--- title: "GVS5H Altyapısı ile Beş Qwen3.8-27B Modeli Claude Fable 5 Performansını Yakalıyor" url: https://blog.edumints.com/gvs5h-altyapisi-ile-bes-qwen3-8-27b-modeli-claude-fable-5 category: "LLM" date: 2026-10-25T08:06:56.812Z publisher: Edumints Blog lang: tr-TR source_name: "Hacker News" source_url: https://github.com/slee-persis/GVS5H --- # GVS5H Altyapısı ile Beş Qwen3.8-27B Modeli Claude Fable 5 Performansını Yakalıyor ## GVS5H: LiveCodeBench Zorlu Testlerinde Beş Qwen3.8-27B Modeli ile Fable 5 Seviyesinde Kodlama Öncü (frontier) düzeyde kodlama performansı elde etmek, genellikle yüksek maliyetli ve devasa kapalı kaynaklı modelleri kullanmayı gerektirir. Ancak **GVS5H (Gorilla vs. 5 Humans)** projesi, eğitim gerektirmeyen (training-free) yeni bir yaklaşımla bu denklemi değiştiriyor: **kayıt defteri tabanlı sıfır-atışlı öz-orkestrasyon (ledger-based zero-shot self-orchestration)**. Bu yöntemde, aynı modelin yeni örnekleri (instances) karmaşık problemleri alt parçalara ayırır ve bir planı, notları ve mevcut çözümü barındıran **paylaşımlı bir dosya sistemi** üzerinden koordine olur. ## Sonuçlar ve Mimari Kazanımlar En güncel 100 zorlu LiveCodeBench problemi üzerinde, açık ve kapalı ağırlıklı 11 modelle yapılan testler, yazılım mühendisliği ve yapay zeka orkestrasyonu açısından çarpıcı sonuçlar sunuyor: - **Maliyet ve Performans Dengesi:** Orkestre edilmiş **Qwen3.8 Flash Next**, Fable 5 modelinin %90.4'lük `pass@1` başarısına karşılık **%93.0** skora ulaşırken, bunu maliyetin yalnızca **%9'u** ile gerçekleştirir. - **Yerel ve Açık Ağırlıklı Modellerin Gücü:** Tek bir GPU üzerinde veya yerel olarak çalıştırılabilen açık ağırlıklı **Qwen3.8-27B** modelinin başarısı, bu altyapı sayesinde **%66.8'den %92.4'e** yükselerek Fable 5 seviyesini geride bırakır (Opus 5 ise daha eski bir iskelet sürümünde OpenRouter üzerinden tek geçişte çalıştırılmıştır). - **Kazanımların Kaynağı:** Sabitlenmiş (pinned) arka uçlarda **25.6 yüzde puana** varan artışlar görülse de bu kazanımlar her model için evrensel değildir; bazı modellerde performans değişmemiş veya düşmüştür. Transkript analizleri, başarının temelinde **problemi alt parçalara ayırma (decomposition)** ve **kalıcı bağlam (persistent context)** yönetiminin yattığını göstermektedir. > **Pratik Çıkarım:** Geliştiriciler için en önemli ders, her zaman daha büyük bir modele bütçe ayırmak yerine **çıkarım zamanlı organizasyona (inference-time organization)** yatırım yapmaktır. Ajanların ortak bir dosya sisteminde durum (state) ve plan tutması, bağlam penceresi kirlenmesini önleyerek küçük modellerden devasa sonuçlar almayı sağlar. ## Kodu Çalıştırma (Running the Code) Bu çok-ajanlı sistemi test etmek için sisteminizde `uv` paket yöneticisi ve test etmek istediğiniz modelin API anahtarı bulunmalıdır: ```bash cd codebase/v2-current export OPENAI_API_KEY=... LCB_RELEASE=release_v6 \ ESCALATION_CLOUD_MAX_TOKENS=128000 \ ESCALATION_CLOUD_TIMEOUT=7200 \ MULTIAGENT_MODEL=openai:gpt-5.6-terra \ uv run --no-project --python 3.12 \ --with 'datasets<4' --with numpy --with anthropic \ python escalation/run_bench.py \ --engine multiagent --only lcb --lcb 100 --parallel 8 ``` - `--engine multiagent` parametresi yönetici orkestrasyonunu çalıştırırken, `--engine single` tek çağrılı temel (baseline) testi çalıştırır. - Kendi `*_API_KEY` değişkenlerini tanımlayarak `anthropic:`, `dashscope:` veya `openrouter:` seçeneklerini kullanabilirsiniz. - Test sonunda `pass@1` skoru ekrana yazdırılır; detaylı sonuçlar `runs/results.json` dosyasına, çalışma alanları ise `runs/ws/` dizinine kaydedilir. ## Lisans (License) - Proje kodu **MIT Lisansı** altındadır. - Makale, şekiller ve çalıştırma verileri **CC BY 4.0** lisansı ile sunulmaktadır. - LiveCodeBench çatalı (fork), kıyaslama problem ifadeleri ve LaTeX şablon dosyaları kendi orijinal lisanslarını korur (detaylar için `NOTICE.md` dosyasına bakılabilir). --- Bu konuyu derinlemesine öğrenmek isterseniz: [Tool Calling ve Multi-Step Agent'lar](https://edumints.com/kesfet/nextjs-ve-vercel-ai-sdk-ile-production-ai-uygulama-21y7) modülüne göz atın. --- **Kaynak:** Hacker News (https://github.com/slee-persis/GVS5H) **Yayıncı:** [Edumints Blog](https://blog.edumints.com) · Alıntılarken bu URL'ye bağlantı verin: https://blog.edumints.com/gvs5h-altyapisi-ile-bes-qwen3-8-27b-modeli-claude-fable-5