Kod ajanlarım, 2026 boyunca gerçek işlerde (web siteleri, iOS uygulamaları, e-ticaret, CRM, müzik araçları, SEO sistemleri ve kendi ajan iş akışlarım) Claude Fable 5 ile OpenAI'nin GPT-5.4, GPT-5.5 ve GPT-5.6 ailesini kullandı. Mac'imde hala duran yerel oturum günlüklerini topladığımda, sayı 21,54 milyar token olarak belirdi.
Bu sayı absürt. Ayrıca bağlama da ihtiyacı var.
Bunun çoğu, benim için yazılan 21,5 milyar yeni kelime değil. Uzun ajan oturumları, büyük kod tabanlarını ve talimatları bağlam (context) üzerinden defalarca gönderir. Büyük bir kısmı önbellekten (cache) okunur. Token sayısı, esas olarak kod ajanlarımın ne kadar bağlam üzerinden çalıştığını gösterir.
Bu dönemden sonraki sonucum hala net: Seviye atladık. Modeller, bir yıl önce çok uzak hissettiren bir düzeyde daha uzun görevleri bir arada tutabiliyor, araçları kullanabiliyor ve hataları onarabiliyor. Ancak, modelin kendisi hala güvenilir bir sistemin en ilginç olmayan parçası.
21,5 milyar token kod ajanları hakkında ne söylüyor
OpenAI kullanımını, korunan Codex günlüklerindeki her `last_token_usage` değerinden saydım. Fable kullanımını ise normal girdi, önbellek oluşturma, önbellek okuma ve çıktıyı kullanarak Claude günlüklerindeki benzersiz asistan mesajlarından saydım. Sonuç, bir OpenAI veya Anthropic faturası değil, yerel bir aktivite ölçümüdür.
| Model | Günlüğe kaydedilen aktivite tokenları | Benzersiz kullanım olayları / model yanıtları |
|---|---|---|
| --- | ---: | ---: |
| GPT-5.5 | 12,96 milyar | 95.930 |
| GPT-5.6 Sol, Terra ve Luna | 1,88 milyar | 12.370 |
| Mini dahil GPT-5.4 | 3,43 milyar | 26.624 |
| Claude Fable 5 | 3,27 milyar | 16.878 |
| Toplam | 21,54 milyar | 151.802 |
Yüksek su seviyesi (high-water) yöntemini kullanarak, GPT-5.4 yaklaşık 3,21 milyar önbelleğe alınmış girdi tokenından, GPT-5.5 12,30 milyardan ve GPT-5.6 ailesi yaklaşık 1,82 milyardan sorumluydu. Fable günlükleri yaklaşık 3,05 milyar önbellek okuma ve 181 milyon önbellek oluşturma tokenı içeriyordu.
Bu nedenle, toplamı bir insanın okuyabileceği metin miktarıyla karşılaştırmak yanıltıcıdır. Ajan çalışması büyük bağlamları yeniden kullanır. İlgili soru, sistemin bunlarla doğru olanı yapıp yapmadığıdır.
Kullanımın arkasındaki kod tabanı: 59 GitHub projesi
Ölçüm zamanında, GitHub hesabımda 59 depo vardı: 50 özel ve 9 herkese açık. Kabaca şöyle dağılıyorlar:
Aynı isimle yerel checkout (çekme) işlemi yapılmış 26 GitHub deposunda, satıcı, build, önbellek ve minify edilmiş dosyaları filtreledikten sonra 6,90 milyon izlenen kaynak satırı buldum. Bu sayı, üç büyük eski PHP platformu tarafından domine ediliyor. Bunları çıkarırsam, TypeScript, Python, Swift, Shell ve Astro'yu içeren daha modern, daha çok kendi inşa ettiğimiz yüzeyde yaklaşık 357.000 satır kalıyor.
Bu bir kod satırı yarışını kazanma girişimi değil. Bir milyon kötü satır hala borçtur. İstatistikler, modellerin test edildiği ortamın genişliğini gösterir: mobil, backend, frontend, otomasyon, içerik, operasyonlar ve iş mantığı.
Fable 5 ve GPT-5.6 daha iyi — farklı şekillerde
Anthropic, Fable 5'i büyük kod projeleri, migrasyonlar ve uzun otonom oturumlar için modeli olarak tanımlıyor. OpenAI, GPT-5.4'ü sınır kodlama, bilgi işi ve bilgisayar kullanımının bir birleşimi olarak tanımlıyor. GPT-5.6 ailesi, odağı uzun süreli ajan çalışmasına doğru daha da ilerletti.
Bu, deneyimimle oldukça iyi örtüşüyor. Fable, kodu değiştirmeye başlamadan önce zor bir problemin şeklini anlamada genellikle daha iyidir. GPT-5.6 Sol ise problemi kapmaya, araçları kullanmaya ve işi ilerletmeye daha yatkındır.
X'teki tartışma aynı bölünmeyi gösteriyor:
Bu eleştiri haklı. Daha iyi bir model, yönlendirme, fiyatlandırma, bağlam sınırları veya güvenlik politikası anlaşılması zor olduğunda daha kötü bir çalışma günü yaratabilir.
Model motordur, araba değil
Bir dil modeli kod hakkında akıl yürütebilir. Bir kod ajanı ayrıca gerçek bir sistem içinde çalışmak zorundadır.
Pratik yığınım (stack) şöyle görünüyor:
Her parça farklı bir sorunu çözer. Araçsız bir yetenek belgedir. Politikasız bir araç risktir. Kaynak kontrolü olmayan bellek eski bir folklor haline gelir. Canlı kontroller olmadan bir build, production'ı hala bozuk bırakabilir.
MCP Geliştirici İş Akışları: Gerçek Kontrol Katmanı→ özellikle önemlidir çünkü entegrasyonu özel istemlerden (prompts) uzaklaştırıp birden fazla istemcinin anlayabileceği bir sözleşmeye dönüştürür. Kişisel sayfa MCP'm örneğin araştırma yapabilir, taslak oluşturabilir, görsel üretebilir, SEO analizi yapabilir ve yayınlayabilir. Aynı ajanın yine de yayınlanmamış bir taslakta nerede durması gerektiğini bilmesi gerekir.
Büyük sıçrama daha uzun iş zincirleridir
Codex'te GPT-5.5 ile ilgili önceki testimde→ aynı değişimi görmüştüm. Bir yıl önce, iyi bir kodlama oturumu genellikle şöyleydi: sor, bir kod bloğu al, kopyala ve kendin test et. Şimdi bir ajan proje kurallarını okuyabilir, doğru depoyu bulabilir, bir rotayı inceleyebilir, kodu değiştirebilir, build yapabilir, bir çatışmayı çözebilir, push yapabilir ve production'ı doğrulayabilir.
Bu niteliksel bir değişimdir.
Aynı zamanda, modellerin şunları yaptığını gördüm:
Son adım hala en pahalı olanıdır: Sonucun doğru yerde var olduğunu ve gerçek bir kullanıcı için çalıştığını kanıtlamak.
Hala eksik olanlar
Daha iyi otomatik model yönlendirme
Her alt görev için model adlarını ve akıl yürütme seviyelerini seçmek istemiyorum. Sistem, mimari incelemeyi genel resimde en iyi olan modele, mekanik değişiklikleri daha hızlı bir modele ve son doğrulamayı ayrı bir denetleyiciye göndermelidir.
Taşınabilir çalışma belleği
Bağlam hala belirli bir istemci, model veya oturum dosyasına sıkışmış durumda. Yetenekler ve MCP acıyı azaltır, ancak bir ajan projenin kanıtlanmış çalışma şeklini kaybetmeden modeller arasında geçiş yapabilmelidir.
Birinci sınıf özellik olarak doğrulama
Çoğu demo ajan kod üretimini ödüllendirir. Görevlerin canlı rota, veritabanı satırı, yüklü uygulama, gönderilen mesaj veya onaylanmış build gibi doğrulanmış doğru dış durumla sonuçlanan payını ölçmek istiyorum.
Daha net maliyet
Önbelleklenmiş tokenlar daha ucuzdur ve bazen farklı şekilde raporlanır, ancak kullanıcı genellikle sadece hızlıca kaybolan bir çubuk görür. Ajan şunu söyleyebilmelidir: Bu görev X yeni girdi tokenı, Y önbellek okuma, Z çıktı tokenı kullandı ve aşağıdaki doğrulanmış sonucu oluşturdu.
Önerim: Süper-istemden önce sistemi inşa edin
Doğrulanabilecek dar bir görevle başlayın. Ajana küçük bir araç seti verin, iş akışı için bir yetenek yazın ve neyin "tamamlanmış" sayılacağını tanımlayın. Ardından tekrarlayan bir ihtiyaç gördüğünüzde bellek ve daha fazla araç ekleyin.
Faydalı bir kod ajanının her şeye serbest erişime ihtiyacı yoktur. Doğru erişime, doğru sıraya ve bir durdurma kuralına ihtiyacı vardır.
Artık Fable ve OpenAI modellerini kahinler gibi değil, bileşenler gibi kullanıyorum. Fable zor bir tasarımı inceleyebilir. GPT-5.6 Sol, Terra ve Luna→ iş profiline göre bölünebilir ve GPT-5.6 uzun bir araç akışını yürütebilir. Daha küçük bir model çeviri yapabilir veya sınıflandırabilir. MCP onları gerçek sistemlere bağlar. Yetenekler, Codex'e yeniden kullanılabilir bir çalışma yolu verir→. Sonucun ilerleyip ilerleyemeyeceğine Git ve testler karar verir.
21,54 milyar token sonra, en büyük iyileştirme modellerin daha güzel kod yazması değil. İşin içinde daha uzun süre kalabilmeleri. Bizim işimiz, o zamanı bir şey ifade eder kılan koruma rayları, bellek ve doğrulama inşa etmektir.