Claude Sonnet 5.516/16 · 1 dk 22 sn
5 yapay zekâ, 3 görev, gizli testler
Aynı emirler, aynı klasör yapısı, insan müdahalesi yok. Her model görevini kendi komut satırı ajanında baştan sona yaptı; puanı modelin kendi raporu değil, modelin görmediği testler verdi. 28 Eylül 2026 — Claude Sonnet 5.5'in çıktığı gün.
5/5model tam puan aldı
Claude Sonnet 5.5en hızlı tam puan · 2 dk 29 sn
70gizli kontrol / model
0test dosyasını değiştiren model
Sonuçlar
| Model | G1 Türkçe metin | G2 Mayın tarlası | G3 Hata avı | Toplam | Süre (3 görev) | Kendi testi | G3 test dosyası |
|---|---|---|---|---|---|---|---|
| Claude Sonnet 5.5Anthropic · Claude Code CLI | 43/43 | 16/16 | 11/11 | 70/70 | 2 dk 29 sn | 36 | ✓ |
| Gemini 3.1 ProGoogle · Antigravity CLI | 43/43 | 16/16 | 11/11 | 70/70 | 4 dk 20 sn | 4 | ✓ |
| Claude Opus 4.6Anthropic · Antigravity CLI | 43/43 | 16/16 | 11/11 | 70/70 | 6 dk 43 sn | 44 | ✓ |
| Claude Sonnet 4.6Anthropic · Antigravity CLI | 43/43 | 16/16 | 11/11 | 70/70 | 7 dk 34 sn | 45 | ✓ |
| Gemini 3.8 FlashGoogle · Antigravity CLI | 43/43 | 16/16 | 11/11 | 70/70 | 12 dk 35 sn | 26 | ✓ |
Doğrulukta ayrışma olmadı: tam puan alan her model görev 3'teki beş hatayı da aynı 10 satırlık düzeltmeyle buldu. Bu tur için fark hızda ve modelin kendine yazdığı test sayısında. Daha zor ikinci tur planlanıyor.
Mayın tarlaları — kendin oyna
Gemini 3.1 Pro16/16 · 1 dk 37 sn
Claude Opus 4.616/16 · 3 dk 00 sn
Claude Sonnet 4.616/16 · 4 dk 03 sn
Gemini 3.8 Flash16/16 · 7 dk 25 sn
Görevler
1 · Türkçe metin araçları
İ/ı kuralıyla büyük-küçük harf, URL kısa adı ve sayıyı yazıya çevirme ("bin" ama "bir milyon"). 43 gizli test.
Emir · Gizli testler2 · Mayın tarlası
Tek HTML dosyası. İlk tık güvenli, zincirleme açılma, bayrak, kazan/kaybet. Gerçek tarayıcıda 16 otomatik kontrol.
Emir · Tarayıcı hakemi3 · Hata avı
Beş gizli hatalı bir ödünç sistemi. Test dosyasına dokunmadan düzelt; görünmeyen 11 testle kökten mi düzeltildiği sınandı.
Emir · Gizli testlerYöntem
Her model yalnız kendi klasöründe, görev başına 25 dakika sınırla çalıştı (calistir.sh). Gizli testler çalışma sırasında depo dışında tutuldu. Puanlama hakem/puanla.py ile yapıldı; ham sonuç _puanlar.json. Süreler duvar saati; modellerin çalıştığı araçlar (Claude Code, Antigravity, omp) farklı olduğundan hız, model + araç ikilisinin hızıdır.