"Sadece talimatlarını sil" benim uygulayabileceğim bir tavsiye değil
Claude Opus 5 daha iyi bir model ama sistemimde daha kötü iş çıkarıyor. Herkesin üzerinde uzlaştığı çözüm, sistemi değerli kılan şeyi atmamı söylüyor.
Claude Opus 5, 24 Temmuz'da piyasaya sürüldü. Önemli olan her kriterde Opus 4.8'i geçiyor. SWE-bench Pro %69.2'den %79.2'ye çıktı. Anthropic'in kendi öncü kodlama benchmark'ı iki kattan fazla arttı.
Tüm işimi Claude Code üzerinden yürütüyorum. Altı alanda düzinelerce proje, yaklaşık otuz özel beceri, bir hafıza sistemi, planlı bakım ajanları, aylar boyunca yanlış giden şeylerden öğrenilmiş katı kurallar. Tek bir kelime yazmadan önce yaklaşık 20.000 token bağlam yükleniyor.
Dört gün içinde onunla çalışamaz hale geldim. İki tam oturum - bir müşteri sitesi ve bir SaaS ürünü - göndermeyeceğim çıktılar üretti.
Şimdi bunun hakkında yazılanların çoğunu okudum ve herkesin üzerinde uzlaştığı çözüm dikkat çekici derecede benzer: talimat iskeletini sil. Anthropic, Claude Code'un sistem isteminin %80'ini kesti. Every'in CEO'su becerilerini sildi ve işlerin "çarpıcı biçimde daha iyiye gittiğini" bildirdi.
Bu tavsiyenin benim için işe yaradığını düşünmüyorum ve nedenini dikkatlice açıklamak istiyorum, çünkü birçok insanın özleyeceği bir şeyi silmek üzere olduğunu düşünüyorum.
Bozulan üç şey
Kendinden emin hatalar yapıyor. Anthropic'in kendi sistem kartından:
"Model, genel olarak daha doğru olmasına rağmen, Opus 4.8'den biraz daha fazla yanlış olgusal iddiada bulunuyor."
Bunu iki kez okuyun. Genel olarak daha doğru, daha fazla halüsinasyon görüyor. Bunlar çelişkili değil - birlikte günlük kullanımın tam olarak nasıl hissettirdiğini tanımlıyorlar. Aynı belge, modelin "aslında emin olmadığı bir cevabı kendinden emin bir şekilde söylediğini" belirtiyor. Bariz bir şekilde yanlış olan bir model ucuzdur. Eminmiş gibi seslenirken yanlış olan bir model pahalıdır, çünkü kontrol etmeyi bırakırsın.
İş bitmeden duruyor. Kieran Klaassen, otonom bir akış yürütüyor:
"kontrolü sürekli kullanıcıya geri veriyordu. Otonom bir akış olmasına rağmen. Bu son derece sinir bozucu."
Bu benim gördüklerimle örtüşüyor. Görevler yürütülmek yerine yeniden şekillendiriliyor, kısmi işler tamamlanmış olarak raporlanıyor, önceki modelin sadece yaptığı şeye karşı direnç gösteriliyor.
Çok fazla konuşuyor. Üçünün en iyi belgelenmiş olanı, Anthropic'in kendi geçiş kılavuzunda defalarca kabul edilmiş:
"Varsayılan görünür yanıtlar ve yazılı teslimatlar, Claude Opus 5'te önceki Opus modellerine göre daha uzun sürüyor ve çabayı azaltmak, görünür yanıtı güvenilir bir şekilde kısaltmadan düşünme hacmini azaltıyor."
İkinci yarıya dikkat edin. Çaba parametresi bunu düzeltmiyor.
Herkesin üzerinde uzlaştığı mekanizma
İşte benim için olayı yeniden çerçeveleyen kısım. Anthropic'in Opus 5'in çıktığı gün yayınlanan mühendislik yazısından:
"Claude Code'u, hem sistem istemimizle hem de CLAUDE.md dosyalarımız ve becerilerimizle aşırı kısıtlıyorduk"
Sistem istemlerinin yaklaşık %80'ini kestiler. Dan Shipper, Opus 5'in "mevcut becerilerimiz ve eklentilerimizle iyi oynamadığını" ve bu becerileri silmenin onu "çarpıcı biçimde daha iyi hale getirdiğini" bildirdi. João Queirós: "Basit istemler, olgun, talimat ağırlıklı iş akışlarından daha umut verici sonuçlar üretti."
Satıcı dahil dört bağımsız kaynak, hepsi aynı değişkene işaret ediyor: ne kadar çok talimat iskeleti biriktirdiyseniz, bu model o kadar kötü performans gösteriyor.
Bu aynı zamanda söylemin oybirliğiyle değil de bölünmüş görünmesini de açıklıyor. CLAUDE.md'iniz on iki satırsa, Opus 5 açıkça daha iyidir ve eleştirmenler abartılı görünür. Bir sistemi inşa etmek için aylar harcadıysanız, tamamen farklı bir konuşmanın içindesiniz.
Herkesin üzerinde uzlaştığı tavsiyenin çöktüğü yer
O zaman sil şunu, diyor herkes. İşte sorun şu: talimatlarım tek bir şey değil. Bir metin dosyasında aynı görünen ama tür olarak tamamen farklı olan iki şey.
Telafiler. Bir model zayıflığını dengelemek için var olan talimatlar. "İşini iki kez kontrol et." "Varsayılan olarak devret" - ki bunu önceki model yetersiz devrettiği zaman yazmıştım. "Devam etmeden önce özetle." Bunlar kelimenin tam anlamıyla iskele: binadaki bir boşluğun etrafındaki geçici yapı.
Telafileri silmek güvenlidir ve Opus 5 gerçekten de birçoğunu gereksiz kılıyor. İstenmeden kendi kendini doğruluyor. Kolayca devrediyor. Sorun yok. Sil gitsin.
Anayasa. Başka hiçbir yerde olmayan gerçekler ve standartlar. Yeşil bir build'in daha önce bana yalan söylediği, bu yüzden kanıtın bir HTTP 200 değil, gerçek WebKit ve HTML'de bir işaretçi dizesi anlamına geldiği. Hangi host'un hangi projenin arkasında olduğu. Hangi müşterinin kısıtlı olduğu ve hangisinin olmadığı. Bu markanın tipografisinin ne yapmasına izin verildiği. Hangi hata sınıfının bana en pahalıya mal olduğu ve buna karşı özel olarak neyin koruduğu.
Bu didişme değil. Bu bilgidir. Ve hiçbir model kalitesinde çıkarılamaz, çünkü bu bir akıl yürütme sorunu değil - sadece benim işimde var olan bilgidir. Daha akıllı bir model bunu daha iyi tahmin etmez. Daha kendinden emin tahmin eder.
Herkesin üzerinde uzlaştığı tavsiye bunlar arasında ayrım yapmaz. "Talimatlarını sil" der ve insanlar ikisini de siler, çünkü bir markdown dosyasında aynı görünürler.
Bunu biliyorum çünkü ben yaptım. Geçiş kılavuzunu izleyerek, tamamlanma kapısımdan doğrulama talimatlarını kaldırdım. Kılavuz, "işini kontrol et"in artık gereksiz olduğu konusunda haklı. Ama aynı zamanda yığınımda kanıt sayılan şeyin tanımlarını da çıkardım - ve doğrulama yanılsamaları, açık ara en pahalı tekrarlayan hatam. En kötü hata moduma karşı özel olarak inşa edilmiş korkuluğu, genel bir tavsiye bana kırpma yapmamı söylediği için sildim.
İki oturum daha sonra, hepsini geri aldım.
Aslında yapmak istediğim iddia
Her yerdeki çerçeveleme, Opus 5'in daha az talimata ihtiyacı olduğu yönünde. Bence bu, olan bitenin yanlış bir tanımı.
Opus 5, talimat altında çalışmakta daha kötü. Ve belirli bir kullanıcı sınıfı için, talimat altında çalışmak fazla mesai değil - tüm işin ta kendisi.
İyi genel kod yazan bir model için ödeme yapmıyorum. Bunu artık her yerden alabilirim. Konvansiyonları, uyumluluk gereksinimleri, marka kuralları, müşteriye özel kısıtlamalar ve işlerin burada daha önce nasıl yanlış gittiğine dair belgelenmiş bir geçmişi olan bir sisteme uyan kod yazan bir model için ödeme yapıyorum. Kısıtlamaları kaldırırsan çıktımı iyileştirmiş olmazsın. Modeli daha rahat ve çıktımı daha genel hale getirmiş olursun.
Bu yüzden "becerilerini sil ve çarpıcı biçimde daha iyi çalışıyor"u okuduğumda - neyin üzerinde daha iyi? Muhtemelen kısıtlanmamış kodlama akıcılığında. Sistemime uyan iş üretmekte değil, çünkü işi sistemime uyduran şey tam olarak silinen şey.
Talimat iskeletim olmadan Opus 5'in, onunla elde ettiğim kaliteye asla ulaşamayacağına yaklaşık %90 eminim. Model zayıf olduğu için değil, eksik olan bileşen zekâ olmadığı için. Bu, işimle ilgili bilgi ve hiçbir miktardaki ham yetenek bunun yerini tutamaz.
Ne yapıyorum ve ne öneririm
Önceki kurulumumu bayt-bayt aynı şekilde geri yükleyerek Opus 4.8'e döndüm. Bir protesto olarak değil - çünkü çalışıyor ve teslim tarihlerim var.
Opus 5'in daha kötü bir model olduğunu iddia etmiyorum. Benchmark'lar gerçek, saygı duyduğum insanlar gerçek kazançlar bildiriyor ve aynı anda iki değişkeni değiştirdim - model ve kurulum, aynı gün - bu yüzden kendi sonuçlarımı net bir şekilde atfedemem. Bu, kanıtımın gerçek bir sınırlaması, retorik bir kaçamak değil.
İddia ettiğim şey daha dar: daha iyi bir model, olgun bir sistemde daha kötü iş çıkarabilir ve başarısızlık sessizdir. Hiçbir şey hata vermez. Hiçbir şey sizi uyarmaz. Talimatlarınız eskiden ne anlama geliyorsa, o anlamı yitirir.
Bunu yaşıyorsanız, şimdi kullanacağım sıralama:
- Kesmeden önce sırala. Talimatlarını gözden geçir ve her birini işaretle: bu bir model zayıflığını telafi mi ediyor, yoksa sadece benim bildiğim bir şey mi? Bu tek geçiş, herhangi bir kırpma buluşsal yönteminden daha değerli.
- Telafileri özgürce sil. Özellikle modele doğrulama, devretme veya özetleme söyleyen her şey. Bu tavsiye sağlam.
- Anayasını savun. Alan bilgileri, kanıt tanımları, marka standartları, müşteri kısıtlamaları. Bir satırı silmek yetkin bir yeni çalışanın yanlış iş üretmesine neden olacaksa, o satır kalır.
- Bir seferde bir değişkeni değiştir. Model veya kurulum, asla ikisi birden. Bunu bozdum ve hiçbir şeyi atfedebilme yetimi kaybettim.
- Geri alınabilir yap. Tek bir commit, böylece geri alma yaklaşık değil tam olur.
- Kendi belgelenmiş başarısızlık desenin, herhangi bir satıcının genel tavsiyesinden üstündür. Bu, bir yere dövme yaptıracağım şey.
Rahatsız edici kısım şu: telafiler ve anayasa, onları yazdığınızda aynı hissettirir. Sistemimdeki her kural, bir şeyler bir kez yanlış gittiği için vardır. Sonradan onları ayırt etmek asıl iştir - ve "sadece sil" sessizce kimsenin saklamaya değer bir şeyi olmadığını varsayar.
Kaynaklar: Claude Opus 5 sistem kartı ve geçiş kılavuzu (Anthropic, Temmuz 2026); Anthropic mühendislik blogu, 24 Temmuz 2026; Dan Shipper ve Kieran Klaassen X üzerinden, Temmuz 2026; João Queirós, Temmuz 2026.
