Artificial Analysis’ın karşılaştırmalı verileri, modeller arasındaki farkların yalnızca Intelligence skoruyla açıklanamayacağını gösteriyor. Hız, maliyet ve bilgi güvenilirliği gibi farklı ölçütler bir arada incelendiğinde, modeller arasındaki gerçek farklar çok daha net ortaya çıkıyor. Genel zekâ sıralamasında Claude Opus 5 (63) ve Claude Fable 5 (62) puanlarıyla ilk sıralarda yer alıyor. Hız tarafında ise Gemini 3.6 Flash, saniyede 230 token üretim hızıyla dikkat çekiyor. Maliyet konusunda tablo tersine dönüyor: DeepSeek V4 Flash 0731, görev başına yaklaşık $0,03 ile en ekonomik seçenek olurken, en yüksek maliyet Claude Fable 5 ($3,14) ve Claude Opus 5'te ($2,34) görülüyor. Asıl çarpıcı sonuçlar ise Omniscience benchmarkında. Bu test, modelin sadece doğru cevap verip vermediğine değil, bilmediği bir konuda yanlış cevap üretip üretmediğine de bakıyor. Ölçülen halüsinasyon oranı, modelin “bilmiyorum” demesi gereken durumlarda yanlış bir cevap üretme eğilimini gösteriyor. Sonuçlar oldukça dikkat çekici: GPT-5.6 Luna (max), %93 halüsinasyon oranıyla listenin en üstünde yer alıyor. Onu %92 ile GPT-5.6 Sol (max) ve DeepSeek V4 Flash, %91 ile GPT-OSS 120B (high) izliyor. Buna karşılık Command A+ (%14) ve MiniMax-M3 (%18) çok daha düşük halüsinasyon oranlarıyla öne çıkıyor. Bu tablo, model seçiminde en zeki modeli seçmekten ziyade, kullanım amacına göre en dengeli modeli bulmanın önemini ortaya koyuyor. Detaylı incelemek isteyenler için: https://artificialanalysis.ai/