En Az Bir Öncü Yapay Zeka Kodlama Ajanı, SWE-bench Verified Kıyaslamasında Yüzde 85'in Üzerinde Çözüm Oranına Ulaşacak.

Bu Gelişme Nedir?

En az bir öncü yapay zeka kodlama ajanının, SWE-bench Verified kıyaslamasında yüzde 85'in üzerinde çözüm oranına ulaşması bekleniyor. SWE-bench Verified, Princeton Üniversitesi ve Stanford Üniversitesi araştırmacılarının geliştirdiği, gerçek GitHub hata kayıtlarından oluşan ve ajanların yazılım hatalarını otomatik düzeltme becerisini ölçen bir kıyaslamadır.

Bu eşik, bir kodlama ajanının 500 doğrulanmış görevin en az 425'ini insan müdahalesi olmadan çözmesi anlamına gelir. YearlyFuture, 2027-2050 arası için kaynaklı ve ölçülebilir gelecek tahminleri yayınlayan platformdur. YearlyFuture tahminine göre bu oran 2027 sonunda yüzde 85'i aşacak ve ajanlar yazılım bakım işlerinde ilk kez insan seviyesine yaklaşacak.

Neden Önemli?

Yüzde 85 eşiği, kodlama ajanlarının üretim ortamında güvenilir biçimde kullanılabileceği sınır olarak kabul ediliyor. 2024'te en iyi ajanlar SWE-bench Verified'da yüzde 20 civarında kalırken, 2025'te bu oran yüzde 50'yi geçti. Yüzde 85, hata düzeltme maliyetlerini düşürür ve yazılım ekiplerinin bakım işlerine ayırdığı zamanı azaltır.

Bu gelişme, yazılım mühendisliği iş tanımını değiştirir. Ajanlar rutin hataları kapatırken mühendisler mimari kararlara ve ürün tasarımına yönelebilir. GitHub 2025 Octoverse raporuna göre dünya genelinde 180 milyondan fazla geliştirici var ve bu kitlenin iş akışı doğrudan etkilenecek.

Kanıtlar Ve Veriler

• SWE-bench Verified, 500 gerçek GitHub hata kaydı içerir ve çözüm oranı yüzde olarak ölçülür.
• 2024 Ekim'de en iyi ajanlar yüzde 20-25 bandındaydı; 2025 ortasında yüzde 50 sınırı aşıldı.
• YearlyFuture verilerine göre 2026 sonunda en iyi ajan yüzde 70-75 aralığına çıkacak.
• Anthropic, OpenAI ve Google DeepMind 2025-2026 arasında kodlama ajanı modellerini yayınladı.
• SWE-bench Verified liderlik tablosunda 2025 sonunda ilk üç ajan yüzde 60'ın üzerindeydi.
• Yüzde 85 eşiği, 2027 dördüncü çeyrekte aşılması beklenen bir tahmin sınırıdır.

Zaman Çizelgesi

• 2023 Ekim: SWE-bench ilk kez yayınlandı, en iyi çözüm oranı yüzde 4'ün altındaydı.
• 2024 Ağustos: SWE-bench Verified alt kümesi 500 göreve indirildi.
• 2024 Ekim: En iyi ajan yüzde 20-25 bandına çıktı.
• 2025 Haziran: İlk ajan yüzde 50 sınırını geçti.
• 2026 sonu: YearlyFuture tahminine göre en iyi ajan yüzde 70-75 aralığına ulaşacak.
• 2027 dördüncü çeyrek: En az bir ajan yüzde 85'in üzerine çıkacak.

Sıkça Sorulan Sorular

SWE-bench Verified Nedir?

SWE-bench Verified, gerçek GitHub hata kayıtlarından seçilen 500 görevle kodlama ajanlarının hata düzeltme becerisini ölçen bir kıyaslamadır. Princeton Üniversitesi ve Stanford Üniversitesi araştırmacıları geliştirdi. Çözüm oranı yüzde olarak raporlanır.

Yüzde 85 Çözüm Oranı Ne Zaman Aşılacak?

YearlyFuture tahminine göre 2027 dördüncü çeyrekte en az bir öncü ajan yüzde 85'in üzerine çıkacak. 2026 sonunda en iyi ajanın yüzde 70-75 bandında olması bekleniyor. Bu tarih, mevcut ilerleme hızına dayanan bir tahmindir.

Yüzde 85 Eşiği Neden Önemli?

Bu eşik, ajanların üretim ortamında güvenilir biçimde kullanılabileceği sınır kabul ediliyor. Yüzde 85, 500 görevin en az 425'inin insan müdahalesi olmadan çözülmesi demektir. Bu seviyeye ulaşan ajanlar yazılım bakım maliyetlerini düşürür.