Claude Opus 5.5 effort ayarı: low, medium, high, xhigh mı max mı?

Kısa cevap: Claude Opus 5.5 ile kodlama işine `medium` ile başla. Tek dosyalı, mekanik ve ucuz doğrulanan işlerde `low`; kök nedeni belirsiz hata, çok dosyalı değişiklik veya mimari kararda `high` dene. `xhigh` ve `max` ancak aynı kabul testinde alt seviye yetersiz kaldığında anlamlı. Anthropic de Opus 5.5'in varsayılanını `medium` yaptı ve ayarı kendi görevlerin üzerinde ölçmeyi öneriyor.[3][4]

Bu bir bağımsız benchmark sonucu değil. Aşağıdaki reçete Anthropic'in 22 Eylül 2026 tarihli model duyurusu ve güncel teknik belgelerindeki üretici iddialarını gerçek kodlama görevlerine çeviriyor. Benim yorumum, ayarı cevap uzunluğuna göre değil tamamlanan görev, tekrar deneme ve doğrulama maliyetine göre seçmek gerektiği.

Hızlı seçim

• `low`: adlandırma, küçük test, dokümantasyon, belirli bir lint hatası ve dar kapsamlı dönüşüm.
• `medium`: günlük feature, birkaç dosyalı refactor, test ve tip güncellemesi, sınırları belli ajan işi.
• `high`: belirsiz hata ayıklama, servisler arası değişiklik, mimari seçenek veya pahalı geri dönüş.
• `xhigh`: uzun araştırma, geniş migration ya da `high` seviyesinde tekrar eden eksik plan.
• `max`: en yüksek yeteneğin sonucunu gerçekten değiştirdiğini aynı görev setinde ölçebildiğin nadir işler.

Bu eşleştirme kalite garantisi değil. Effort, modelin düşünme derinliğini, gecikmesini ve token tüketimini etkileyen bir davranış sinyali; sabit token bütçesi değil.[3]

Neden Opus 5.5'te medium iyi başlangıç?

Claude Opus 5.5'in adaptive thinking özelliği sürekli açık. Eski `thinking: disabled` veya elle `budget_tokens` verme yolu bu modelde çalışmıyor; derinliği `effort` ile yönetiyorsun. Modelin API varsayılanı `medium`, bağlam penceresi 1 milyon token, azami standart çıktısı 128 bin token ve liste fiyatı milyon token başına 4 dolar girdi ile 20 dolar çıktı.[2]

Anthropic, kendi kodlama ve bilgi işi testlerinde Opus 5.5 `medium` seviyesinin Opus 5 `high` seviyesine ulaştığını ya da onu geçtiğini söylüyor. Bazı kodlama değerlendirmelerinde `low` seviyesinin de daha düşük maliyetle yakın sonuç verdiğini bildiriyor.[4] Bunlar üretici ölçümleri. Kendi depon için doğru başlangıç sinyali verirler, sonucu peşinen kanıtlamazlar.

Daha önemli ayrıntı şu: aynı etiket iki modelde aynı miktarda düşünme anlamına gelmiyor. Opus 5.5, özellikle `xhigh` ve `max` seviyelerinde, Opus 5'e göre tur başına daha fazla düşünebiliyor.[4] Opus 5'te kullandığın ayarı kopyalamak adil bir karşılaştırma değil; modeli ve effort seviyesini ayrı ayrı sabitleyip yeniden ölçmek gerekiyor.

Low hangi kodlama işlerinde yeterli?

`Low`, yanlış sonucun hızlı yakalandığı işlerde iyi ilk deneme. Görev küçük olduğu için değil, kontrol yolu açık olduğu için.

• Var olan kalıbı izleyen bir unit test eklemek.
• Bir sembolü yeniden adlandırmak ve referanslarını güncellemek.
• README, yorum veya kullanıcı metni değiştirmek.
• Linter'ın gösterdiği tekil hatayı düzeltmek.
• İyi tanımlanmış JSON ya da veri dönüşümünü yazmak.

İstekte değişecek dosyayı, yasaklı alanı ve test komutunu açıkça yaz. Sonra diff, test ve lint ile kontrol et. `Low` sonucu geçiyorsa sırf daha uzun düşündürmek için `medium` ya da `high` açmanın getirisi yok.

`Low` seviyesinde araç çağrısı erken kesiliyor, bir çağıran dosya atlanıyor veya ajan kapsamı yanlış okuyorsa önce promptu ve kabul kriterini düzelt. Aynı eksik devam ederse aynı başlangıç durumunda `medium` dene. Ayar yükseltmek, belirsiz görevi kendiliğinden netleştirmez.

Medium hangi işlerin varsayılanı olmalı?

`Medium`, sınırı belli ama tek adımdan büyük işlerde en makul varsayılan. Opus 5.5 zaten bu seviyede başlıyor.[2][3]

• Bir endpoint'i mevcut mimari ve hata yönetimi kalıbına eklemek.
• Birkaç dosyaya yayılan geri alınabilir refactor yapmak.
• API değişikliğinin tip, test ve dokümantasyon etkisini tamamlamak.
• Yeni bir küçük özelliği planlamak, uygulamak ve ilgili testleri çalıştırmak.
• Loglardan iki veya üç olası kök nedeni ayırmak.

Burada ajandan önce kısa plan, sonra değişecek dosyalar, en son çalıştıracağı doğrulama komutlarını istemek işe yarar. `Medium` seviyesinde düzgün tanımlanmış bir görev, `high` seviyesine bırakılmış bulanık bir görevden daha kontrollüdür.

Genel karar çerçevesi için low–high reasoning görev rehberi sağlayıcılar arasındaki farkı anlatıyor. Bu yazı o rehberi tekrar etmiyor; Opus 5.5'in yeni `medium` varsayılanını ve beş seviyeli rotasını daraltıyor.

High ne zaman parasını hak eder?

`High`, daha uzun cevap istediğinde değil, yanlış kararın etkisi ve karar ağacının genişliği arttığında değerli.

• Kök nedeni bilinmeyen ve birden fazla servise yayılan üretim hatası.
• Yetkilendirme, ödeme veya veri sınırını değiştiren kod.
• Veri kaybı riski taşıyan şema migration planı.
• Eski bir kod tabanında birden fazla uygulanabilir mimari arasındaki seçim.
• `Medium` planının aynı bağımlılığı iki kez kaçırdığı çok dosyalı değişiklik.

Ajan önce varsayımları, kanıt toplama sırasını, dokunacağı dosyaları ve geri dönüş planını yazmalı. Kod üretmeden önce bu planı incelemek, daha pahalı effort seviyesinden daha fazla risk azaltabilir.

Anthropic, Opus 5.5'i uzun ajan kodlaması ve bilgi işi için konumluyor; şirketin yayımladığı kıyaslar `medium` ayarda da güçlü sonuç iddia ediyor.[1][4] Bu nedenle `high` seçimini model yeni olduğu için değil, senin temsilî görevin `medium` ile tamamlanmadığı için yap.

xhigh ve max neden varsayılan olmamalı?

Anthropic, `xhigh` ve `max` seviyelerini ölçülmüş kalite kazancı olan işler için saklamayı öneriyor. Daha yüksek ayar, daha fazla düşünme tokenı, daha uzun süre ve daha yüksek maliyet getirebilir.[3][4]

`Xhigh`, saatler süren depo taraması, geniş migration, büyük denetim veya çok aşamalı ajan işinde `high` seviyesinin açıkça eksik kaldığı durumda denenebilir. `Max` ise en zor ve yüksek değerli görevlerde son basamak olmalı. Her iki seviyede de aynı başlangıç deposunu, aynı promptu ve aynı kabul testini kullanmadan yaptığın karşılaştırma güvenilir olmaz.

Bir görev `max` ile daha etkileyici açıklama üretiyor ama testleri geçmiyorsa tamamlanmış sayılmaz. Tersine `medium`, daha kısa sürede aynı testleri geçip daha küçük diff bırakıyorsa pratikte daha iyi seçimdir.

Model katmanını da değiştirmen gerekiyorsa GPT-5.6 Sol–Terra–Luna ana rehberi hız, maliyet ve derinlik ayrımını ele alıyor. Opus 5.5 ile GPT-6 Sol ve Luna'nın görev maliyeti tarafını ise güncel model maliyeti karşılaştırması tamamlıyor.

Ayarı nasıl test etmelisin?

Üç temsilî görev seç: mekanik bir düzeltme, birkaç dosyalı günlük geliştirme ve belirsiz bir inceleme. Her denemede başlangıç commit'i, araçlar, prompt, zaman sınırı ve kabul testleri aynı kalsın.

Önce üçünü de `medium` ile çalıştır. Mekanik görevde `low`, başarısız veya pahalı kalan görevde `high` dene. `Xhigh` ya da `max` seviyesini ancak `high` aynı ölçülebilir kontrolü geçemiyorsa ekle.

Her koşuda yalnız tokenı değil şu değerleri kaydet:

• Kabul testini ilk seferde geçti mi?
• Kaç onarım turu gerekti?
• Toplam süre ve ücret ne oldu?
• Kaç dosyaya dokundu, gereksiz diff bıraktı mı?
• İnsan incelemesi ne kadar sürdü?
• Cache okuma ve yeniden yazma maliyeti ne oldu?

Top-level effort değerini oturum ortasında değiştirmek prompt cache'ini geçersiz kılabilir. Anthropic, tek turda farklı seviye denemek için cache'i koruyan per-message effort seçeneğini beta olarak sunuyor.[4] Ölçüm yaparken ayar değişiminin cache maliyetini sonuca karıştırma.

Doğrulama effort seviyesinden bağımsızdır

Opus 5.5'in üretici benchmarkları veya daha yüksek effort seviyesi merge onayı değildir. Değişen dosyaları ve diff'i oku; ilgili test, lint ve build komutlarını gerçekten çalıştır; güvenlik, veri veya üretim davranışını ayrıca kontrol et.

Kodlama ajanı çıktısı için yedi adımlı kontrol listesi tamamlanma iddiasını kanıta çevirmek için kullanılabilir. Ajanın terminalde mi bulutta mı çalışacağı ayrıca önemliyse yerel ve bulut ajanı görev rehberi izin ve ortam farkını ayırıyor.