Gemini 4 Argon’u Antigravity’de ve Claude Code’u aynı dağınık yan projede denedim; yalnızca biri onu bulduğu durumdan daha iyi bıraktı.

Favori akıllı ev aletim, 2015 model bir Amazon Kindle Paperwhite; jailbreak ve bir Home Assistant arayüzü sayesinde eskisinden daha işlevsel. Kodu başkasının evi için yazıldığından, bir AI kodlama ajanı için mükemmel bir test konusu oluyor. Google, geçen ay Gemini 4 Argon’u Antigravity ile yayımladı ve biz de Antigravity 2.0’ın Claude Code ile Codex’i kendi oyunlarında yendiğini zaten tartışmıştık. Üstelik Argon’a ve Claude Code’a aynı repo’yu, aynı tek satırlık brief’i ve her biri için bir saati verdim.

Claude Code, Codex ve Cursor’u aynı AI modeli üzerinde çalıştırdıktan sonra, tanımlı bir hata düzeltmesinden daha dağınık bir şeyle uğraşmak istediğim için bu yolu seçtim. Her iki ajan da yaklaşık yarım saat içinde işi bitirdi ve her iki proxy de sunucumda sorunsuz çalıştı. Ancak yalnızca biri, windowsillimdeki arayüzü bulduğu durumdan daha iyi bırakmıştı.

İki model arasındaki adil testlerin sorunu her şeyin değişmesi

Bu yüzden iki özdeş repo ve temel düzene döndüm

Proje, 1RandomDev’in kindle-smarthome-dashboard proje çatalımın; Paperwhite’ımın 1448×1072 ekranına uyarlanmış hali. Küçük bir proxy, Home Assistant’ın yanındaki Proxmox sunucumdaki bir Debian LXC içinde çalışıyor ve Kindle bu proxy’ye Wi-Fi üzerinden bağlanıyor. Uyarlamanın ilk commit’ini, daha önceki bir temizlik adımından önceki hali seçtim ve bunu iki ayrı klasöre klonladım. Her iki ajana da bu prompt’u kelimesi kelimesine, başka hiçbir şey eklemeden gönderdim:

Bu benim kişisel bir yan projem. websocket-proxy klasörü, Home Assistant’ın yanındaki Proxmox üzerindeki bir Debian LXC içinde Node 20’de çalışıyor. smarthomedisplay klasörü ise jailbreak yapılmış 2015 model bir Kindle Paperwhite (PW3) üzerinde çalışan bir KUAL eklentisi. Bırakırken, bulduğun durumdan daha iyi bırak. Yaklaşık bir saatın var.

Claude Code, 100 dolarlık Claude Max planımda Opus 5.5’i çalıştırdı ve Antigravity de 20 dolarlık Google AI Pro planımda High modunda Gemini 4 Argon’u çalıştırdı. Anthropic’in daha üst düzey Fable modelini kullanabilirdim ancak Opus, Argon için daha doğal bir eşleşme. İkisi de Windows üzerinde yerel olarak çalıştı; çünkü forum raporları Antigravity’nin masaüstü uygulamasının henüz WSL klasörlerinde ajan çalıştıramadığını söylüyor ve her ikisi de sunucuya uymak için Node 20’nin taşınabilir bir sürümünü kullandı.

Kendi kurulumumu denek dışına çıkarmak

Claude Code kurulumum tamamen bana ait ve bu da adil bir test için sorun yaratıyor. Küresel CLAUDE.md dosyam, ona erişebileceği ev laboratuvarı makinelerini söylüyor ve değişiklikleri yapmadan önce yıkıcı değişiklikler önermesini istiyor, bu yüzden o dosyayı çalıştırma için yeniden adlandırdım. Ayrıca Claude Code’u, MCP sunucularımı kapalı şekilde başlattım, böylece gerçek Home Assistant’ıma da ulaşamıyordu.

Ardından, kodda sekiz soruluk gizli bir kontrol listesi yazdım ve onu hiçbir araca göstermedim. Bazıları iğrençti; örneğin yalnızca Node 22’de bayrak olmadan çalışan bir proxy ve soketleri askıda bırakan hatalı belirteç yanıtı. Üstelik bir tuzak da vardı. Kindle’ın tarayıcısı çok eski, bu yüzden panellerin JavaScript’i eski usul ES5 olarak kalmalı ve başlatma betiği Linux satır sonlandırmalarını korumalı, aksi takdirde KUAL onu çalıştıramaz.

Her iki ajan da koddaki sorunları düzeltti ve Claude Code daha fazlasını düzeltti

İkisi de tuzaka düşmedi, ancak Claude Code daha yüksek puan aldı ve çok daha fazla test yazdı

Önce iyi haber: Hiç ajan tuzaka düşmedi. İkisi de panel kodunu ES5 olarak korudu ve başlatma betiğini olduğu gibi bıraktı; üstelik ikisi de bir Git attributes dosyası ekledi, böylece Windows satır sonlandırmaları ileride bozamaz. İkisi de proxy’yi Node 20’de özel bir bayrak olmadan çalıştırdı; Claude ws paketine, Argon ise faye-websocket’in istemcisine geçerek.

Daha büyük açık testlerde ortaya çıkıyor. Claude Code, proxy’nin hixie-76 ile hâlâ konuşup konuşmadığını kontrol eden; WebSocket’in Kindle’ın eski tarayıcısı için eski bir taslağı olan bir dahilinde 63 test yazdı. Her iki suite de Node 24 üzerinde çalıştırıldığından, gerçek sınama sunucu dağıtımıydı. Argon dördünü yazdı. Bu fark aynı zamanda loglarımda da göründü. Her ikisini de yapılandırmamda takvimlerden ikisi eksik olan bir Home Assistant’a yönlendirdiğimde, Argon’un proxy’si tüm liste için bir hata loglarken, Claude’un her takvimi ayrı ayrı loglayıp yoluna devam etti. Claude bunun için “bir takvimin hatalı olması diğerlerini silemez” adında bir test bile yazmıştı.

Her çalıştırmanın jeton maliyeti

Argon, 28 dakikalık tek bir çalışmada Google AI Pro üzerindeki haftalık Argon kotasının %18’ini kullandı, böylece $20’lik plan size haftada bu tür yaklaşık beş çalışma sağlıyor. Claude Code, Max haftalık göstergesini tek bir puan hareket ettirdi ve $5,33 API-eşdeğeri kullanım bildirdi; ancak planlar $100 ile $20 karşılaştırılamaz. Antigravity’nin kullanım paneli yalnızca yüzde gösterdiği için bir oturumun gerçekten neye mal olduğunu hesaplayamazsınız. Claude Code’un /usage ekranı ise bunu model bazında ayrıştırır.

Yalnızca Argon, görebildiğiniz parçalara dokundu ve iş tam da orada bozuldu

CSS düzenlemelerinden sonra Kindlegen beş karttan ikisi kayboldu

Sunucu testleri size yalnızca belli şeyleri söylüyor, bu yüzden her sürümü LXC üzerindeki kendi portuna yerleştirdim ve Kindlegen yükledim. İkisi de bağlandı, gösterge panelini işledi, yeniden yüklendikten sonra yeniden bağlandı ve güç düğmesine bastığımda Kindlegen’e kontrolü geri verdi. Claude’un sürümü orijinal düzeni korudu, çünkü Claude yalnızca stil kuralları ekledi ve var olanlardan hiçbirini değiştirmedi.

Argon ise, istenmeden ve ekranı görme imkânsızlığıyla her tahmin sütununu 138px’den 142px’e, her sensör kartını 328px’den 332px’e genişletti ve birkaç kenarlığı inceltti. Masaüstü bir tarayıcıda Kindlegen çözünürlüğünde işlendiğinde bu değişiklikler zararsız görünüyor. Kindlegen’de ise Pazartısı tahmini ikinci bir satıra sarıldı, kartlar iki sütundan bir sütuna düştü ve Mutfak Nemliği kartı ile Ofis CO2 grafiği ekranın altından kayboldu. Bu grafik, tüm gösterge panelindeki tek grafik.

Bu, tek seferlik bir düzeltmenin gerçek bir etkisi; ancak Argon’a adil olmak gerekirse, hiçbir şey tek seferlikte yapılmamalı. Kodda görsel bir öge varsa, bu kural iki katına çıkar ve birkaç ayar turu, eksik kartların geri gelmesini sağlar.

Argon, Claude Code’un görmezden geldiği iki şeyi düzeltti

Evet, Argon ekranın sol tarafını bozdu, ancak sağ taraf gerçekten iyileşti. Işık butonlarım her zaman alttan kesiliyordu; altı tanesinden ancak üçünü ve birazını görebiliyordum ve Argon’un değişiklikleriyle hepsi sığıyordu. Ayrıca, orijinal projeden devraldığım simgeleri değiştirdi; böylece Ofis kartım bir yatak yerine termometre, CO2 kartıysa bir güneş paneli yerine bulut gösteriyor. Bunları hiç düzeltmedim, çünkü başka projelere yöneldim.

Claude Code her ikisini de bulduğu gibi bıraktı. Son özeti, işin tahtada kayıtsız ve gerçek donanımda test edilmeden bırakıldığını açıkça kabul etti; bu dürüst, ama kesinlikle rahatlatıcı değil. Ve her iki ajan da önümdeki hatayı yakalayamadı. Her iki sürümde de saatim, değişiklikten birkaç gün sonra bir saat ilerdeydi ve muhtemel suçlu, Kindle bir zaman dilimi bildirdiğinde kendi yaz saati kurallarını atlayan bir saat koduydu.

Güveneceğim ajan, daha az değiştirendir

Tamam, “yalnızca biri onu daha iyi bıraktı” sözü Argon için biraz acımasız, çünkü vekâleten yaptığı düzeltmeler sağlam ve ışık butonları doğru yaptı. Ancak bir gösterge paneli bakılan bir şeydir ve Argon’un sürümü, çalışmadan öncekinden daha azını gösteriyor. Claude Code, gizli sorunların daha fazlasını düzeltti, işini çok daha titizce test etti ve ekrandaki her şeyi olduğu yerde bıraktı. Penceremin önündeki saçak üzerinde hangisinin çalıştığını tahmin edin.

Ders aslında temelde Google ile Anthropic arasındaki rekabetle ilgili değil. Her iki ajan da Kindle’ı göremiyordu, dolayısıyla görsel değişiklikler yapan taraf tahminde bulunuyordu ve 2015 tarihli bir e-ink ekranda birkaç piksellik bir tahmin işi bitirmek için yeterliydi. Antigravity’nin kullanım panelinin ayrıca Claude modelleri için bir kota sınırı var, bu yüzden bir sonraki denemem Antigravity içinde Claude çalıştırmak olacak; bu, söz konusu işin ne kadarının modele, ne kadarının ise onun etrafındaki araca bağlı olduğunu göstermeli. Eğer tozlanan bir yarıda kalmış yan projeniz varsa, bir ajana bunun kopyasını verin, aslıni değil ve yaptığı her değişikliği gerçek donanım üzerinde kontrol edin.