"Hangi AI daha iyi kod yazıyor?" sorusuna tek bir isimle cevap vermek kolay, ama çoğu zaman yanıltıcı. Sonuç; verilen bağlama, seçilen modele, aracın dosyalara ve komutlara erişimine, bir de çıktıyı nasıl sınadığına bağlı. Daha yararlı soru şu: Bu işin hangi aşamasında hangi aracı denemek mantıklı?
Bu yazı 12 Eylül 2026 itibarıyla altı ürünün resmi belgelerini esas alıyor. Aynı görevlerde yapılmış bir performans testi ya da kişisel verimlilik sıralaması değil. Tablodaki "uygun iş" örnekleri, belgelenen özelliklerden çıkardığım kullanım önerileri. Ürün özellikleri, modeller, fiyatlar ve erişim koşulları değişebilir.
Önce aracın neye erişeceğini belirle
ChatGPT, Claude veya Gemini gibi bir sohbet aracıyla problemi tarif edip olası nedenleri tartışabilirsin. Kod ajanı ise izin verdiğin proje dosyalarını okuyabilir, değişiklik yapabilir ve komut çalıştırabilir. Perplexity gibi araştırma odaklı bir araç kaynak bulma aşamasında işe yarayabilir. Bunlar birbirinin yerine geçen tek tip ürünler değil; aynı görevin farklı basamaklarında kullanılabilirler.
Örneğin "liste ekranı yavaş" dediğinde önce hangi ölçümlere ihtiyacın olduğunu sormak yeterli olabilir. Darboğazı gösteren bir ölçüm ve başarısız testin varsa kod ajanına daha somut bir görev verebilirsin. Kullandığın kütüphanenin güncel davranışını bilmiyorsan önce resmi belgeyi araştırman gerekir. Araç seçimini görev, veri sınırı ve doğrulama yöntemi birlikte belirler.
Altı araç, altı başlangıç noktası
| Araç | Belirgin çalışma biçimi | İlk denemeye uygun iş |
|---|---|---|
| Codex CLI | Yerel depoda inceleme, düzenleme, komut çalıştırma; tekrar edilebilir komut ve CI akışları. | Testi belli bir hatayı depoda düzeltmek, değişiklikleri yerel olarak gözden geçirmek veya aynı denetimi otomasyona bağlamak. |
| Claude Code | Terminal, masaüstü, IDE ve web gibi farklı yüzeylerde aynı kod ajanı; proje dosyaları ve araçlarla çalışma. | Birden fazla dosyaya yayılan işi, kullandığın editör veya masaüstü akışından ayrılmadan incelemek ve yönlendirmek. |
| Gemini CLI ve Gemini modelleri | Terminalde proje bağlamı ve web araçları; uygun model seçildiğinde uzun metin ve çoklu ortam girdileriyle çalışma. | Büyük belge kümelerini, görsel veya video gibi ek bağlamları inceleyip bulguları kod işiyle ilişkilendirmek. |
| Cursor Agent | Editör içinde kod tabanı araması, dosya düzenleme, terminal komutları ve değişiklikleri fark görünümünde inceleme. | Kod okurken ve düzenlerken editörden ayrılmadan küçük ya da çok dosyalı bir işi yürütmek. |
| GitHub Copilot | Desteklenen IDE'lerde sohbet ve ajan akışı; GitHub üzerinde bir görevi cloud agent'a devredip pull request alma. | İyi tanımlanmış bir GitHub issue'sunu incelemeye hazır değişiklik önerisine dönüştürmek. |
| Perplexity | Web araştırmasını kaynak bağlantılarıyla özetleme ve soruları kaynaklar üzerinden derinleştirme. | Güncel bir teknik iddianın kaynaklarını bulmak, seçenekleri toplamak ve resmi belgelere ulaşmak. |
Bu tablo bir yetenek sıralaması değil. Codex, Claude Code, Gemini CLI, Cursor ve Copilot'un kodla çalışma alanları kesişiyor. GitHub Copilot'un IDE içindeki kullanımıyla GitHub'da arka planda çalışan ajanı da ayrı akışlar. Perplexity'nin kaynak vermesi ise bir kod ajanının depoda test çalıştırmasının karşılığı değil.
Kod değişikliği için neye bakarım?
Terminalde çalışıyorsam Codex CLI, Claude Code veya Gemini CLI ile aynı küçük görevi deneyebilirim. Beklenen davranış ve test komutu açık olduğunda araçlardan önce ilgili dosyaları bulmasını, ardından sınırlı bir değişiklik yapmasını ve test çıktısını göstermesini isterim. Codex'in CLI belgesi otomasyona bağlanan komut kullanımını da anlatıyor. Claude Code'un çalışma biçimi farklı arayüzler arasında seçim olanağı sunuyor. Gemini CLI'ın araç listesi ise hangi dosya, komut ve web işlemlerinin yapılabildiğini gösteriyor. Hangisini seçeceğim, kullandığım ortam ve denemenin sonucu ile netleşir.
Editörün içinde kalmak istiyorsam Cursor Agent veya GitHub Copilot'un IDE akışı uygun adaylar. Cursor'un Agent belgesinde kod arama, düzenleme, terminal ve değişiklikleri inceleme yüzeyleri açıklanıyor. Copilot'un özellik belgesi desteklenen IDE'lerde sohbet ve ajan kullanımını ayırıyor. İkisinde de önemli kontrol, önerilen farkı okumak ve testleri gerçekten çalıştırmak; editörde görünmesi değişikliği kendiliğinden güvenilir kılmaz.
İş bir GitHub issue'su olarak tanımlıysa Copilot'un cloud agent akışı ayrıca değerlendirilebilir. GitHub'ın görev başlatma rehberi, issue'yu ajana atamayı ve ek bağlam vermeyi açıklıyor. Bu, yapılacak işi net yazıp çıkan pull request'i inceleme olanağı sağlar. "Raporları iyileştir" gibi belirsiz bir issue yerine beklenen davranışı, kapsam dışını ve doğrulama adımlarını yazmak gerekir.
Araştırma ve uzun bağlam için neye bakarım?
Güncel bir bilgi arıyorsam Perplexity bir başlangıç noktası olabilir. Ürün açıklamasına göre yanıtlar kaynak bağlantıları içeriyor. Bir kütüphanenin son sürümünde değişen davranışı araştırırken bağlantıları toplayabilir, ardından iddiayı kütüphanenin kendi sürüm belgesinde kontrol edebilirim. Perplexity'nin kaynak etiketleri açıklaması da etiketin tek bir yazının doğruluğunu garanti etmediğini söylüyor. Kaynaklı cevap, doğrulamanın başlangıcıdır.
Çok sayıda belge veya görsel bağlam varsa Gemini modelleri denenebilir. Google'ın uzun bağlam belgesi büyük girdiler ve çoklu ortam örneklerini açıklıyor. Ancak modelin desteklediği giriş türü ve bağlam sınırı seçime göre değişir; Gemini CLI kullanıyor olmak tek başına her sınırın veya her dosya türünün desteklendiği anlamına gelmez. Önemli bir sonuçta ilgili belge bölümünü ve modelin yorumunu yan yana kontrol ederim.
Aynı görevi nasıl karşılaştırırım?
Altı aracı tek bir puanla sıralamak yerine, aynı türden araçları aynı görevde denemek daha anlamlı. Kod ajanları için küçük, gizli veri içermeyen bir hata seçilebilir. Görevin metni, değiştirilebilecek dosyalar, beklenen davranış ve test komutu her araçta aynı olmalı:
Bu depoda örnek liste ekranının filtrelenmesinde şu hata var: boş arama terimi tüm kayıtları göstermeli. Önce ilgili dosyayı ve mevcut testi bul. Yalnızca bu davranışı düzelt; başka dosyaları neden değiştirdiğini açıkla. Sonunda test komutunu çalıştır ve sonucu, çalıştıramadıysan nedenini belirt.
Sonra yalnızca cevabın akıcılığına değil, doğru problemi çözüp çözmediğine, gereksiz dosyalara dokunup dokunmadığına, testin gerçekten çalışıp çalışmadığına ve değişikliğin anlaşılabilirliğine bakarım. Araştırma araçlarında ise aynı teknik soruya verilen bağlantıların güncelliğini ve iddiayı destekleyip desteklemediğini karşılaştırırım. Perplexity'yi bir kod ajanıyla "hangisi daha iyi kod yazdı" diye ölçmek anlamlı olmaz; görevleri farklı.
İşyerine ait kod, müşteri bilgisi, sağlık veya ödeme verisi ve erişim anahtarları herhangi bir araca verilmeden önce kurumun paylaşım kuralları ile ürünün erişim izinleri incelenmeli. Fiyat ve kullanım sınırları da karar verilecek tarihte ürün sayfalarından ayrıca kontrol edilmeli.
Benim seçim ölçütüm araç adına bağlılık değil: Problemi tarif et, uygun çalışma yüzeyini seç, küçük bir deneme yap ve sonucu bağımsız ölçütlerle sına. Gerekirse sonraki aşamada başka araca geç. Güçlü araç, kendi işinde kanıtlanabilir biçimde işe yarayan araçtır.
