Anthropic'te yeni Claude modeli iddiası: kodla görsel ve ses üreten gri test

Anthropic'in yeni bir modeli gri teste aldığı iddiası teknoloji gündemine oturdu. Kullanıcıların paylaştığı deneyimlere göre Opus 5.5 High seçeneği, arka planda Fable 5.5 ya da Opus 5.6 olabilecek farklı bir modele yönlendiriliyor. Şirketten konuya ilişkin resmi bir açıklama yok.

Tartışmanın merkezinde, bu gizemli modelin çok az istemle (prompt) ışık-gölge geçişleri, kamera kesmeleri ve ses efektleri içeren animasyonlar üretebilmesi var. Paylaşılan örnekler arasında, kendini tanıtmak için hazırlanmış bir müzikal de bulunuyor; müzik, vokal ve 3B görseller senkronize biçimde tek bir çıktıda birleşiyor.

Kod üzerinden görsel ve ses üretimi

Öne çıkan testlerden biri, yağmurda bir kâğıt kayığın farklı ışık koşulları ve kamera mesafelerinde gösterildiği video. Kullanıcı @Salio'ya göre görseller, animasyonlar ve ses efektleri tek bir istemle üretilen JavaScript kodundan geliyor; hiçbir materyal internetten aranmamış. Ses de aynı kod üretiminin parçası.

Başka bir kullanıcı, deniz yüzeyi ve uzay boşluğunda geçen kısa bir görsel video paylaştı. Videonun öne çıkan kısmı, güneş ışığının dalgalara düşme efekti: gökyüzü mor-kırmızıdan altın sarısına geçiyor, güneşin yansıması dalgaların iniş çıkışıyla parlak şeritlere ayrılıyor. Bu görsellerin ve sesin de sıfırdan JavaScript koduyla üretildiği, modelin web aramasıyla materyal almadığı belirtiliyor.

Daha sade bir örnek ise "A Lifetime" adlı çizgi animasyon. Her kare JavaScript ile çizilmiş ve toplamda yalnızca iki istem, dört satır kod kullanılmış. Bu testte maliyet de paylaşıldı: görev 2 saat sürdü, 27 milyon token tüketti ve düşünme yoğunluğu Max olarak ayarlandı. Video yaklaşık 30 saniye.

Model hangisi: Fable 5.5 mi, Opus 5.6 mı?

Opus 5.5 High'ın tam olarak hangi modele yönlendirildiği konusunda görüş birliği yok. Bir kesim bunun Fable 5.5 olduğunu söylerken, diğerleri Opus 5.6 üzerinde duruyor. Kullanıcı @Pankaj, Opus 5.6'yı ilk tahmin olarak listelerken Anthropic'in Opus 5.5 üzerinden Fable'ın yeni neslini test edip etmediğini soruyor.

@NFT_Chen ise daha somut bir "tespit yöntemi" öneriyor: Opus 5.5'i seçip High düşünme modunu açarak modelden arama yapmadan VoxelBench'i tanıtmasını istemek. Ona göre doğru bir yanıt alınırsa yeni modelin gri testine girilmiş olabilir.

Herkes aynı fikirde değil. Lumina, normal Opus 5.5 ile "yönlendirilmiş" olduğu söylenen sürümün çıktılarını karşılaştırdığını ve belirgin bir fark görmediğini, ikincisinin yalnızca biraz daha iyi olabileceğini aktarıyor. Ayrıca testi birçok kez çalıştırdığını ve paylaştığı sonucun en iyisi olduğunu ekliyor.

Anthropic'in yayın takvimi

Anthropic'in son dönemdeki temposu dikkat çekiyor: 22 Eylül'de Opus 5.5, 28 Eylül'de Sonnet 5.5, 7 Ekim'de Haiku 5.5 yayımlandı. Yaklaşık yarım ayda 5.5 ailesinin üç modeli çıkarken Fable modeli 5.1 seviyesinde kaldı. Bu tablo, yeni bir Fable sürümünün gelme olasılığını gündeme getiriyor.

Anthropic, Opus 5.5'in çıkışında modelin çoğu görevde Fable 5.1 seviyesine ulaştığını belirtmişti. Şirketin paylaştığı iç testte iki modelden HAProxy'yi C'den Rust'a yeniden yazmaları istendi; ikisi de orijinal regresyon testlerinin neredeyse tamamını geçti. Opus 5.5 görevi 9,5 saatte tamamlarken Fable 5.1 12 saat sürdü ve Opus 5.5'in maliyeti %51 daha düşük oldu.

Fiyatlandırmada da fark var: Opus 5.5 milyon giriş ve çıkış token'ı için sırasıyla 4 ve 20 dolar, Fable 5.1 ise 10 ve 50 dolar. Fable 5.1'in birim fiyatları Opus 5.5'in 2,5 katı.

Neden önemli

Bu tartışmanın teknik özü, kod üretme modellerinin çıktısının işlevsel gösterimlerden eksiksiz görsel işlere kayması. Paylaşılan örneklerde model, müzik ve vokal için Suno ile ElevenLabs gibi araçları çağırıyor, ardından şarkının tamamına senkronize bir Three.js müzik videosu üretiyor. Yani model tek başına piksel üretmiyor; sahneyi, karakterleri ve planları kurgulayıp farklı araçları bir arada yönetiyor.

Bu yaklaşım, video üretim modellerinin konumunu doğrudan etkiliyor. Eğer çok az istemle senaryo, müzik, vokal ve animasyon tek bir akışta birleştirilebiliyorsa, kısa film prodüksiyonu ve ürün prototipleme gibi alanlarda iş yükü belirgin biçimde azalabilir. Ancak paylaşılan testlerin çoğunda istem sayısı, süre ve maliyet açıklanmadı; yalnızca "A Lifetime" örneğinde 2 saat ve 27 milyon token gibi somut veriler var. Bu da yöntemin yaygın kullanım için ne kadar verimli olduğu sorusunu açık bırakıyor.

Öte yandan Fable'ın yüksek fiyat konumunu koruması, yeni neslin "fazladan ödenen paranın karşılığını" göstermesini gerektiriyor. Anthropic cephesinden resmi bir doğrulama gelmediği sürece, Opus 5.5 High'ın hangi modele yönlendirildiği tartışması kullanıcı testleriyle sınırlı kalacak.