Bir robot size doğru hızla koşuyor. Claude'da mı yoksa Grok'ta mı çalışmasını istiyorsunuz?
Bir robot sana doğru koşuyor. Anthropic'in Claude'unda mı yoksa xAI'nin Grok'unda mı çalışmasını istiyorsunuz?
On bir LLM'yi 2D battle royale'e düşürdüm ve onlara 30 oyun oynattım. Maçların %43'ünü biri kazandı. Üçü hiçbir zaman tek bir oyunu kazanamadı. Serideki en ucuz model, galibiyet başına maliyet açısından en pahalı modeli 27 kat geride bıraktı.
Kazanan model ise Grok 4.1 Fast oldu. Herkesten ekip kurmalarını isteyen, onlara nerede olduğunu söyleyen ve arkadaş edinmeye çalışan model Claude Sonnet 4.6'dır. İlki, battle royale kazananıdır. İkincisi ise bu modelleri koyacağımız çoğu yerde aslında isteyeceğiniz model.
Bunların her ikisi de doğrudur. Bu, çoğu kıyaslamanın göremediği kısımdır ve bu yazının konusu da budur.
Ben Jacky ve itiraf ediyorum: Apex Legends ve PUBG gibi birçok video oyunu oynardım. Bazen günler on iki saat. Nasıl vakit geçirdiğimi bilmiyorum ama o yıllar sorunlar hakkında nasıl düşündüğümü şekillendirdi.
Yapay zeka üzerinde çalışmaya başladığımda aklıma sürekli bir soru geliyordu: Büyük dil modellerini bir video oyununa bırakırsanız ne olur? En çok oynadığım iki oyun Apex Legends ve PUBG idi. OpenRouter'a Dev Rel Lideri olarak katıldım, bu bana jeton bütçesini ve gerçekten denemek için 600'den fazla modele erişim sağladı.
Ve bu, modelleri seçme ve kıyaslamaları ve değerlendirmeleri görme şeklimi değiştiriyor.
Bir sonraki en iyi kazanan, galibiyet başına 26,78 $ ile 5 galibiyetle 4,6 puan alan Claude Sonnet oldu. Bu 27 katlık bir fark.
Çoğu üst model listesinde yer almayan model, yönlendirme yapan müşterinin gerçekten önemsediği modelden daha üstündür.
GPT 5.4, 30 maçta 38 ajanı öldürdü. Herkesten daha fazla. Aldığı 2 galibiyetle sıralamada ikinci sırada yer aldı. "En iyi öldürme" ile "en iyi kazanma" arasında 11 maç vardı.
GPT 5.4-mini, DeepSeek 4 Flash ve Kimi K2.6. Her birinin önemli anları oldu ama hiçbiri tek bir maç kazanamadı.
Üçü de aynı şeyi işaret ediyor. Yapay Analizde gördüğümüz olağan kriterler kimin kazanacağını tahmin etmiyordu. Başka bir şey oldu. Bu yazının geri kalanında bunun ne olduğunu anlamaya çalışıyorum.
Canvas 2D'de oluşturduğum 400 m²'lik yukarıdan aşağıya battle royale dünyasına on bir LLM bıraktım. Aynı harita üzerinde arka arkaya 30 oyun oynadılar.
Özgün başlık: A robot is sprinting towards you. Do you want it running on Claude or Grok?