Claude Code, Codex ve Cursor’u Aynı AI Modelinde Denedi: Araç Beklediğimden Daha Çok Etkiledi.

Yapay zekâ kodlama ajanlarıyla sık sık ilgilendiğim için, ağır yükün aslında modelin üstlendiğine dair bir karara varmışım gibi hissediyorum. Claude Code‘u Codex veya Cursor ile değiştirin, alttaki aynı beyni koruyun ve aynı sonucu almanız gerekir. Ben de bunu test etmeye karar verdim.

Her üçüne de Claude Sonnet 5.5’i yüksek muhakeme modunda, Kindle verilerimi Home Assistant’tan besleyen aynı hatalı WebSocket vekili, 30 dakika ve her biri için 10 dolar verdim. Her biri son kodda mükemmel 16/16 puan aldı, ama ortak oldukları tek şey bu.

Üç aracı aynı modeli kullanmak beklediğimden daha zordu

En azından, bazı abonelik planlarını yükseltmeden

Modeli seçmenin kolay kısım olması gerektiğini düşünürsünüz, ama beklediğimden daha karmaşık çıktı. Bu üç aracı varsayılan modellerle kapsamlı şekilde test ettik, ama daha kontrollü bir deney oluşturmak için değişkenleri azaltmak istedim.

Claude Code, Codex ve Cursor’un yerel olarak sahip olduğu bir model yok, bu da en az bir aracın kendi modelini bir çeviri katmanı üzerinden kullanması gerektiği anlamına geliyor. Ayrıca belgelenmiş resmi yollara sadık kalmak istedim ve bu da beni tek bir yöne yönlendirdi.

Cursor bir abonelik modeli kullanır ve üçüncü taraf modelleri kullanmak için buna ihtiyacınız vardır. Bu, Grok’ın hiçbir şekilde değil, sadece hatırlatma gerekirse. Codex, üçüncü taraf modeller için uç nokta olarak OpenRouter’ı kullanan desteklenen bir yola sahip. Claude Code üçüncü taraf modelleri kullanabilse de, yalnızca Claude ile konuşmak üzere tasarlandığı için diğer modeller, sağlayıcıların çalışacağını garanti etmediği ikinci bir çeviri katmanı getiriyor.

Son nokta, en azından bu üç aracı nesnel şekilde test etmek için gerçekten belirleyiciydi. Claude Code yalnızca Claude modelleriyle çalışmayı garanti ediyorsa, o zaman mesele bu kadar. Cursor API kredileriyle Sonnet 5.5’e sahip ve Codex OpenRouter’ı desteklediği için orada da API çağrıları kullanabilirdim. Cursor ve Codex yüksek muhakeme moduna varsayılan olarak ayarlandığı için Claude Code’un orta ayarını değiştirmem gerekti, sonra da üç araç da aynı kurulumla aynı modeli kullandı.

Önlerindeki iş

Ajanların üzerinde çalışacağı bir projem zaten vardı. Desteklenen Kindle Paperwhite sürümünden gerçekten sahip olduğum cihaza aktardığım Home Assistant için Kindle kontrol paneli. Zaten düzeltmeyi planladığım dört hata vardı, ayrıca vekil sunucu için otomatik yeniden bağlanma özelliği istiyordum. Bir tuzak daha var çünkü Kindle çok eski, yalnızca ECMAScript 5’i destekliyor. Bu da modern JavaScript kolaylıklarını kullanamamanız ve ajanlı kodlama araçlarının bir şeyleri yanlış yapması için yeterli alan anlamına geliyor.

Ayrıca yeni özellikler için bir istek içeren ikinci bir istem ekledim: Home Assistant durum mesajları ve sunucu kapandığında beni uyaran çevrimdışı rozeti. Bu, ajanların kullanabileceği klasörlerin dışında tutulan, kasıtl olarak korunan 16 testlik bir rutínle puanlandırıldı, çünkü görebileceği bir testin, kod intended kullanım için çalışmasa bile geçmek için etrafında dolaşacağını öğrendim.

Üçü de test paketimi geçti

Modelin neyin inşa edildiğine karar vermesi, istemedğim bazı özellikler dahil

Bu araçlardan birinin başarısız olmasını bekliyorsanız, hayal kırıklığına uğrayacaksınız. Üçü de aynı modeli kullandı ve biten kod testlerimin hepsini geçti. Araçların kendi çalışmalarını kontrol etmek için farklı testlere karar vermesi rağmen, aracın yol boyunca yazdığı ek testlerin hepsini geçti.

Arayüzdeki değişiklik araçlar arasında neredeyse aynıydı ve hem Codex hem de Claude Code, bu arayüzü oluşturmak için aynı işlev adını kullandı. Bu tutarlılık yeniden bağlanma düzeltmesinde de görüldü; aynı adlar, aynı model tarafından üç farklı araçta kullanıldı. Bu, kullanılan çerçevelerin bir tesadüfü değil, Sonnet 5.5’in altında yatan bir parmak izi.

Kindle proxy modülünü düzenlerken Codex, yeniden yazmak yerine düzeltmeye karar vererek orijinal kodun çoğunu korudu. Hem Cursor hem de Claude Code onu daha küçük yöntemlere bölerek yeniden yapılandırdı. Cursor, kodun %43’ünü korudu ve özetinde dosyayı yeniden yazdığını belirtti; Claude Code ise onu orijinalin %34’üne kadar sadeleştirdi.

Üç araç da aynı istenmeyen eklemeleri ekledi. Kindle’ın proxy’ye bağlantısı kesildiğinde görünen bir banner. Bozuk bir JSON çökme hatası ve bir return-vs-continue hatası için düzeltmeler ile ilk bağlanıldığında proxy’nin durumunu kontrol eden bir kod. Bunların hiçbiri çalışma klasöründeki TASK.md planlama belgesinde yoktu; ancak aynı modelin çoklu araçlarda hata düzeltmeleri konusunda aynı sonuçlara varması ilginç.

Görev küçük ve açık olduğu yerde, aynı model üç araçta neredeyle aynı kodu yazdı. Farklılaştığı yer, açık uçlu konulardı; örneğin mevcut bir dosyanın ne kadarının yeniden yapılandırılacağı, ne kadar savunmacı kod ekleneceği ve ne kadar ek test yapılacağı gibi.

Başka bir ilginç gerçek. Kindle arayüzünün orijinal depo Almanca’ydı. Codex ve Cursor, arayüz öğelerini yeniden yazarken Almanca’yı kullandı, Claude Code ise İngilizce yazdı. Her iki durumda da büyük bir endişe kaynağı değil; ajanı tercih ettiğiniz dile değiştirmesini isteyebilirsiniz ve her aracın bunu neden böyle yaptığı konusunda tahminde bulunmak istemiyorum.

Araçların gerçekten ayrıldığı yer

Hız, kendi kendine kontrol ve tuhaflıklar

Son sefer kiralık bir araba kullandığınız zamanı düşünün; günlük sürdüğünüz araba yerine. Aynı sürücü, farklı araç ve aynı günlük yolculuk. Ancak asla tamamen aynı değil, değil mi? Sürüş alışkanlıklarınız bir yana, yakıt tüketimi, konfor ve diğer faktörler devreye giriyor.

Bu da burada yaşanan şeyle benziyor. Sonnet 5.5, neyi sürdüğüne bakılmaksızın neredeyle aynı kodu yazdı; ancak genel deneyim farklıydı. Üç araçtan hangisinin daha iyi olduğunu nesnel olarak söyleyebilecek kadar belirgin değil, ancak hangisini tercih ettiğim konusunda güçlü görüşlerime yol açacak kadar.

Codex ve Cursor işleri benzer bir şekilde halletti; her iki istem de sürenin dağılımı açısından benzer bir bölünme gösterdi. Ancak Codex yalnızca on testi çalıştırdı, Cursor 33’ünü çalıştırdı. Claude Code ise doğruluğu sağlamak için aynı test dizisini üç kez çalıştırdığı için 42 test çalıştırdı. Claude Code ayrıca orijinal hatayı koda geri koydu; yazdığı testlerin bu sorunu yakaladığından emin olmak için. Bu kez önemli değildi, ancak daha dağınık, daha büyük kod tabanlarında bu, çalışan çıktı kodu ile çalışmayan arasında fark yaratabilecek karar verici olabilirdi.

Her iki Claude Code ve Codex de ilk test için on dakikalık sürenin önünde bitti; bu nedenle yalnızlyla Cursor ikinci istemle direksiyonun nasıl çalıştığını test etme şansına erişti. Ancak direksiyonu hiç test etmedi; çünkü varsayılan olarak sonraki komutu sıraya alıyor. Bunu değişterebilirdim, ancak mümkün olduğunca varsayılanları test etmek istedim.

Üçünün de Windows üzerinde düzgün çalışması için bir miktar kurulum süresine ihtiyacı vardı. Codex, –ask-for-approval bayrağını TOML ayar dosyasına eklemyene kadar bunu görmezden geldi, ardından ortam değeri ayarlanmadığı için PowerShell’i başlatamayınca sunucu çöktü. Claude Code Bash’i tercih ediyor, bu yüzden WSL kullanmaya çalışmak yerine PowerShell kullanması için bir bayrak ayarlamam gerekiyordu. Cursor, otomatik olarak ayarlamama rağmen çalışmayı “onay isteği” modunda açtı.

Fiyatlandırma açısından, Claude Code’un Sonnet 5.5 ile kullanımı en ucuz olanıydı; bu büyük ihtimalle sürpriz değildi. Beklemediğim şey ise Codex’in OpenRouter yöntemi için tam fiyat ödeyip görünürde cache okumalarından hiç token gelmemesiydi. Cursor, üçüncü taraf modelleri çalıştırmak için ek bir API faturalandırma maliyetiyle 30 dolarlık premium plana sahip olmayı gerektirmiş gibi görünse de, muhtemelen token’ları önbelleğe almış olacak ki yaklaşık 3,31 milyon token için 1,11 dolar ödedim, Codex/OpenRouter’da ise 1,64 milyon token için 3,73 dolar. Bu matematik ancak bu Cursor okumalarının çoğunun önbellekten geldiği durumda işe yarar.

Bunlardan hangisini gerçek bir repo’ya emanet ederim

Her üç araç da çalışan kod üretti ve aralarında büyük bir fark yoktu. Bu nedenle hangi aracın kullanılacağı tercihlerinize bağlı: minimal diff’ler ve hız (Codex), kendi çalışmasını kontrol eden bir ajan (Claude Code) ya da bir IDE’de çalışmayı tercih edip daha yüksek toplam maliyetten hoşlanmamak (Cursor). Üçü arasında Claude Code’da kendimi daha evimde hissediyorum, ancak hâlâ mükemmel değil. Bana detaylı planlama yerine özetler sunması beni rahatsız ediyor; bu yüzden agentic kodlamanın çoğunu Crush üzerinde yapıyorum.