Bu video, iki popüler yapay zeka modelinin—Claude Opus 5.5 (Anthropic) ve Kimi K3.1 Pro (Moonshot AI)—Türkçe oyun yazma yeteneklerini kapsamlı bir şekilde karşılaştırıyor. Yapımcı, aynı komutları her iki modele vermiş ve ilk cevapları hiç değiştirmeden otomatik bir oyuncu ile Chrome tarayıcıda oynatmıştır. 1453'te gemilerin karadan Haliç'e indirilmesi, Cumhuriyet kutlamalarından ilham alan Türkiye oyunu ve uçakla yapılan Türkiye turu olmak üzere üç farklı Türk tarih temalı oyun modellerin yazma becerisini test etmiştir. Claude 103 puan, Kimi 102 puan alarak sadece 1 puan farkla başa çıkmış; her turda farklı bir modelin güçlü yönleri öne çıkmıştır.

AI modellerinin kod yazma performansı, doğruluk ve kullanıcı deneyimi açısından kritik bir ölçüttür. Claude Opus 5.5, 1453 oyununda detaylı tarihî doğruluk (minaresiz Ayasofya, Lozan anlaşması sonrası Ankara'nın başkent oluşu, 26 havai fişeğin tamamı) göstermişken, Kimi K3.1 Pro arayüz tasarımında daha temiz ve kompakt bir çözüm sunmuştur. Her iki model de ilk denemede çalışan, oynanabilen oyunlar üretmiş; ancak küçük kusurlar (Claude'un Cumhuriyet pankartında yazı boyutlandırması, nadiren görülen döngü problemi) testin gerçekliğini kanıtlamıştır. Yazma süresi ve token kullanımı farklılık göstermiş, Claude daha uzun düşünme süreci kullanırken Kimi daha hızlı yanıt vermiştir.

Türkçe oyun tasarımı, yapay zekâ modellerinin kültürel bağlam ve dilsel ince çalışmaları ne kadar iyi işleyebildiğini ortaya koymaktadır. Her oyunun tarihî hadiseleri çıkarsızca ve doğru bir biçimde temsil etmesi, modellerin Türk tarihine dair bilgi birikiminin kalitesini gösterir. 1923 Cumhuriyet ilan edilişi ve bunun Türkiye'deki coşkusuyla ilgili oyun tasarımı, yapay zekanın sadece kodu değil, geçmişi de anlayabilmesinin bir kanıtıdır. Türkiye Turu oyunu ise coğrafî doğruluk ve harita üzerinde gezinme mekanikleri gerektirerek her iki modeli de benzer zorlukla karşı karşıya koymuştur.

Bu test, yapay zekâ aracı seçerken modelin teknik kapasitesinin yanı sıra çıktı kontrolünün de eşit derecede önemli olduğunu kanıtlamaktadır. İster Claude ister Kimi kullansanız, üretilen kodu veya oyunu mutlaka kendiniz test etmeli, tarihi doğruluğu denetlemeli ve kullanıcı deneyimini değerlendirmelisiniz. Video özellikle girişimciler, oyun geliştiriciler ve yapay zekâyı ürün geliştirmede kullanan profesyonellere hitap eder; model seçimi kadar QA (kalite kontrol) süreci ürün kalitesini belirlemektedir. Bu benchmark, yapay zekayla içerik üretilirken körü körüne güvenme riskini elegantly ortaya koyup, meritokrat bir değerlendirme metodolojisiyle sonuca ulaşmıştır.