Analist Kıyaslaması

En iyi analist hangi model?

Adam Fish

Adam FishCo-Founder & CEO

26 Eylül 2026

Point11, markaların müşterilerini anlayarak pazarlarında kazanmalarına yardımcı olur ve ilk adım markanın kendisini anlamaktır. Bu yazıda, on iki modele kıdemli bir analistin işini verdiğimizde neler bulduğumuzu paylaşıyoruz: 25 şirketin büyüklüğünden ve kapsamından pazarlarına ve rekabetine kadar profilini çıkarmak. Her modeli kalite, hız ve maliyet açısından puanladık.

Pareto sınırı

Noktalı çizgi Pareto sınırıdır: zekâ ve maliyette aynı anda geride bırakılamayan modeller. En yüksek puanı Claude Opus 5.5 aldı, ancak Point11 Alpha fiyatın yarısından daha azına hata payı içinde kaldı. Bunun nedeni, Alpha’nın tek bir modele dayanmamasıdır; işin her adımını o adımı en iyi yapan modele verir. Alpha’dan sonra çizgi düzleşir; yani daha fazla harcamak neredeyse hiçbir şey kazandırmaz.

Zekâ ve maliyet

En cazip çeyrekPareto çizgisi

Pareto çizgisinde 7 seçenek yer alıyor (Muse Glimmer, Gemini 3.5 Flash-Lite, GPT-6 Luna, Gemini 3.8 Flash, Muse Spark 1.3, Point11 Alpha, Claude Opus 5.5). Point11 Alpha bu çizginin üzerinde.

Model zekâsı

Puanlar büyük farklılık gösterdi. En zayıf modeller, en güçlü modellerin yaklaşık beş katı kadar olgusal hata yaptı (yanlış bir ürün ya da gözden kaçan bir pazar gibi); en az hatayı ise Point11 Alpha yaptı. Her puan iki unsuru birleştirir: Anthropic, OpenAI, Google ve xAI laboratuvarlarının en iyi modeli tarafından kör olarak değerlendirilen kalite ve halka açık şirketlerin yıllık raporlarına göre doğruluk.

Zekâ

100 üzerinden puan, %95 güven aralıklarıyla

  1. Claude Opus 5.5: 75.8
  2. Point11 Alpha: 75.1
  3. Claude Fable 5.1: 70.4
  4. GPT-6 Astra: 70.1
  5. Muse Spark 1.3: 66.3
  6. Grok 4.7: 64.8
  7. Grok 4.6: 62.9
  8. Gemini 3.8 Flash: 62.4
  9. Claude Sonnet 5: 58.4
  10. GPT-6 Luna: 57.6
  11. Gemini 3.5 Flash-Lite: 49.0
  12. Claude Haiku 4.5: 43.2
  13. Muse Glimmer: 41.8

Endekse göre sıralanmıştır. Point11 Alpha 75.1 puan alıyor (%95 güven aralığı 72.7–77.5); en iyi tekil model olan Claude Opus 5.5 ise 75.8 puan alıyor. Hata çubukları %95 aralıklarını gösterir.

İş akışı hızı

En güçlü tekil modeller aynı zamanda en yavaşlar arasındaydı. Point11 Alpha onlardan çok önce bitirdi; daha da hızlı olan modeller yalnızca belirgin şekilde daha düşük puan alan daha hafif modellerdi. Hızı, Point11’in kendi işleme süresi dahil, uçtan uca ölçtük.

Hız

Profil başına dakika, baştan sona

  1. Gemini 3.5 Flash-Lite: 12
  2. Gemini 3.8 Flash: 15
  3. Muse Glimmer: 16
  4. Claude Sonnet 5: 20
  5. GPT-6 Luna: 21
  6. Claude Haiku 4.5: 22
  7. Point11 Alpha: 23
  8. Muse Spark 1.3: 24
  9. Claude Opus 5.5: 38
  10. Grok 4.6: 40
  11. Grok 4.7: 44
  12. Claude Fable 5.1: 52
  13. GPT-6 Astra: 57

En hızlıdan başlayarak. Point11 Alpha bir profili 23 dk içinde tamamlıyor; en hızlı tekil model olan Gemini 3.5 Flash-Lite için bu süre 12 dk. En yavaş: GPT-6 Astra. Hata çubukları 90. yüzdelik dilime kadar uzanır.

İş akışı maliyeti

Maliyet, kaliteden bile daha fazla farklılık gösterdi: en pahalı model, profil başına en ucuz modelin yaklaşık 36 katı maliyete ulaştı. Daha fazla harcamak, yalnızca belli bir noktaya kadar daha fazla zekâ sağladı; bu, Pareto sınırında gördüğünüz düzleşmenin aynısı. Bunlar liste fiyatları değil, her profili üretmenin gerçek maliyetleridir ve işlem hattının beş aşamasına göre ayrılmıştır.

Görev başına maliyet

Profil başına USD, işlem hattı aşamasına göre yığılmış

  1. Muse Glimmer: $0.27
  2. Gemini 3.5 Flash-Lite: $0.40
  3. Claude Haiku 4.5: $0.55
  4. GPT-6 Luna: $0.66
  5. Gemini 3.8 Flash: $1.05
  6. Muse Spark 1.3: $1.60
  7. Claude Sonnet 5: $2.40
  8. Point11 Alpha: $3.40
  9. Grok 4.6: $3.90
  10. GPT-6 Astra: $5.10
  11. Claude Opus 5.5: $7.40
  12. Grok 4.7: $7.90
  13. Claude Fable 5.1: $9.60

Profil başına en ucuzdan başlayarak. Maliyet: Muse Glimmer için $0.27, Point11 Alpha için $3.40.

Metodoloji

Her model, Point11’in işlem hattını hiçbir değişiklik yapılmadan, aynı istemlerle ve kendi laboratuvarının varsayılan ayarlarıyla çalıştırdı. Point11 Alpha da aynı işlem hattını, her aşama o aşamaya en uygun modele atanmış şekilde çalıştırdı ve aynı değerlendiricilerle ve cevap anahtarlarıyla sınandı. Değerlendiriciler hangi profili hangi modelin yazdığını hiçbir zaman bilmedi ve hiçbir laboratuvarın modeli tek başına puanlama yapmadı. Bu sonuçların, modellerin genel olarak ne kadar yetenekli olduğunu değil, bu iş akışında nasıl performans gösterdiğini ölçtüğünü unutmayın. Yeni modeller çıktıkça kıyaslamayı yeniden çalıştıracağız.

Metodolojimizle ilgili sorularınız varsa veya kendi kurumsal iş akışlarınızı kıyaslamamızı istiyorsanız satış ekibimize ulaşın.