Claude mı ChatGPT mı? Geliştirici ve Bilgi Çalışanı için Görev Bazlı Karşılaştırma

Sürüm notu: Bu yazı ChatGPT'yi ve Claude'u 15 Kasım 2026 itibarıyla karşılaştırır; ChatGPT tarafı bu serinin kaynaklarından (learn.chatgpt.com, help.openai.com, chatgpt.com/pricing), Claude tarafı Claude ile Çalışmak serisinin kaynaklarından (support.claude.com, privacy.claude.com, claude.com/pricing) aynı gün kontrol edilmiştir. Bu yazıda resmî belgelerden yararlanılmıştır. Karşılaştırma yalnız iki ürünün belgelenmiş özelliklerine dayanır; model kalitesi ya da benchmark karşılaştırması içermez. İki ürün de her ay değişiyor; tabloları karar vermeden önce yeniden kontrol et.

Önce Tahmin Et

Sitedeki serilerin ortak örnek uygulaması Bookstore'un (bir online kitapçı) ekibinde bir yıldır herkes kendi aracını kullanıyor: Emre ve Ayşe kişisel Claude Pro hesaplarıyla, Selin ve Gül kişisel ChatGPT Plus hesaplarıyla çalışıyor. Hakan, şirket olarak tek bir araca geçmek için toplantı açtı. Emre bir blog yazısındaki benchmark tablosunu gösterdi: "Claude kodlamada yüzde 12 daha iyi". Selin başka bir blogdan tam tersini söyleyen bir tablo getirdi. Toplantı bir saat sürdü ve karar çıkmadı.

Tahminin ne? Ekip hangi soruyu sormalıydı? Bir benchmark tablosu bu kararın neresinde işe yarar? Cevap, bu serinin ve Claude ile Çalışmak serisinin her yazısında tekrar eden bir yaklaşımda: aracı işe göre seç ve iddiayı kendi işinde ölç.

"Hangisi Daha İyi?" Neden Yanlış Soru

İki ürünün model aileleri bu yıl birkaç kez değişti. Bu seride GPT (Generative Pre-trained Transformer; önceden eğitilmiş transformer modeli) tabanlı GPT-6 ailesinden Astra, Sol, Terra ve Luna'yı, Claude serisinde Opus, Sonnet, Haiku ve Fable'ı gördük; ikisinde de bir modelin emekliye ayrılıp yerine yenisinin geldiği tarihler var. Genel bir benchmark başka birinin görev setini, başka bir tarihte ve başka bir ayarla ölçüyor; senin destek e-postalarını, senin API tanımını ya da senin sunum şablonunu ölçmüyor. Bu yüzden bu yazı model kalitesini karşılaştırmıyor. Karşılaştırdığı şey resmî belgelerde yazanlar: hangi işin hangi özellikle, hangi planda, hangi veri kuralıyla yapıldığı. Kalite sorusunu yazının sonunda kendi küçük görev setinle cevaplamanın yolunu göreceğiz.

Kavram Eşlemesi

İki ürün 2026'da birbirine benzeyen bir yapıya ulaştı. ChatGPT'de üç mod var: Chat, ChatGPT Work ve Codex (birinci yazı). Claude'da 16 Eylül 2026'dan itibaren sohbet ve Cowork hesaplara kademeli olarak tek deneyimde birleşiyor ve uzun görevler için ayrı mod seçmek gerekmiyor; kodlama agent'ı Claude Code ise ayrı bir ürün. İki tarafta da Projects var; ChatGPT'de custom instructions ve memories, Claude'da Instructions for Claude ve memory var; geçmişe yazmayan sohbet için ChatGPT'de Temporary Chat, Claude'da incognito var.

Genişletme tarafında iki ürün aynı iki yapıya yaklaşıyor. Dış sistem bağlantısı için ikisi de MCP (Model Context Protocol; modelin dış sistemlerdeki tool ve verilere bağlandığı açık protokol) kullanıyor: ChatGPT'de remote MCP server'ı bir plugin'in içindeki app olarak bağlanıyor (beşinci yazı), Claude'da custom connector olarak. Tekrar eden iş için ikisi de skill kullanıyor ve ikisinde de skill, içinde SKILL.md dosyası olan bir klasör; ChatGPT dokümanı bunu açık agent skills standardına dayandırıyor. Plugin ise iki üründe de skill ve bağlantıları birlikte paketleyen birim. Bu benzerlik, aşağıda göreceğimiz gibi vendor lock-in'i (tek sağlayıcıya bağımlı kalma) azaltmanın en somut yolu.

Görev Görev Karşılaştırma

Araştırma. ChatGPT'de çok kaynaklı rapor Work'teki deep research ile hazırlanıyor; plan başlamadan önce düzenlenebiliyor, belirli siteler güvenilir kaynak olarak seçilebiliyor ve kullanım Work ve Codex limitinden düşüyor (altıncı yazı). Claude'da Research ücretli planlarda var; Claude ile Çalışmak serisinin "Claude ile Research ve Web Search: Kaynaklı Araştırma ve Doğrulama" yazısına (/blog/claude-research-web-search-kaynakli-arastirma) göre Research sırasında connector tool'ları her kullanımda onay sormadan çalışıyor. İki tarafta da citation bir kanıt değil, bir adres.

Uzun doküman ve kalıcı bağlam. ChatGPT project'lerinde dosya sınırı plana göre 5, 25 ya da 40 (dördüncü yazı). Claude project'lerinde knowledge büyüyünce Claude RAG (retrieval-augmented generation; soruya göre dokümanlardan ilgili parçaları bulup modele veren yöntem) ile çalışmaya geçiyor; ayrıntısı "Claude Projects: Project Knowledge, Instructions ve RAG ile Kalıcı Çalışma Alanı" yazısında (/blog/claude-projects-project-knowledge-rag). İki tarafta da aynı soru geçerli: büyük bir kaynak setinde model ilgili parçayı her zaman bulamayabilir, soruyu dokümanın adıyla sormak işe yarar.

Dosya, sunum ve paylaşım. ChatGPT Work doküman, sunum, sheet ve PDF üretiyor ve desktop'ta annotation ile düzeltiliyor (yedinci yazı); ekiple düzenlenen page ve slaytlar Space'te, küçük web araçları Sites'ta (sekizinci yazı). Claude'da Excel, PowerPoint, Word ve PDF dosyaları bir sandbox'ta üretiliyor ve artifact'lar 16 Eylül 2026'dan beri Free dahil bütün planlarda var; ayrıntısı "Claude Artifacts ve Dosya Üretimi: Excel, PowerPoint, Word, PDF ve İnteraktif Görseller" yazısında (/blog/claude-artifacts-dosya-uretimi).

Kodlama. ChatGPT tarafında Codex, Claude tarafında Claude Code. İkisinin karşılaştırması bu seriye sığmayacak kadar ayrıntılı; OpenAI Codex ve Claude Code serilerinde ayrı ayrı anlatılıyor.

Tarayıcıda iş. ChatGPT'de Work'ün cloud tarayıcısı, desktop'taki yerleşik tarayıcı ve Chrome, Edge, Brave, Opera ve Vivaldi için browser extension var (altıncı yazı). Claude'da Claude in Chrome ücretli planlarda ve yalnız Chrome'da çalışıyor; Desktop'ta yerleşik tarayıcı da var. Ayrıntısı "Claude ile Agentic İşler: Cowork Görevleri, Claude in Chrome ve Güvenli Yetki Ayarları" yazısında (/blog/claude-agentic-isler-cowork-claude-in-chrome). İki ürünün dokümanı da sayfadaki talimatların yanıltıcı ya da kötü niyetli olabileceği konusunda uyarıyor; Claude'un dokümanı prompt injection'ı en büyük risk olarak anıyor ve ayrı bir tarayıcı profili öneriyor.

Arka planda süren iş. İki tarafta da scheduled task var. ChatGPT'de buna ek olarak app event'iyle tetiklenen görevler (web ve mobil) ve uygun Pro, Business Premium ve kurumsal hesaplarda her zaman açık agent olan dots var (yedinci yazı); Claude ile Çalışmak serisinin kaynaklarında bunun birebir karşılığı olan bir özellik geçmiyor.

Entegrasyon. Bookstore'un AI Agent'ları ve MCP serisinde yazılan remote MCP server'ı iki üründe de bağlanabiliyor: ChatGPT'de bir plugin'in app'i olarak, Claude'da custom connector olarak. Claude tarafında "Claude Connectors ve MCP: Google Drive, GitHub, Slack ve Kendi MCP Server'ınızı Bağlamak" yazısına (/blog/claude-connectors-mcp-custom-connector) göre custom connector Free dahil bütün planlarda var, Free'de tek connector ile sınırlı ve server'ın public internetten HTTPS'in 443 portuyla erişilebilir olması gerekiyor.

Gizlilik, Plan ve Limit

Karar toplantısında en çok sorulan üç konu için iki ürünün belgelerinde yazanlar şöyle:

Claude tarafının ayrıntıları, KVKK (Kişisel Verilerin Korunması Kanunu) notlarıyla birlikte, "Claude Uygulamalarına Giriş: Web, Desktop, Mobile, Planlar ve Usage Limit'leri" (/blog/claude-uygulamalari-planlar-usage-limitleri) ve "Claude'da Privacy ve Data Controls: Model Eğitimi, Saklama Süresi, KVKK ve Kurumsal Ayarlar" (/blog/claude-privacy-data-controls-kvkk) yazılarında. Tablodan çıkan sonuç dikkat çekici: iki ürünün kurumsal varsayılanları ve ekip planı fiyatları birbirine çok yakın. Asıl fark kişisel hesap ile kurumsal hesap arasında, iki ürün arasında değil. Bookstore ekibinin bir yıldır yaptığı en riskli şey, hangi aracı seçtiği değil, şirket verisini kişisel hesaplarda işlemesiydi.

Bookstore: İkisini Birden mi?

Altı kişilik Bookstore ekibi için hesap basit: ChatGPT Business da Claude Team standard seat de aylık ödemede kişi başı 25 dolar, yani ikisi de ayda 150 dolar; ikisini birden almak 300 dolar. Para tek başına belirleyici değil. Asıl maliyet iki ayrı veri politikası, iki ayrı yönetici paneli, iki ayrı plugin ve connector listesi ve ekibin "bu iş hangisindeydi?" diye harcadığı zaman.

Ekibe önerimiz, işin çoğunu taşıyan tek bir birincil araç seçmek ve kararı benchmark tablosuyla değil, ekibin kendi işleriyle vermek. Destek, ürün ve satış tarafı Work'ün dosya üretimi, Space ve scheduled task'larla ChatGPT'ye; geliştirme tarafı Claude Code alışkanlığıyla Claude'a yakın duruyorsa ikinci aracı yalnız o ekip için almak makul. Hangi seçim yapılırsa yapılsın üç şey taşınabilir kalmalı:

• Prompt'lar ve görev tarifleri repository'de düz metin olarak durur, bir ürünün ayar ekranında değil.
• Ekip kuralları SKILL.md biçiminde skill'lere yazılır; iki üründe de aynı klasör yapısı kullanılır ve her üründe ayrıca test edilir.
• Bookstore verisine erişim tek bir remote MCP server'dan geçer; araç değişirse server değil, yalnız bağlantı değişir.

Kendi Görev Setini Kurmak

Kalite sorusunun cevabı genel bir benchmark'ta değil, ekibin kendi işlerinde. LLM Temelleri serisinin "LLM Halüsinasyonu ve Güvenilirlik: Kaynak Göster, Doğrula, Ölç" ve "LLM Maliyeti, Latency ve Model Seçimi: Token'dan Faturaya" yazılarındaki yaklaşım burada da geçerli: küçük, sabit bir görev seti, önceden yazılmış kriterler ve kör puanlama. Bookstore için 8–10 gerçek iş yeterli: bir iade cevabı, bir PRD (Product Requirements Document; bir özelliğin neden ve nasıl yapılacağını anlatan ürün gereksinim dokümanı) taslağı, yedinci yazıdaki satış analizi, bir kurumsal teklif e-postası, bir API değişiklik notu. Sonuçları şöyle bir dosyada topla:

task_id,task,tool,plan,model_or_setting,date,correct,complete,
sources_ok,edits_needed_min,usage_note,reviewer_score_1_5
T01,refund reply (masked),chatgpt,business,,,,,,,,
T01,refund reply (masked),claude,team,,,,,,,,
T03,q3 sales analysis,chatgpt,business,,,,,,,,
T03,q3 sales analysis,claude,team,,,,,,,,

Boş sütunları her denemeden sonra sen dolduruyorsun. Önemli olan kurallar: iki araca aynı input'u ve aynı maskelenmiş veriyi ver, puanlayan kişi hangi aracın cevabı olduğunu bilmesin, doğru cevabı bilinen işleri (satış analizindeki kontrol tablosu gibi) mutlaka sete koy ve her satıra tarihi ve ayarı yaz. Üç ay sonra aynı seti yeniden çalıştırdığında modeller değişmiş olacak; tarih olmadan sonuçları karşılaştıramazsın.

Üretimde Dikkat

Kararı tarihle kaydet. Bu yazıdaki her satır 15 Kasım 2026'nın durumu. Karar dokümanına hangi sayfaya hangi gün baktığını yaz; bir yıl sonra kararı yeniden açarken neyin değiştiğini bilirsin.

Önce hesap türünü düzelt. Hangi ürün seçilirse seçilsin, şirket verisinin kurumsal workspace'te işlenmesi ve kişisel hesaplardaki eski sohbetlerin temizlenmesi ilk iş.

Geçişi kademeli yap. Görev setinden iyi sonuç veren işleri önce taşı; scheduled task, plugin ve skill'leri tek tek yeniden kur ve ilk çalışmaları incele.

Sık Düşülen Tuzaklar

Benchmark tablosuyla karar vermek. Başkasının görev seti senin işini ölçmüyor; kaynağı ve tarihi belirsiz bir tablo hiç ölçmüyor.

Ürün adlarını birebir eşlemek. ChatGPT'deki Projects ile Claude'daki Projects aynı adı taşıyor ama sınırları ve davranışları farklı; her eşlemenin ayrıntısını kendi yazısından kontrol et.

Fiyatı tek kriter yapmak. Ekip planları birbirine çok yakın; fark veri politikasında, yönetici kontrollerinde ve ekibin alışkanlığında.

Taşınamaz bir kurulum yapmak. Talimatları yalnız bir ürünün ayar ekranında tutmak, araç değiştiğinde her şeyi baştan yazmak demek.

Küçük Bir Deneme

★☆☆ Son bir ayda yapay zekâ aracına verdiğin on işi listele ve her birinin yanına bu yazıdaki görev başlıklarından birini yaz: araştırma, doküman, dosya, kodlama, tarayıcı, arka plan işi.

★★☆ Kendi ekibin için 8 görevlik bir set kur, yukarıdaki dosya yapısıyla iki aracı aynı input'la dene ve kör puanla. Hangi işte fark gerçekten var, hangisinde yok?

★★★ Ekibin için bir sayfalık bir araç kararı yaz: birincil araç, ikinci aracın kimde olacağı, veri kuralı, taşınabilirlik için skill ve MCP planı ve kararın yeniden gözden geçirileceği tarih.

Bu yazıyla ChatGPT ile Çalışmak serisi bitiyor. On bir yazıda modlardan ve planlardan başlayıp model seçimine, kişiselleştirmeye, Projects'e, plugin'lere ve MCP'ye, araştırma ve tarayıcıya, Work ile büyük görevlere, Space ve Sites'a, görsel ve sese ve gizlilik ayarlarına geldik. Aynı yolu Claude tarafında yürümek için Claude ile Çalışmak serisinin ilk yazısıyla (/blog/claude-uygulamalari-planlar-usage-limitleri) başlayabilirsin; Codex'in ayrıntıları ise OpenAI Codex serisinde.