# Artificial Analysis, yapay zekâ sıralamasını gizli testlerle yeniledi: Intelligence Index v5

> Endeksin yüzde 60’ı artık gizli test sorularına dayanıyor. Açık ve kapalı modeller arasındaki fark 3 puandan 12 puana çıktı.

- Yayın: JARRUS (@jarrus.ai), thejarrus.com
- Haber tarihi: 27 Ekim 2026 (2026-10-27)
- Sitede: 2026-10-29
- Etiketler: Modeller, Araştırma, Fiyat ve erişim
- Adres: https://thejarrus.com/tr/haber/intelligence-index-v5/

### Endeks baştan kuruldu

Bağımsız değerlendirme şirketi Artificial Analysis, en çok alıntılanan yapay zekâ sıralaması Intelligence Index'in 5. sürümünü 27 Ekim'de yayımladı. Şirket bunu, Ocak'ta çıkan 4. sürümden bu yana en büyük güncelleme olarak tanımlıyor. İlk kez endeksin çoğunluğu, **yüzde 60'ı**, özel test setlerine ya da cevapları gizli tutulan sorulara dayanıyor. Aynı gün, 2022'den bu yana çıkan dil modellerini tek bir yetenek ölçeğine yerleştiren Progress Index v1 de yayımlandı.

https://x.com/ArtificialAnlys/status/2115265133467635877

### Açılıştaki sıralama ve Gemini 4 Carbon

Açılışta Claude Opus 5.5 58 puanla birinciydi. Onu GPT-6 Astra 57, GPT-6.1 Sol 55, Claude Sonnet 5.5 54 ve GPT-6.1 Terra 51 puanla izledi; ilk beş sırayı Anthropic ve OpenAI paylaştı. Gemini 4 Argon 50 puanda kaldı. Ertesi gün Google'ın tanıttığı Gemini 4 Carbon, **59 puanla** birinci sıraya yerleşti.

![Artificial Analysis Intelligence Index v5 sıralaması: Claude Opus 5.5 58, GPT-6 Astra 57, GPT-6.1 Sol 55, Claude Sonnet 5.5 54, GPT-6.1 Terra 51, Gemini 4 Argon 50](https://thejarrus.com/gorsel/c60-intelligence-index-v5.webp)
*Grafik: [Artificial Analysis, Intelligence Index v5](https://artificialanalysis.ai/articles/artificial-analysis-intelligence-index-v5) (27 Ekim 2026). Açılış anındaki sıralama; Gemini 4 Carbon (59) sonradan eklendi.*

### Dört eşit kategori, dokuz test

Endeks dört kategoriden oluşuyor ve her biri yüzde 25 ağırlıkta. Bilgi işi kategorisinde AA-Briefcase (yüzde 15), AutomationBench-AA (yüzde 5) ve GDP.pdf (yüzde 5) var. Kodlamada FrontierCode 2.0 (yüzde 15) ve Terminal-Bench 4.0 (yüzde 10), bilimde Terminal-Bench-Science (yüzde 15) ve CritPt v2'nin zor alt kümesi (yüzde 10) yer alıyor. Genel kategoride AA-Omniscience v1.1 (yüzde 15) ve HLE-Diamond (yüzde 10) bulunuyor.

İki test yeni. Cognition'ın geliştirdiği **FrontierCode 2.0**, ajanın kod değişikliğini bir proje sorumlusunun birleştirip birleştirmeyeceğine göre puanlıyor; görevler, test verisinin modellere sızmaması için gizli tutuluyor. Terminal-Bench-Science ise terminal ortamında çalışan 70 bilimsel araştırma görevinden oluşuyor. Humanity's Last Exam'in yerini, akıl yürütme ve bilgi soruları arasında eşit bölünmüş 1.000 soruluk HLE-Diamond aldı. AA-Omniscience'tan doymuş ve herkese açık sorular çıkarıldı; CritPt v2'nin 40 soruluk zor alt kümesi kod çalıştırma aracıyla ölçülüyor. GDPval-AA v2.1, SciCode ve AA-LCR v1.1 endeksten çıkarıldı.

Test bazında liderler farklı. FrontierCode 2.0'da Claude Opus 5.5 yüzde 46, HLE-Diamond'da yine Opus 5.5 yüzde 68 ile önde. Terminal-Bench-Science'ta GPT-6 Astra yüzde 63, CritPt v2'de yüzde 72 ile birinci. Terminal-Bench 4.0'da Kimi K3.1 Pro yüzde 67, AutomationBench-AA'da Gemini 4 Argon yüzde 78 ile ilk sırada.

### Açık modellerle fark açıldı

Yeni sürümde ağırlıkları açık modeller belirgin biçimde geriledi. En iyi açık model ile lider arasındaki fark, önceki sürümde 3 puanken şimdi **12 puan**. Listedeki en iyi açık model Kimi K3.1 Pro 46 puanda, ancak ağırlıkları henüz yayımlanmadı. Ağırlıkları yayımlanmış modellerde DeepSeek V4.1 Flash 1017 ve GLM-5.3 32 puanla önde; bu, liderin 26 puan gerisi ve Claude Haiku 5.5'in (36) da altı.

![Artificial Analysis Intelligence Index v5, açık ağırlıklı ve kapalı modeller: kapalı modeller siyah, açık ağırlıklı modeller mavi](https://thejarrus.com/gorsel/c60-acik-kapali-modeller.webp)
*Grafik: [Artificial Analysis](https://artificialanalysis.ai/articles/artificial-analysis-intelligence-index-v5) (27 Ekim 2026). Siyah: kapalı, mavi: açık ağırlıklı modeller.*

### Maliyet 13 kattan fazla değişiyor

En yüksek puanlı 10 model arasında, endeksteki görev başına maliyet 13 kattan fazla değişiyor. En ucuzu 0,96 dolarla GPT-6.1 Terra, en pahalısı 13,04 dolarla Claude Fable 5.1. Claude Opus 5.5'in en yüksek ayardaki maliyeti 10,04 dolar, düşük ayarda ise 0,98 dolar. GPT-6 Astra 6,24, GPT-6.1 Sol 1,27 dolar. Modellerin görev başına ürettiği çıktı token'ının ortancası da 4.3 sürümündeki 35 binden 59 bine çıktı.

![Artificial Analysis Intelligence Index v5 ile görev başına maliyetin karşılaştırması, logaritmik ölçek](https://thejarrus.com/gorsel/c60-maliyet.webp)
*Grafik: [Artificial Analysis](https://artificialanalysis.ai/articles/artificial-analysis-intelligence-index-v5) (27 Ekim 2026). Yatay eksen görev başına maliyet (dolar, logaritmik ölçek).*

### Eleştiri: gizli testler ve güven

Araştırmacı Nathan Lambert, Interconnects'teki yazısında endeksi "topluluk için inanılmaz derecede yararlı ve son derece kusurlu" diye niteledi. Lambert'e göre gizli sorular modellerin teste göre eğitilmesini zorlaştırıyor, ancak topluluğun test hatalarını bulmasını da engelliyor; böylece "gizli testi hazırlayana tam güven" gerekiyor. Lambert ayrıca Artificial Analysis'in iş modelinin laboratuvarlardan sonuçlarını doğrulama karşılığı ücret almak olduğunu hatırlatıyor ve bunu bir güven meselesi olarak görüyor. Ona göre tek bir zekâ endeksi yerine farklı ağırlıkları olan birden çok endeks gerekiyor.

## Kaynaklar

1. [Artificial Analysis: Artificial Analysis Intelligence Index v5, 27 Ekim 2026](https://artificialanalysis.ai/articles/artificial-analysis-intelligence-index-v5)
2. [Artificial Analysis (X): Duyuru gönderisi ve sonuç özeti, 28 Ekim 2026](https://x.com/ArtificialAnlys/status/2115265133467635877)
3. [Artificial Analysis: Gemini 4 Carbon (High), 28 Ekim 2026](https://artificialanalysis.ai/models/gemini-4-carbon)
4. [Interconnects (Nathan Lambert): Artificial Analysis v5 and the benchmarker’s dilemma, 28 Ekim 2026](https://www.interconnects.ai/p/artificial-analysis-v5-and-the-benchmarkers)

Hata bildirimi: hata@thejarrus.com