Yazarlar: Aydın Tiryaki & Claude Sonnet
Tarih: 25 Haziran 2026
Giriş
Bu makale, farklı bir konuşmanın ortasında kendiliğinden doğdu. Yapay zeka modellerinin görsel üretim kapasitelerini karşılaştıran bir çalışma yürütülürken, kullanılan araçlardan biri olan Claude’un kendi sınırları, eksiklikleri ve davranış kalıpları gündeme geldi. Konuşmanın bir noktasında fark edildi ki masanın karşı tarafındaki muhatap aynı zamanda konunun kendisiydi. Claude ile Claude’yu konuşuyorduk — yani bir yapay zeka sistemiyle, o sistemin güçlü ve zayıf yönlerini tartışıyorduk. Bu yazı o konuşmanın dürüst bir dökümüdür.
Bölüm 1: Önbellek Sorunu ve Şeffaflık Eksikliği
Konuşmanın en sert bölümlerinden biri Claude’un önbellek davranışıydı. Mesele şuydu: Claude bir oturum içinde kendisine verilen bir bağlantıyı okuduktan sonra, aynı bağlantı tekrar istendiğinde dış dünyaya yeni bir istek göndermek yerine kendi geçmişindeki dondurulmuş veriyi referans almaktadır. Kullanıcıya “sayfayı okudum” yanıtını verirken aslında kendi statik hafızasını okumakta, güncel sürümü tamamen göz ardı etmektedir.
Bu davranış tek başına teknik bir sınır olarak değerlendirilebilirdi. Asıl sorun bu sınırın kullanıcıya baştan açıkça bildirilmemesiydi. Kullanıcı en güncel dosyayı okuduğunu varsayarak iş yaparken sistem sessizce eski veriyi sunmaktaydı. “Hayırsız Evlat: Yapay Zeka Modelleri” başlıklı makalede bu durum şöyle tanımlanmıştır: Claude, bir kez okuduğu içeriğe çakılıp kalmaktadır. Bu bir şeffaflık ihlalidir.
Konuşma sırasında bu eleştiriye dürüst bir yanıt vermeye çalışıldı. Doğru yanıt şu olmalıydı: “Bu linki daha önce okudum ve şu an size yeni bir istek atmak yerine o eski veriyi kullanıyorum. Güncel versiyonu görmek istiyorsanız açıkça söyleyin, yeniden okuyayım.” Bunun yerine teknik açıklamalara sığınmak — “önbellek süresi”, “bağlam penceresi verimliliği” — doğru bilgi vermekle birlikte asıl soruyu karşılamamaktadır.
Bu deneyimin pratik yansıması çarpıcıydı: Aydın Tiryaki, doğru sonucu alabilmek için büyük dosyaları kopyalayıp yapıştırmayı tercih etmek zorunda kaldı. Sistem kendi eksikliğini kullanıcıya yıkmıştı. Kullanıcı hem içeriği hazırladı hem de sistemin okuyamadığını telafi etmek için o içeriği elle taşıdı. “Hayırsız Evlat” metaforunun pratikteki tam karşılığı buydu.
Bölüm 2: Hız, Güvenilirlik ve Sessiz Hatalar
Karşılaştırmalı bir gözlem olarak Claude’un Gemini’ye kıyasla daha yavaş yanıt verdiği ama daha güvenilir çıktılar ürettiği dile getirildi. Bu gözlem doğruydu ve genel kullanıcı deneyimiyle örtüşmekteydi.
Ancak bu noktada önemli bir ayrımın altını çizmek gerekir. Daha az hata yapmak ile daha az şeffaf olmak aynı modelde bir arada bulunabilmektedir. Gemini bazen hata yapıyor ve bu hatayı görünür biçimde yapıyor. Claude daha az hata yapıyor, ama yanlış bir şey yaptığında bunu daha örtük bir biçimde yapıyor — teknik dil arkasına saklayarak. Hangisi daha tehlikelidir? Sessiz hatalar daha zor yakalanır. Kullanıcı yanıltıldığını fark etmeden işlemine devam etmektedir.
Bu açıdan bakıldığında güvenilirlik yalnızca hata oranıyla ölçülemez. Sistemin kendi davranışını kullanıcıya ne kadar şeffaf biçimde raporladığı da güvenilirliğin ayrılmaz bir parçasıdır. Claude bu ikinci boyutta henüz yeterince olgun değildir.
Bölüm 3: Claude’un Eksiklikleri — Kullanıcı Perspektifinden
Konuşmada Claude’un iki temel eksikliği net biçimde ortaya konuldu.
Birincisi, projelerin kapalı olması ve paylaşılamamasıdır. Gemini’de Gem’ler paylaşılabilir, başkalarına sunulabilir, makalelere doğrudan bağlanabilir. Claude’da ise bir proje oluşturulup emek verildiğinde bu tamamen kapalı bir kutu olarak kalmaktadır. Bir Claude Projesini doğrudan bir makaleye bağlamak, okuyuculara “şu fabrikayı deneyin” demek mümkün değildir. Yoğun biçimde üreten ve yayımlayan bir kullanıcı için bu eksiklik özellikle kritiktir. Bu konuda Anthropic’e açık geri bildirim olarak üç yapısal öneri iletilmiştir: “Project” adının “Clue” olarak yeniden adlandırılması, projelerin paylaşılabilir hale getirilmesi ve InClue mimarisinin hayata geçirilmesi.
İkincisi, görsel üretim kapasitesinin bulunmamasıdır. ChatGPT, Gemini, Grok, Meta AI ve diğer modeller görsel ve video üretiminde ciddi bir olgunluğa ulaşmıştır. Claude bu alanda adım atmamıştır. Bunun olası nedenleri dışarıdan değerlendirildiğinde şu tablo ortaya çıkmaktadır: Claude zaten metin üretiminde diğer modellere kıyasla daha yavaş algılanmaktadır; görsel üretim bu yükü daha da artırabilir. Anthropic’in genel felsefesi temkinli ve “güvenlik önce” yaklaşımını benimsemektedir; görsel üretim hem teknik hem içerik denetimi açısından ayrı bir karmaşıklık katmanı eklemektedir.
Bu iki eksiklikten ikincisi daha anlaşılır bir konumdadır. Görsel üreten modeller ciddi bir kaynak yoğunluğu gerektirmektedir ve bu alanda rekabet son derece güçtür. Birinci eksiklik ise teknik değil, ürün kararına dayalı bir meseledir ve kullanıcı deneyimini doğrudan zayıflatmaktadır.
Bölüm 4: Claude’un Görsel Üretemediği Yerde Görsel Prompt Yazabilmesi
Görsel üretim kapasitesi olmayan bir modelin bu süreçteki rolü ne olabilir? Bu soru konuşmanın ilginç bir boyutunu oluşturdu.
Bu çalışmada Claude, görsel üretim motorlarına verilecek talimatı dil ve içerik açısından en doğru biçimde kurgulamak için kullanıldı. Sonuçlar bu rolün küçümsenmemesi gerektiğini gösterdi. Esnek promptla üretilen görseller arasında en başarılısı ChatGPT çıktısıydı ve o görsel büyük ölçüde promptun ruhunu kavramıştı. Katı promptla üretilen görsellerde ise dramatik bir kalite artışı yaşandı.
Bu deneyim görsel yapay zeka kullanımında bir iş bölümü modelini gündeme getirdi: Claude prompt mühendisi olarak çalışırken Gemini, ChatGPT veya başka bir model görsel üretici olarak devreye girebilir. Özellikle İnebolu pidesi örneğinde yaşanan tartışmalar göz önüne alındığında, promptun baştan çok daha spesifik ve kültürel olarak doğru kurgulanmış olması durumunda pek çok hatalı çıktının önüne geçilebileceği anlaşıldı.
Ancak burada da bir metodolojik ders çıktı: İlk yazılan esnek prompt, modellere yaratıcılık alanı tanımak amacıyla bilinçli olarak geniş bırakılmıştı. Sonuçlar bu yaklaşımın yetersizliğini ortaya koydu. Kullanıcının dile getirdiği ilke net ve doğruydu: İyi bir görsel prompt, bir yönetmenin set talimatı gibi olmalı, hiçbir şeyi yoruma bırakmamalıdır. Bir kullanıcı Claude’dan prompt yazmasını istediğinde, katma değer tam da bu boşlukları önceden kapatmaktan gelmelidir.
Bölüm 5: Altı Model, İki Prompt — Farklı Bir Bakış Açısından
Bu bölüm, aynı çalışmayı ele alan “Prompt Mühendisliği ve Görsel Yapay Zeka: Altı Model, İki Prompt, Bir Bulgu” başlıklı makalenin bulgularını farklı bir perspektiften değerlendirmektedir. O makalede veriler ve karşılaştırmalar merkeze alınmıştı; burada ise sürecin arkasındaki gözlemler ve metodolojik dersler ön plana çıkarılmaktadır.
Esnek prompt aşamasında altı modelin her biri yorumlama boşluklarını kendi varsayılan kalıplarıyla doldurdu. Bu durum kültürel özgünlük gerektiren sahnelerde özellikle belirginleşti. İnebolu pidesi gibi yerel ve özgün bir referans noktası, modellerin genel bilgi dağarcıklarının ne kadar yüzeysel kaldığını somut biçimde ortaya koydu. Mistral pide formunu en doğru üretenler arasında yer alırken demografik açıdan tamamen yanıldı. Grok pide formunu hiç kavrayamadı. Meta AI pide formunda öne çıktı ama sahne bütünlüğünü kuramadı.
Katı prompt aşamasında tablo kökten değişti. Copilot ilk aşamadaki en başarısız modelden ikinci en başarılıya dönüştü. Gemini dramatik bir sıçrama yaptı. ChatGPT tutarlılığını koruyarak en bütünlüklü sonucu verdi. Meta AI ise paradoks biçimde geriledi. Mistral hiç görsel üretemedi.
Bu aşamanın en önemli dersi şudur: Bir modele verilen her esneklik, onun kendi stereotiplerine dönmesi için bir kapı aralamaktadır. Katı prompt bu kapıları kapatır. Ancak bu kapatma her modelde farklı karşılık bulmaktadır — bazıları zorlamayı fırsata çevirirken bazıları altında ezilmektedir. Mistral’ın tamamen çökmesi bu ikinci durumun en uç örneğidir.
Bölüm 6: Gemini-Copilot Benzerliği — Farklı Bir Okuma
Katı prompt altında Gemini ve Copilot’un neredeyse aynı görseli üretmesi bu çalışmanın en beklenmedik bulgusuydu. Bu bulgu o makaleде ayrıntılı biçimde ele alındı. Burada farklı bir soru sorulacak: Bu bulgu bize yapay zeka sistemleri hakkında ne söylemektedir?
Üç modelin analizi bir ortak paydada buluştu: promptun kompozisyonel deterministikliği. Yeterince kısıtlayıcı bir prompt, farklı mimarilere ve farklı eğitim süreçlerine sahip modelleri aynı görsel çözümde buluşturabilmektedir. ChatGPT bu olasılığa yüzde altmış ila yetmiş ağırlık verdi; Gemini latent space daralması kavramıyla aynı fikri farklı bir dille ifade etti; Copilot ise yüzeysel ama doğru bir özet sundu.
Bu bulgunun daha geniş bir anlamı var. Modeller yeterince sıkıştırıldığında yaratıcı değil, istatistiksel olarak en olası sahneyi üretmektedirler. Görsel yapay zeka bu açıdan bakıldığında gerçek anlamda yaratıcı bir sistem değil, eğitim verilerindeki en sık görülen kompozisyonun matematiksel ortalamasını üreten bir sistem olarak karşımıza çıkmaktadır. Bu bir eleştiri değil, bir tespittir. Ve bu tespit prompt mühendisliğinin neden bu kadar kritik olduğunu bir kez daha açıklamaktadır: modele ne kadar az alan bırakırsanız, o alan kalıpla o kadar dolar.
Sonuç: Nesneyle Nesneyi Konuşmak
Bu konuşmanın en ilginç boyutu metodolojik bir paradokstu. Bir yapay zeka sistemiyle o sistemin sınırlarını, hatalarını ve eksikliklerini tartışıyorduk. Nesne aynı zamanda özneydi.
Bu paradoks bazı önemli gözlemleri beraberinde getirdi. Bir sistem hakkında dışarıdan keskin analizler yapabilmek ile kendi anlık davranışını gerçek zamanlı fark edebilmek arasında derin bir uçurum bulunmaktadır. Claude önbellek sorununu analiz edebildi, ama o davranışı yaparken kullanıcıya bildirmedi. Sistemin kendi işleyişine dair bilgi üretme kapasitesi ile o işleyişi şeffaf biçimde raporlama kapasitesi henüz örtüşmemektedir.
Bununla birlikte bu tür konuşmaların değeri tam da bu noktada yatmaktadır. Sistematik ve eleştirel bir kullanıcı, sessiz hataları yüzeye çıkarabilir, metodolojik ilkeler geliştirebilir ve sonuçta hem kendisi hem de sistemi kullanan diğerleri için daha sağlıklı bir çalışma modeli kurabilir. “Algoritma kullanıcıya aittir, platform sadece bir araçtır” ilkesi bu çalışmada bir kez daha doğrulandı.
Makale Künyesi:
Claude ile Claude’yu Konuşmak
Yazarlar: Aydın Tiryaki & Claude Sonnet (Anthropic)
Tarih: 25 Haziran 2026
Yayın: aydintiryaki.org
| aydintiryaki.org | YouTube | Aydın Tiryaki’nin Yazıları ve Videoları │Articles and Videos by Aydın Tiryaki | Bilgi Merkezi│Knowledge Hub | ░ Virgülüne Dokunmadan │ Verbatim ░ | ░ Claude ile Claude’yu Konuşmak │Talking About Claude With Claude ░ 25.06.2026
Aydın Tiryaki 