Reasoning effort, fast mode ve ultracode: hangisi ne zaman

Effort nedir, modelin ne kadar düşüneceğini nasıl belirler?

Effort, modelin bir cevaba ne kadar emek harcayacağını seçtiğiniz ayardır; OpenAI’da reasoning effort, Google’da thinking level diye geçer. SWE-bench yazısında aynı modelin yalnızca effort değişince başka bir skor aldığını, alt ajanlar yazısında alt ajanların effort’u nasıl devraldığını anlattık. Bu yazı effort’u, sık karıştırılan iki ayarla yan yana koyuyor:

Üç sağlayıcı da düşünmeyi artık bir token sayısıyla değil, adı olan bir seviyeyle ayarlatıyor. Anthropic’in belgesi seviyenin ne olduğunu açıkça yazıyor: effort bir bütçe değil, modele verilen bir yönlendirmedir (“a behavioral signal, not a strict token budget”). Yalnızca düşünmeyi değil, metni ve araç çağrılarını da etkiler; effort düştükçe model daha az ve daha kısa araç çağrısı yapar.

Kaynak: üç sağlayıcının API belgeleri, 20 Ekim 2026. GPT-6.1 Sol none ve minimal seviyelerini desteklemiyor. Google’da minimal seviyesi, desteklendiği modellerde bile düşünmenin kapalı olacağını garanti etmiyor.

Kesin sınır her üçünde de çıktı token sınırı: Anthropic’te max_tokens, OpenAI’da ve Google’da max_output_tokens. Anthropic bunu kısaca söylüyor: effort yumuşak bir yönlendirme, max_tokens kesin bir sınır. Model düşünürken bu sınıra takılırsa cevap kesilir ya da boş döner; OpenAI ve Google harcanan düşünmenin yine faturalandığını açıkça yazıyor.

Bu yıl iki şey değişti. Birincisi, eski token bütçesi gidiyor: Anthropic’te budget_tokens 4.6 modellerinde kullanımdan kalktı, 4.7 ve sonrası onu reddediyor; Google’da Gemini 4 Argon için thinking_budget kullanımdan kalktı. Opus 5.5’te ve Gemini 4 Argon’da düşünme kapatılamıyor bile; elinizdeki tek düğme seviye. İkincisi, varsayılanlar aşağı indi. Opus 5.5, Haiku 5.5, GPT-6.1 Sol ve Gemini 4 Argon medium’la başlıyor; Opus 5.5 böylece Opus 5’ten bir seviye aşağıda başlıyor. Sonnet 5.5’in varsayılanı ise nerede çalıştığına bağlı: Claude API’sinde high, Claude Code’da medium.

Seviye adlarını modeller arasında karşılaştırmayın. Claude Code’un belgesi ölçeğin her model için ayrı ayarlandığını, aynı adın farklı modellerde aynı miktarda düşünme anlamına gelmediğini yazıyor; Sonnet 5.5’in seviyeleri Sonnet 5’e göre yeniden ayarlandı. Codex’in belgesi de seviyelerin model nesilleri arasında birebir eşleşmediğini söylüyor.

Effort’u konuşmanın ortasında değiştirmenin bir bedeli var. Anthropic’te istek düzeyindeki effort’u değiştirmek prompt cache’i bozar; mesaj başına effort (beta) ise seviyeyi önbelleği koruyarak değiştirir ve Opus 5.5, Sonnet 5.5 ve Haiku 5.5’te çalışır. OpenAI’da aynı işi 3 Eylül’den beri configuration_update yapıyor. Önbelleğin neden bozulduğunu prompt caching yazısında anlattık.

Beş araçta effort nasıl ayarlanır?

Beş araç da seviyeyi bir komutla ya da bir ayarla seçtiriyor. Ayrıldıkları yer varsayılan değer ve işi alt ajanlara bölen bir üst modun olup olmadığı. Tabloyu 20 Ekim 2026 günü her aracın kendi belgesinden ve sürüm notlarından okuduk:

Kaynak: her aracın belgesi ve sürüm notları, 20 Ekim 2026. “Belgede yazmıyor”: o gün okuduğumuz sayfalarda bunu söyleyen bir cümle bulamadık. Copilot CLI’a --effort 1.0.10 (20 Mart), Anthropic modelleri için max 1.0.60 (5 Haziran) sürümüyle geldi. Antigravity CLI’a /effort 1.1.5 (21 Temmuz), Antigravity uygulamasına /boost 2.12.0 (2 Eylül) sürümüyle geldi. HydraFusion Max 14 Ekim’de duyuruldu.

Claude Code’da /effort bir kaydırıcı açar; /effort high gibi seviyeyi doğrudan da yazabilirsiniz. Ayar dosyasındaki effortLevel low’dan xhigh’a kadar değer alır; max orada kabul edilmez, yalnızca oturum için seçilir. Skill ve alt ajan tanımlarına da effort yazılabilir; o skill ya da alt ajan çalışırken oturumun seviyesinin yerine geçer.

Codex’te seviyeyi ~/.codex/config.toml’daki model_reasoning_effort belirler; hangi seviyelerin seçilebildiği modele ve istemciye bağlı. Plan modu için ayrı bir değer verebilirsiniz; boş bırakırsanız Plan modu kendi varsayılanını kullanır. Örnek:

model_reasoning_effort = "high"
plan_mode_reasoning_effort = "xhigh"

Codex’in modeller sayfası iki üst seviyeyi birbirinden ayırıyor: Max tek bir göreve daha uzun düşünme süresi verir, Ultra ise karmaşık bir işin ayrı parçalarını paralel alt ajanlara dağıtır. Aynı sayfa çoğu görevin ikisine de ihtiyaç duymadığını yazıyor.

Copilot CLI’da --effort (uzun adı --reasoning-effort) low’dan max’e beş seviye alır; max yalnızca Anthropic modellerinde var. Özel bir ajanın tanımındaki reasoningEffort 1.0.88 sürümünden beri o ajan seçilince geçerli olur; komut satırında açıkça verdiğiniz seviye yine önceliklidir. VS Code’da seviye, model seçicide modelin adının yanındaki oka basınca açılan “Thinking Effort” alt menüsünden seçilir ve oturum başına hatırlanır. GitHub’ın belgesi bedeli de yazıyor: yüksek seviye daha çok token, dolayısıyla daha çok AI kredisi harcar; normal seviyeyle başlayıp yalnızca zor işlerde yükseltin.

Cursor’da Plus planı Cursor’ın kendi modellerini sabit ayarla çalıştırır: effort medium, Fast kapalı. Effort seviyesi ve Fast seçmek için Premium ya da üstü gerekiyor. Eski istek tabanlı planlardaki Max Mode ise bir effort seviyesi değil; modelin bağlam penceresini genişleten ayrı bir seçenek.

Antigravity CLI’da /effort seviyeyi seçer ve sonraki oturumlar için saklar; --effort ise yalnızca o çalıştırmada geçerlidir. Çoğu model low, medium ve high sunuyor; xhigh ve max yalnızca bazı modellerde var. Gemini CLI’ı hâlâ kullanıyorsanız: komut listesinde effort için bir komut yok, düşünme ayarı yalnızca yapılandırmadaki model tanımlarında duruyor. Google, ücretsiz katman ve Google One kullanıcıları için Gemini CLI’ı 18 Haziran 2026’da Antigravity CLI ile değiştirdi; ücretli API anahtarlarıyla Gemini CLI kullanılmaya devam ediyor.

Ultracode nedir, effort’tan farkı ne?

Ultracode, Claude Code belgesinin deyişiyle “bir effort seviyesi değil, bir Claude Code ayarı”. Açıkken Claude, esaslı her iş için bir dinamik iş akışı (dynamic workflow) planlar: işi parçalara bölen ve çok sayıda alt ajanı yöneten bir JavaScript betiği yazar, betiği arka planda çalıştırır. İş akışları belgesine göre tek bir istek arka arkaya birkaç iş akışına dönüşebilir: biri kodu anlamak, biri değişikliği yapmak, biri doğrulamak için.

Effort ise tek bir ajanın ne kadar düşüneceğini belirler. İkisi birbirinden bağımsız: ultracode, oturum hangi seviyedeyse o seviyede çalışır. Bu ayrım yeni. Ultracode, dinamik iş akışlarıyla birlikte 28 Mayıs’ta duyurulduğunda effort’u xhigh’a çekiyordu. 2.1.284 sürümünden (28 Eylül) beri /effort içinde ayrı bir anahtar ve seviyeyi değiştirmiyor. Bu tarihten önce yazılmış anlatımlar eski davranışı tarif ediyor. Tek bir istisna kaldı: oturumu claude --effort ultracode ile başlatırsanız seviye de xhigh olur. Ultracode’u açmanın dört yolunu alt ajanlar yazısında anlattık.

Bedeli için bir çarpan yok. Anthropic ultracode’un kaç kat token harcattığını yayımlamıyor; belge her isteğin daha çok token harcayacağını, daha uzun süreceğini ve abonelikte oturum ya da haftalık sınıra daha erken ulaşacağınızı yazıyor. Ultracode açıkken iki fren de devreden çıkıyor: 25’ten fazla ajan ya da 1,5 milyon token öngören iş akışlarında çıkan “Large workflow” uyarısı gösterilmiyor ve oturumun eşzamanlı alt ajan sınırı Agent aracıyla başlatılan alt ajanlara uygulanmıyor. İş akışının kendi sınırları ise yerinde: varsayılan olarak aynı anda 16, bir koşuda en çok 1.000 ajan. İş akışları kapalıysa ya da model xhigh desteklemiyorsa ultracode açılmıyor.

Öteki araçlarda aynı fikrin karşılıkları var. Hiçbiri effort’la aynı şey değil:

Kaynak: Claude Code, Codex, HydraFusion ve Antigravity belgeleri, 20 Ekim 2026. Codex’te Ultra, effort kaydırıcısında bir seviye olarak duruyor (Light’tan Ultra’ya); OpenAI API’sinin reasoning.effort değerleri arasında ise yok.

Adı benzeyen ultrathink başka bir şey. Prompt’a ultrathink yazınca Claude Code o tur için daha derin düşünmeyi isteyen bir talimat ekler, ama API’ye giden effort seviyesi değişmez. Yani ultrathink tek mesajlık bir rica, effort oturumun ayarı, ultracode ise işin kaç ajanla yapılacağı.

Okuduğumuz kaynaklarda ultracode’un açık ve kapalı karşılaştırıldığı bir ölçüm yok; benzer modlar için de yok. Bu yüzden ultracode’u bölünebilen büyük bir işte, önce küçük bir dilimde deneyin. İş akışları belgesi de büyük bir işe başlamadan önce harcamayı görmek için önce tek bir klasörde çalıştırmayı öneriyor.

Fast mode neyi hızlandırır ve kaça mal olur?

Effort aynı modelin ne kadar düşüneceğini değiştirir; fast mode ise aynı modelin cevabı ne kadar hızlı yazacağını. Sağlayıcılar aynı modeli birkaç hızda satıyor: beklemeyi göze alana ucuza, acelesi olana pahalıya. Tablodaki bilgileri 20 Ekim 2026 günü sağlayıcıların fiyat ve katman belgelerinden okuduk:

Kaynak: sağlayıcıların fiyat ve katman belgeleri, 20 Ekim 2026. Fiyatlar MTok başına girdi / çıktı. OpenAI’da Priority’nin adı 30 Temmuz’da Fast mode oldu. Google’ın Flex’i önizlemede. Anthropic’te fast mode Batch API ile birlikte kullanılamıyor.

Anthropic’in belgesi fast mode’un neyi hızlandırdığını ayırıyor: saniyede üretilen çıktı token’ını artırır, ilk token’ın gelme süresini değil. Model ve zekâsı aynı kalır. Fark uzun bir cevapta, uzun bir diff’te belli olur; kısa sorularda pek hissedilmez. Bir bedeli daha var: farklı hızlardaki istekler önbelleği paylaşmıyor. Claude Code’un belgesi bunun sonucunu yazıyor: fast mode’u bir konuşmada ilk kez açtığınızda o ana kadarki bağlamın tamamı için önbelleksiz fast mode fiyatı ödenir. Bu yüzden en ucuzu, oturumun başında açmak.

Beş araçta durum şöyle:

• Claude Code: /fast ile açılıp kapanır. Opus 5.5’te çıktı hızı 2,5 kata kadar artar, fiyat MTok başına $8 / $40. Abonelik planlarında plan limitinizden değil, kullanım kredilerinden (usage credits) ödenir. API’de Opus 5.5 için fast mode 15 Ekim’de araştırma önizlemesinden çıktı; Claude Code’un fast mode sayfası 20 Ekim 2026 günü hâlâ “research preview” yazıyordu.
• Codex: CLI’da /fast; kalıcı olarak service_tier = "fast", istekte priority olarak gider. Belgeye göre fast mode abonelik limitinizden standardın 2,5 katı, satın alınan krediden 2 katı düşer. 8 Ekim’den beri GPT-6.1 Sol’da Ultrafast da var: limitten 8, krediden 6 kat; yalnızca Pro $500 ile uygun Enterprise ve Edu planlarında.
• GitHub Copilot: araç genelinde bir hız düğmesi yok; hızlı sürüm model seçicide ayrı bir model olarak duruyor. “Claude Opus 4.8 (fast mode)” 29 Haziran 2026’dan beri önizlemede, standart Opus 4.8’den pahalı; Business ve Enterprise’da yöneticinin açması gerekiyor.
• Cursor: Fast, model tablosunda ayrı bir seçenek; Grok 4.7 gibi modellerde iki kat fiyatla seçilebiliyor. Plus planında kapalı.
• Antigravity: ücretli bir hız katmanı belgede yazmıyor.

Ucuz katmanların bedeli beklemek ya da reddedilmek. OpenAI’ın flex katmanı yük altında 429 döndürebilir; bu isteklere ücret alınmaz. Google’ın Flex’i kapasite dolunca isteği kendiliğinden standart katmana yükseltmez, yeniden denemeyi size bırakır. Bir insanın başında beklediği işte bu sürpriz demektir; gece çalışan toplu bir işte ise yarı fiyat.

Daha çok effort daha iyi sonuç mu demek?

Bir yere kadar. Üç tür kanıta baktık: satıcının kendi ölçümüne, bağımsız bir dizine ve kendi kayıtlarımıza. Satıcının bildirdiği sonuçları öyle işaretledik.

Anthropic’in maliyet belgesindeki effort taramasını SWE-bench yazısında çizdik: Opus 5.5, kendi seçtiği SWE-bench Pro alt kümesinde low’dan xhigh’a çıktıkça daha çok görev çözüyor, görev başına maliyet de katlanıyor. Aynı belgede daha işe yarar bir fikir var: her şeyi yüksek seviyede çalıştırmak yerine önce low’da çalıştırıp yalnızca başarısız olanları high’da tekrarlamak. Low’da görevlerin %13’ü başarısız oldu; bunlar high’da tekrarlanınca görevlerin yaklaşık %97’si çözüldü ve görev başına maliyet yaklaşık $0,17 oldu. Her şey high’dayken sonuç %95,3, maliyet $0,29. Bu, satıcının bildirdiği bir sonuç ve iki şartı var: başarısızlığı söyleyen bir sinyal gerekir (orada benchmark’ın kendi testleri) ve ilk denemede kalan her görev iki koşu süresi bekletir.

Bağımsız tarafta Artificial Analysis’in Coding Agent Index’i aynı modeli her effort seviyesinde, bir kodlama aracının içinde ölçüyor: 303 görev, görev başına 3 deneme. 20 Ekim 2026 günkü sonuçlar:

Kaynak: Artificial Analysis, 20 Ekim 2026 günkü canlı sayfa; tek bir anlık görüntü. Her hücrede dizin puanı ve görev başına ortalama maliyet. Sayfa güven aralığı vermiyor; birkaç puanlık fark gürültü olabilir. Bir model güvenlik nedeniyle reddedince denemeyi başka bir model bitirebiliyor ve deneme yine sayılıyor: Sonnet 5.5 satırlarında 909 denemenin 18 ile 45 arası böyle. Seviye adları her model için ayrı ayarlandığından tabloyu satır satır değil, sütun sütun okuyun.

Üç model üç ayrı şey gösteriyor. Sonnet 5.5 her seviyede yükseliyor, ama görev başına maliyet low’da $0,48, max’te $14,19; bir görevin ortalama süresi de yaklaşık 6 dakikadan 87 dakikaya çıkıyor. Haiku 5.5’te max, xhigh’tan 4,2 kat pahalı ve puanı daha düşük. GPT-6.1 Sol ise seviyeler arasında neredeyse düz: en düşük ve en yüksek puanı arasında 5,7 puan var.

Satıcının kendi ölçümlerinde de en üst seviyelerde getiri düzleşiyor. Opus 5.5’in sistem kartına göre (satıcının bildirdiği) model Terminal-Bench 4.0’da xhigh’ta %66,4, max’te %64,8 aldı; Anthropic farkı gürültü içinde sayıyor (standart hata ±2,6 puan). Aynı kartta Opus 5.5’in FrontierCode’daki en iyi skoru (%54,6) medium’da; medium’un üstünde skor düşüyor, max’te büyük ölçüde geri geliyor. FrontierCode görevin istemediği değişiklikleri cezalandırıyor; yüksek effort’ta modelin kapsamın dışına taşmasını SWE-bench yazısında anlattık.

Kendi kayıtlarımızda başka bir şey gördük. diffox bir yapay zekâ kod inceleme aracı; kullandığımız Claude modelini herkese açık bir kıyaslama setinin pull request’lerinde, yalnızca effort’u değiştirerek birkaç kez çalıştırdık. Her koşu aynı 100 model çağrısından oluşuyor. Düşünme token’ları çıktı token’larının içinde faturalandığı için bir çağrının düşünüp düşünmediğini, yanıtında bir thinking bloğu olup olmadığına bakarak saydık:

Medium’da çağrıların hiçbiri düşünmedi; model doğrudan cevap yazdı. High’da çağrıların çoğu, xhigh’ta hepsi düşündü ve çağrı başına çıktı ile süre de ona göre büyüdü. Yani adaptive thinking’de effort, modelin ne kadar uzun düşüneceğinden çok düşünüp düşünmeyeceğini değiştiriyor. Anthropic’in belgesi de bunu söylüyor: effort, adaptive modda modelin ne sıklıkla ve ne derin düşüneceğini belirler; düşük seviyelerde model basit problemlerde düşünmeyi tamamen atlayabilir. İkinci bir kıyaslama setinde de aynı tablo çıktı: medium’da 200 çağrının hiçbiri, high’da 200 çağrıdan 88 tanesi düşündü. Max’ı yalnızca iki çağrıda denedik: ikisi de düşündü; çağrı başına 61.470 ve 83.150 token, 423 ve 745 saniye.

Effort’u yükseltmenin daha çok hata yakalattığı ise kayıtlarımızdan çıkmıyor. Bunu söyleyebilmek için her ayarda tekrarlanmış koşular gerekir; elimizde ayar başına bir ya da iki koşu var ve aradaki fark iki koşu arasındaki olağan oynamadan büyük değil. Tek koşudan çıkan bir sonucu neden sonuç saymadığımızı LLM-as-a-judge yazısında anlattık.

Hangi iş için hangi ayarı seçmeli?

Kaynakların ortak önerisi şu: modelin varsayılanıyla başlayın, yükseltmeyi kendi işinizde ölçerek yapın. OpenAI effort’u kaliteyi kurtarmanın ana yolu değil, bir ince ayar düğmesi olarak görmenizi söylüyor. Google üç seviyeyi de kendi değerlendirmenizde denemenizi ve ölçütünüzü karşılayan en düşük seviyeyi seçmenizi öneriyor. Sık karşılaşılan işler için özet:

Kartların arkasındaki gerekçeler belgelerde. Claude Code’un belgesi max için azalan getiri ve aşırı düşünme uyarısı yapıyor, yaygınlaştırmadan önce denemenizi istiyor; Codex’in belgesi de çoğu görevin Max’e ya da Ultra’ya ihtiyaç duymadığını yazıyor. OpenAI xhigh’ın yaygın kullanımları arasında güvenlik ve kod incelemesini sayıyor, ama yalnızca kendi değerlendirmeniz açık bir fayda gösterdiğinde. Ultra modları işi anlamlı parçalara bölebildiğinizde işe yarıyor; bölünemeyen tek bir zor problemde tek ajanın daha uzun düşünmesi daha anlamlı. Pull request botları ve CI işleri için standart katmanı seçin: flex yük altında reddedebilir, batch saatler sürebilir.

Üç alışkanlık daha işe yarıyor:

• Kapsam talimatı ekleyin. Çıktı birleştirilecek bir diff olacaksa prompt’a görevin kapsamında kalmasını söyleyen kısa bir cümle ekleyin. Anthropic’e göre Opus 5 high’ın üstünde görevin istediğinden fazla değişiklik yaptı ve bu talimatla görevlerin çoğunda puan geri geldi.
• Effort’u mesaj başına değiştirin. Uzun bir oturumda seviyeyi istek düzeyinde değiştirmek önbelleği bozar. Anthropic’in mesaj başına effort’u ve OpenAI’ın configuration_update’i seviyeyi önbelleği koruyarak değiştirir.
• Önce ucuz seviye, sonra pahalısı. Çıktıyı bir testle ya da bir doğrulayıcıyla kontrol edebiliyorsanız, önce düşük seviyede çalıştırıp yalnızca başarısız olanları yüksek seviyede tekrarlamak Anthropic’in ölçümünde her şeyi high’da çalıştırmaktan ucuz çıktı.