Yazılım geliştiriciler ve yapay zeka uzmanları, son haftalarda Anthropic’in amiral gemisi modelleri Claude Opus 4.6 ve Claude Code’un performansının kasıtlı olarak düşürüldüğünü iddia ederek sosyal medyada büyük bir tartışma başlattı. GitHub, X ve Reddit üzerinden yayılan şikayetler, Claude’un karmaşık kodlama görevlerinde daha az yetenekli hale geldiği, görevleri yarıda bıraktığı ve token kullanımında verimsizleştiği noktalarına odaklanıyor.Bazı kullanıcılar bu durumu “AI shrinkflation” olarak adlandırırken, Anthropic yetkilileri kapasite yönetimi adına modellerin gizlice kısıtlandığı iddialarını kesin bir dille reddediyor. Topluluk içindeki bu gerilim, yapay zeka servislerinin performans ve maliyet dengesine dair derin soruları da beraberinde getiriyor.
AMD bünyesinde çalışan bir üst düzey yöneticinin GitHub üzerinden paylaştığı detaylı analiz, Claude Code’un şubat ayından bu yana ciddi bir gerileme yaşadığını öne sürüyor. 6 binden fazla oturum dosyasını inceleyen uzman, modelin mantıksal derinliğinin düştüğünü ve görevleri erken sonlandırma eğiliminin arttığını iddia ediyor.
Bu teknik kanıtlar, toplulukta sadece kişisel gözlemlerin ötesinde somut bir veri eksikliği hissini ortadan kaldırarak tartışmayı güçlendirdi. Teknik veriler, kullanıcıların yaşadığı hayal kırıklığını somut bir kanıt arayışına dönüştürüyor ve konuyu basit bir şikayet olmaktan çıkarıyor.
Anthropic cephesinden gelen açıklamalar, iddiaların merkezine oturuyor. Şirket yetkilileri, Claude Opus 4.6’da yapılan “düşünme” (thinking) güncellemelerinin sadece kullanıcı arayüzünü iyileştirmeye yönelik olduğunu ve modelin temel yeteneklerine dokunulmadığını vurguluyor.
Özellikle varsayılan “çaba düzeyi” (effort level) üzerinde yapılan değişikliklerin, token tüketimini dengelemek amacıyla hayata geçirildiği belirtiliyor. Ancak bu teknik açıklamalar, üründen alınan verimin düştüğünü hisseden kullanıcıları tatmin etmekte zorlanıyor.
Şirketin kapasite yönetimi politikaları ve önbellekleme (caching) süreçlerinde yaptığı sessiz güncellemeler, kullanıcılar arasında Anthropic’in gizli kısıtlamalar uyguladığı şüphesini körüklüyor. Geliştiriciler, yaşadıkları performans kayıplarının bir yazılım arızası mı yoksa maliyet tasarrufu hamlesi mi olduğunu anlamakta güçlük çekiyor.
Sizce, bu performans değişimleri yapay zeka modellerinin optimizasyon sürecinin doğal bir parçası mı, yoksa kullanıcıların fark etmediği bir şekilde servis kalitesiyle oynanıyor mu? Deneyimlerinizi ve görüşlerinizi yorumlarda paylaşın.