable 5.1, Opus 5 yedekli, maksimum %31,4 Sol'un 8,9 katından fazla

OpenAI'ın birinci ve üçüncü satırlara ilişkin kendi özeti şöyle: ekstra yüksek çabayla Sol, Opus 5'in görev başına maliyetinin yaklaşık %9'una, maksimum çabayla Opus 5'i geride bırakıyor. Aynı örüntü yazının başka yerlerinde de karşımıza çıkıyor. Agents' Last Exam V1'de maksimum çabayla Sol %56,4 puanla Opus 5'in en iyi sonucunun üzerine çıkıyor ve görev başına maliyette %60 daha ucuz. DeepSWE 1.1'de maksimum çabayla Sol %68,8 puan alıyor; ekstra yüksek çabayla Fable 5'in (%69,9) yalnızca 1,1 puan gerisinde ve görev başına yaklaşık %80 daha ucuz.

Bu rakamlarla birlikte anılması gereken ama nadiren yanlarında taşınan iki çekince var. OpenAI'ın manşeti, Sol ve Luna'nın her birinin GPT-5.6 promosyon fiyatından %50 daha ucuz olduğu yönünde; "promosyon" OpenAI'ın kendi ifadesi: karşılaştırma indirimli bir tarifeye karşı yapılıyor. Ayrıca OpenAI, karşılaştırmayı Claude Opus 5'e karşı yapmış, çünkü Claude Opus 5.5 saatler sonra Opus 5'in milyon başına 5 ve 25 dolarına karşılık 4 ve 20 dolardan yayına alındı. Opus 5 sütunu güncel karşılaştırma değil, en son yayınlanmış karşılaştırma.

Bir bütçeyi koşuya dönüştürmek

0,27 doları 11,1 ile çarpın; maksimum çabayla Opus 5, o test düzeneğinde görev başına yaklaşık 3,00 dolara denk geliyor. Bu hesap OpenAI'ın iki rakamından yola çıkan bize ait. Aylık sınırı her birine bölün ve sınırın nasıl okunduğunu değiştiren tabloyu elde edin.

Aylık model bütçesi Sol ile görev sayısı, ekstra yüksek Astra ile görev sayısı, düşük Opus 5 ile görev sayısı, maksimum
$250 yaklaşık 925 yaklaşık 240 yaklaşık 83
$1.000 yaklaşık 3.700 yaklaşık 950 yaklaşık 330
$5.000 yaklaşık 18.500 yaklaşık 4.750 yaklaşık 1.660

Bir benchmark'ın görev başına maliyeti sizin görev başına maliyetiniz değildir. AutomationBench görevleri benchmark biçimli: sınırlı, kısa ve yıllara dayanan geçmişi olan bir depodaki gerçek bir iş kaydına hiç benzemiyor. Kendi görevleriniz bunun on ya da yüz katı token yakabilir. Benchmark ile sizin deponuz arasında taşınan şey mutlak dolar tutarı değil, modeller arasındaki orandır. Tabloyu değişimin şekli olarak görün, sonra kendi ajanlar arası koşu başına maliyetinizi ölçün ve yeniden ölçekleyin.

Bir düzeltme daha var ve bu sefer işler ters yöne gidiyor. Görev başına maliyet başarı başına değil deneme başına geçerli. Benchmark'ın kendi %33,2'sinde her üç denemeden kabaca ikisi sonuç vermiyor; yani Sol benchmark'ta bir başarı için yaklaşık 0,81 dolar, maksimum çabayla Opus 5 ise yaklaşık 11,15 dolar harcıyor. Bu da bize ait ve kaba bir hesap, çünkü bir benchmark geçme oranı ekibinizin kabul oranı değildir. Önemli olan yön: bir şeyi iki kez denemenin maliyeti artık o kadar düştü ki yeniden deneme stratejisi bir bütçe kararı olmaktan çıkıp bir tasarım tercihi hâline geldi.

Sınırın artık nerede durduğu

Gözden geçirme tarafını da aynı düzleme oturtalım. Bir diff'i gerektiği gibi okuyan, Ajan'ın neyi seçtiğini anlayan ve sonucun sorumluluğunu üstlenen bir gözden geçiren, bir iş günü içinde belirli sayıda değişikliği bitirir. Buna altı diyelim; siz kendi ekibinize göre uyarlayın.

Gözden geçiren sayısı Aylık kabul edilen değişiklik $0.27'den Sol maliyeti $3.00'den Opus 5 maksimum maliyeti
1 yaklaşık 126 $34 $378
2 yaklaşık 252 $68 $756
4 yaklaşık 504 $136 $1.512
8 yaklaşık 1.008 $272 $3.024

Gözden geçiren başına günde altı kabul edilen değişiklik, 21 iş günü üzerinden; varsayım da hesap da bize ait. Kendi rakamlarınızı koyun, sonuç değişmiyor: normal bir mühendislik ekibinin bir ayda gerçekten kabul edebileceği her şey, pahalı uçta bile birkaç yüz dolarlık çıkarıma denk geliyor. Dört kişilik bir ekipte 1.000 dolarlık sınır bir kısıt değil. Ekibin sindirebileceğinden yaklaşık yedi kat fazla ajan çıktısı demek.

İşini gözden geçiren bir ekip için fiyat indiriminin bütün anlamı bu. Çıktınızı artırmadı. Kuyruğun kısa olmasının son bahanesini ortadan kaldırdı ve zaten her zaman insan inceleme adımı olan darboğazı görünür kıldı.

OpenAI'ın kendi iç harcaması bir çelişki değil, faydalı bir karşı örnek. Medyan araştırmacısı API fiyatlarıyla günde 600 doların üzerinde kodlama ajanı çıkarımı yapıyor, 90. yüzdelik dilim ise günde 7.000 dolar harcıyor. Bunlar gerçek rakamlar ve yukarıdaki tabloyu gölgede bırakıyorlar, çünkü o işin şekli farklı: muazzam bir dağılım, otomatik puanlama ve her sonucu adı belli bir kişinin bir üretim dalına kabul ettiği bir adım yok. Sürecinizde o adım varsa model faturanız küçük kalır, kuyruğunuz kalmaz.

Artan bütçeyle ne alınmalı

Bütçe artık bağlayıcı olmadığında soru kaç koşu satın alınacağı olmaktan çıkıp artan parayla neye harcanacağına dönüşüyor. İki cevap, gözden geçirene gelen işi artırmak yerine azaltıyor.

Hacim değil çaba satın alın. Akıl yürütme çabası bir maliyet ayarıdır ve OpenAI'ın kendi tablosu farklı benchmark'lar için farklı düzeyler kullanıyor. 0,27 dolarlık rakam ekstra yüksek satırın rakamı, yani daha dikkatli bir koşunun primi, alternatifin %9'u kadar olan bir sayının zaten içinde. Aynı sayıda görevde bunu ödemek neredeyse hiçbir şeye mal olmuyor ve kontrolü daha kısa süren diff'ler üretiyor.

Token değil önbellek satın alın. GPT-6, önbelleğe alınmış giriş okumalarına %90 indirim uyguluyor, isabet oranlarını varsayılan olarak daha yüksek tutuyor ve akıl yürütme çabasını ya da araç kullanılabilirliğini değiştirdiğinizde artık önbelleği geçersiz kılmıyor. Açık kesme noktaları, önbelleğe alınmış bir önekin nerede biteceğine karar vermenizi sağlıyor. OpenAI, GitHub'ın milyarlarca istek boyunca yeniden işlenmesi gereken prompt token'larında %50'den fazla azalma gördüğünü aktarıyor. Bir Crew için bu, bir depodaki birinci Ajan ile onuncu Ajan arasındaki fark demek: neredeyse aynı yerleşim, ev kuralları ve konvansiyonlar önekini yeniden gönderiyorlar ve önbellek tam da bunun için var. Bir filonun faturası asıl olarak depo bağlamının token maliyetinde yaşıyor.

Dürüst karar ikilisi şu: fazladan koşular bir kişinin kabul ettiği tek bir sonuçta birleşiyorsa — örneğin bir geçiş için yapılan ve test paketinin kazananı seçtiği üç deneme — eşzamanlı koşu sayısını artırın. Her koşu kendi diff'ini, kendi özetini ve kendi kabul kararını üretiyorsa, koşular ne kadar ucuzlamış olursa olsun artırmayın. İkinci durumda iyi ölçeklenen tek şey fatura olur.

Yeni sınırı sayılabilir kılın

Bütçe, kapasite için kötü bir vekildi ama bir erdemi vardı: birinin takip ettiği bir sayıydı. Onu, artık bağlayıcı olan sayıyla değiştirin: bir insanı bekleyen tamamlanmış koşular.

Bu ancak koşular özel terminallerde yaşamayı bırakırsa ölçülebilir. Sharkly, Codex'in, Claude Code'un ya da bu modelleri çalıştıran diğer araçların yerine geçmez. Onların etrafındaki katmandır; bağlam, ilerleme, engeller, sonuçlar ve insan incelemesi talepten sürüme kadar görünür kalır. Yürütme ve engeller Görev'e geri döner, böylece "bir insanı bekliyor" cuma öğleden sonra hissettiğiniz bir duygu değil, panoda sayabildiğiniz bir durum hâline gelir. İnceleme kapasitesi hesabı ancak kuyruğu görebiliyorsanız işe yarar.

Hâlihazırda birkaç kodlama ajanı çalıştırıyorsanız, bu hafta yapılacak şey sınırı yükseltmek değil. Ekibinizin normal bir haftada kaç tamamlanmış koşuyu kabul ettiğini bulmak, eşzamanlılığı buna göre ayarlamak ve kalan bütçeyi kabul edilmesi daha kolay koşulara harcamak.

Daha fazlasını keşfedin

Lütfen çevrilmesini istediğiniz blog yazısı başlığını paylaşın.

Lütfen çevrilmesini istediğiniz blog yazısı başlığını paylaşın.

GPT-6.2 Codex kurulumu: Astra'yı mı Sol'u mu ne zaman seçmelisiniz, /model veya config.toml ile nasıl geçiş yapılır, hangi akıl yürütme çabasıyla başlamalısınız ve bir ekibin Codex ajanlarını nasıl yönlendirmelisiniz.

18 Kasım 2026

Yapay Zekâ Tarafından Üretilen Kodlar Açık Kaynak Olmalı mı? Agent'larla Geliştirme Yapan Ekipler İçin Anlamı

Yapay Zekâ Tarafından Üretilen Kodlar Açık Kaynak Olmalı mı? Agent'larla Geliştirme Yapan Ekipler İçin Anlamı

Bir Hacker News gönderisi, yapay zekâ tarafından üretilen tüm kodların açık kaynak olması gerektiğini savunuyor. İşte bu argüman, karşı argümanlar, ABD ve Birleşik Krallık telif hakkı mevzuatının mevcut durumu ve tartışmanın nasıl sonuçlanacağından bağımsız olarak kodlama ajanlarıyla ürün...

18 Kasım 2026

İki Kodlama Ajanı, Tek Zor Proje: İş Bölümü Nasıl Yapılır? (1994 Jeep ECU'dan Alınan Dersler)

İki Kodlama Ajanı, Tek Zor Proje: İş Bölümü Nasıl Yapılır? (1994 Jeep ECU'dan Alınan Dersler)

Claude Code ve Codex, 3 dolarlık bir Arduino üzerinde 1994 model bir Jeep'in motor bilgisayarını tersine mühendislikle çözdü. İşte bunun arkasındaki tekrarlanabilir desen: zor bir projeyi iki kodlama ajanı arasında bölmek için üç yöntem, ajanların birbirine bağlamı nasıl aktardığı ve bir insanın...

18 Kasım 2026