Yapay zeka kodlama araçlarını günlük olarak kullanan geliştiriciler arasında, yeni modellerin performans testlerinde zirveye çıkmasına rağmen Claude'a olan bağlılık dikkat çekiyor. Yazar, Gemini, Codex ve açık kaynaklı modeller gibi alternatifleri denese de, sürekli olarak Claude'a geri döndüğünü belirtiyor. Bu durum, yeni bir model piyasaya sürüldüğünde, geliştiricilerin onu denemesi, şikayet etmesi ve ardından Claude'a dönmesi şeklinde tekrarlanan bir döngü haline gelmiş durumda.
Performans testleri (benchmarks) genellikle doğru sonuçlar verir; yeni modeller izole edilmiş problemlerde (HumanEval, LeetCode tarzı görevler) daha iyi kod üretebilir. Hatta SWE-bench gibi gerçek GitHub sorunlarını ele alan daha gerçekçi testler bile, gerçek kodlama sürecinin karmaşıklığını tam olarak yansıtmaz. Gerçek geliştirme işi, kullanıcıyla etkileşim yönetimi, doğru dosyaları seçme, hedefe yönelik düzenlemeler yapma, beklenmedik hataları ele alma ve 20'den fazla adımda görevde kalma gibi sürdürülebilir, etkileşimli bir iş akışını içerir. Bu tür bir süreç, herhangi bir performans testinde yakalanması zor bir boyuttur.
Claude'un farkı, Anthropic'in modeli yalnızca çıktıyı değil, aynı zamanda kodlama sürecini de yoğun bir şekilde eğitmiş olmasından kaynaklanıyor gibi görünüyor. Diğer büyük kodlama ajanları da dosya okuma, kod düzenleme ve terminal komutları çalıştırma yeteneklerine sahip olsa da, Claude bu iş akışını çok daha tutarlı bir şekilde yürütüyor. Doğru dosyaları okuma, gereksiz yeniden yazmalar yerine hedefe yönelik düzenlemeler yapma, ne zaman hareket edip ne zaman durup yardım istemesi gerektiğini bilme ve görevden sapmama gibi konularda Claude'un "süreç disiplini" öne çıkıyor. Fark, ham zekada değil, bir görevin tamamı boyunca gösterilen tutarlılıkta yatıyor; bu da Claude'u denetimsiz çalışmaya daha uygun hale getiriyor.
Claude'un geliştiriciler tarafından tercih edilmesinin temel nedeni, ham zekadan ziyade kodlama sürecindeki tutarlı ve disiplinli iş akışı yönetimi yeteneğidir.