Testasin Claude Sonnet 4.5 vs ChatGPT-5 vs Opus 4.1: Tulokset yllättävät sinut

Kun Claude (Anthropic) julkaisi Sonnet 4.5:n rohkealla väitteellä, että se on "maailman paras koodausmalli", tiesin että minun täytyy testata tuo väite.

Loppujen lopuksi, ChatGPT-5 oli juuri ilmestynyt ja aiheuttanut aaltoilua AI-yhteisössä. Ja Opus 4.1 oli ollut koodaus-AI:n rakastettu kuningas kuukausia. Voisiko tämä uusi Sonnet-malli todella syrjäyttää molemmat?

Päätin ajaa kaikki kolme mallia identtisten koodaushaasteiden läpi selvittääkseni, mikä todella suoriutuu parhaiten tosielämän skenaarioissa. Se, mitä löysin, muutti näkökulmaani siitä, miten meidän pitäisi ajatella "parasta" AI-koodausassistenttia.

Testausmetodologia

Pitääkseni asiat reiluina, annoin jokaiselle mallille täsmälleen samat promptit ja haasteet. Ei apuja, ei säätöjä yritysten välillä (ainakaan aluksi). Vain raakaa suorituskykyä.

Tässä mitä testasin:

Haaste 1: Pelinkehitys

Pyysin jokaista mallia luomaan täysin toimivan Angry Birds -pelin, joka toimii selaimessa. Vaatimukset olivat yksinkertaiset: tee siitä hauska, lisää animaatioita, varmista että se todella toimii ja tee siitä visuaalisesti houkutteleva.

Haaste 2: Laskeutumissivun suunnittelu

Annoin jokaiselle mallille tehtäväksi luoda ammattimaisen laskeutumissivun sähköpostimarkkinointitoimistoille. Tavoitteena oli konversiokeskeinen suunnittelu asianmukaisella tekstillä, visuaalisella vetovoimalla ja olemassa olevien brändiohjeistusten noudattamisella.

Malleilla oli pääsy viitemateriaaleihin ja ne saattoivat esittää jatkokysymyksiä. Halusin nähdä miten ne käsittelivät monimutkaisia, tosielämän tehtäviä, joita kehittäjät ja suunnittelijat kohtaavat päivittäin.

Kierros 1: Angry Birds -haaste

Claude Sonnet 4.5: Nopeuspiru joka kaatui

Sonnet 4.5 valmistui ensimmäisenä. Puhumme minuutista verrattuna 5-10 minuuttiin muilla. Vaikuttavaa, eikö?

Ei niin nopeasti.

Kun avasin pelin, se näytti visuaalisesti houkuttelevalta ensisilmäyksellä. Hyvä grafiikka, hieno asettelu. Mutta hetki kun yritin pelata, kaikki romahti.

Ritsan mekaniikka oli täysin rikki. En voinut vetää takaisin kunnolla. Lintu tuskin lensi. Ja kun väistämättä hävisin, peli kaatui kokonaan. Ei ollut mitään keinoa aloittaa uudelleen ilman koko sivun päivittämistä.

Se oli pohjimmiltaan pelaamaton.

Tuomio: Kaunis mutta rikki.

Claude Opus 4.1: Odottamaton mestari

Opus 4.1 vei kauemmin koodin luomiseen, mutta ero tuotoksen laadussa oli kuin yö ja päivä.

Ensinnäkin, se antoi minulle oikean aloitusnäytön ohjeineen pelaamiseen. Hieno yksityiskohta.

Kun napsautin "Pelaa peliä", mekaniikka toimi täydellisesti. Ritsa reagoi sujuvasti. Fysiikka tuntui oikealta. Törmäykseen tunnistus oli tarkkaa. Mikä tärkeintä, se oli todella hauskaa pelata.

Huomasin itseni läpäisevän useita tasoja, aidosti nauttien kokemuksesta. Ensimmäiselle yritykselle luoda peli yksinkertaisesta promptista, tämä oli huomattavan hyvää.

Tuomio: Opus murskas tämän haasteen.

ChatGPT-5: Hämmentävä sotku

ChatGPT-5 vei pisimmän ajan koodin luomiseen. Kun se vihdoin valmistui, avasin sen mitä se kutsui "Slingbirdsiksi".

En rehellisesti osannut selvittää mitä minun piti tehdä. Käyttöliittymä oli hämmentävä. Näytti olevan jotain keilailun kaltaista mekaniikkaa? Linnut eivät edes olleet näkyvissä. Napsautin ympäriinsä yrittäen ymmärtää, mutta peli oli olennaisesti toimimaton.

Tuomio: Ei edes mukana kilpailussa.

Kierros 2: Toiset mahdollisuudet

En ole sellainen joka tuomitsee yhden yrityksen perusteella. Ehkä Sonnet 4.5:llä oli vain huono päivä. Annoin kaikille malleille toisen mahdollisuuden hieman tarkennetuilla prompteilla.

Sonnet 4.5: Yhä kamppaileva

Sonnet 4.5:n toinen yritys oli marginaalisesti parempi. Peli latautui, ja saatoin nähdä joitakin parannuksia käyttöliittymässä. Mutta fysiikka oli yhä periaatteessa rikki. Linnun liike tuntui väärältä, ja pelikokemus oli turhauttava sen sijaan että olisi ollut hauskaa.

ChatGPT-5: Vielä pahempi

Jotenkin ChatGPT-5:n toinen yritys oli vielä hämmentävämpi kuin ensimmäinen. Tuotos oli tarpeeksi huono että päätin olla tuhlaamatta siihen enempää aikaa.

Opus 4.1: Johdonmukainen erinomaisuus

En edes vaivautunut testaamaan Opus 4.1:ää uudelleen pelin osalta. Se toimi jo täydellisesti.

Ultra-ajattelukoe

Clauden malleilla on ominaisuus nimeltä "laajennettu ajattelu" tai "ultra think" -tila. Päätin antaa Sonnet 4.5:lle yhden viimeisen mahdollisuuden tämän ominaisuuden ollessa päällä, ajatellen ehkä se vain tarvitsi enemmän prosessointiaikaa todella naulata haaste.

Tulos? Melkein yhtä huono kuin ensimmäinen yritys.

Tämä sai minut ajattelemaan: ehkä Sonnet 4.5 vaatii erittäin tarkkoja, huolellisesti laadittuja prompteja suorituakseen hyvin. Samaan aikaan Opus 4.1 näyttää käsittelevän epämääräisempiä ohjeita ja silti toimittavan laatutuloksia.

Haaste 2: Laskeutumissivun suunnittelu

Tässä kohtaa asiat muuttuivat mielenkiintoisiksi.

Pyysin kaikkia kolmea mallia luomaan konversiokeskeisen laskeutumissivun sähköpostimarkkinointitoimistoille. Niillä oli pääsy yritykseni olemassa olevaan verkkosivustoon, brändiohjeisiin ja dokumentaatioon. Tavoitteena oli luoda jotain joka näyttää ammattimaiselta, sopii suunnittelujärjestelmäämme ja todella muuttaa kävijät liideiksi.

Tulokset olivat yllättäviä

Paljastamatta aluksi mikä malli loi minkä sivun (halusin arvioida ne sokeasti), tässä mitä löysin:

Sivu 1: Siisti mutta yleinen
Tämä laskeutumissivu näytti ammattimaiselta mutta tuntui hieman massatuotetulta. Teksti oli kelvollista, mutta ei mitään erikoista. Se osui kaikkiin peruspisteisin mutta siitä puuttui persoonallisuutta. Visuaalinen suunnittelu oli turvallista.

Sivu 2: Epäjohdonmukainen mutta kunnianhimoinen
Tämä sivu yritti tehdä paljon. Jotkut osiot olivat erinomaisia, toiset tuntuivat brändin vastaisilta. Väivalinnat olivat kyseenalaisia paikoitellen, tehden joistain teksteistä vaikeasti luettavia. Tarvitsi useita iterointikierroksia luettavuusongelmien korjaamiseen.

Sivu 3: Johdonmukainen ja konversiokeskeinen
Tämä sivu erottui välittömästi suunnittelunsa johdonmukaisuudella. Se säilytti brändinormimme läpi, käytti valkoista tilaa tehokkaasti ja tekstinkirjoitus oli terävää. FAQ-osio kysyi täsmälleen oikeat kysymykset joita potentiaalisilla asiakkailla olisi. Kokonaisrakenne oli järkevää konversion näkökulmasta.

Iso paljastus

• Sivu 1 oli ChatGPT-5. Vankka, mutta ei mitään näyttävää.
• Sivu 2 oli Opus 4.1. Kunnianhimoinen mutta kaipasi työtä.
• Sivu 3 oli Sonnet 4.5. Se naulasi tämän haasteen ehdottomasti.

Testikierros 2: Uusi alku

Varmistaakseni että laskeutumissivun tuloksiin ei vaikuttanut mallien toistensa työn näkeminen, aloitin täysin tuoreen keskustelun ja pyysin Sonnet 4.5:ttä luomaan sen sijaan laskeutumissivun Facebook-mainostoimistoille.

Tulokset olivat jälleen vaikuttavia. Sonnet 4.5 osoitti vahvaa johdonmukaisuutta suunnittelussa, teki vähemmän virheitä kokonaisuudessaan ja ymmärsi konversion optimointivaatimukset hyvin.

Kyllä, se sotki joitakin värivalintoja aluksi mikä teki tekstistä lukukelvotonta. Ja kyllä, kesti 3-4 palautekierrosta saada kaikki oikein. Mutta lopputulos oli aidosti hyvä.

Rakenne, visuaalinen hierarkia, valinta käyttää vähemmän sanoja mutta tehdä jokaisesta merkitsevä - kaikki toimi yhdessä yhtenäisesti.

Mitä opin: Ei ole "parasta" AI-mallia

Tässä rehellinen näkemykseni vietettyäni tunteja näiden mallien testaamisessa:

Claude Opus 4.1 loistaa:

• Luovassa ongelmanratkaisussa
• Pelinkehityksessä ja monimutkaisessa logiikassa
• Epämääräisten tai epätäydellisten promptien käsittelyssä
• Asioiden tekemisessä oikein ensimmäisellä kerralla

Claude Sonnet 4.5 loistaa:

• Rakenteellisissa suunnittelutehtävissä
• Johdonmukaisuudessa ja yksityiskohtiin huomion kiinnittämisessä
• Laskeutumissivuissa ja verkkosivusuunnittelussa
• Vakiintuneiden mallien seuraamisessa

ChatGPT-5 loistaa:

• No... Yritän yhä selvittää sen näiden testien perusteella

Väite että Sonnet 4.5 on "maailman paras koodausmalli" on sekä totta että harhaanjohtavaa. Se riippuu täysin siitä mitä rakennat.

Verkkosivusuunnitteluun, laskeutumissivuihin ja tehtäviin jotka vaativat tiukkaa suunnittelujärjestelmien noudattamista, Sonnet 4.5 on erinomainen. Luovaan ongelmanratkaisuun, pelinkehitykseen ja tehtäviin jotka tarvitsevat intuitiota epätäydellisillä ohjeilla, Opus 4.1 on yhä mestari.

Promptin laatutekijä

Yksi kaava jonka huomasin: Sonnet 4.5 näyttää vaativan tarkempia, yksityiskohtaisempia prompteja suorituakseen huipussaan. Kun annoin sille tarkat ohjeet ja selkeät viitteet, se toimitti erinomaisia tuloksia.

Toisaalta Opus 4.1 suoriutui hyvin jopa melko epämääräisillä alkuprompteillani. Se täytti aukot älykkäästi ja teki hyviä oletuksia siitä mitä halusin.

Tämä ei välttämättä ole Sonnet 4.5:n heikkous. Se voi vain tarkoittaa että se on optimoitu eri tavalla. Jos olet valmis investoimaan aikaa yksityiskohtaisten promptien laatimiseen, Sonnet 4.5 voi toimittaa huomattavan johdonmukaista tuotosta.

Entä muut päivitykset?

Claude julkaisi myös muita mielenkiintoisia päivityksiä Sonnet 4.5:n ohella joita en käsitellyt yksityiskohtaisesti:

Claude Agent SDK - Tämä näyttää lupaavalta autonomisten agenttijärjestelmien rakentamiseen. Olen utelias miten se vertautuu siihen mitä voit rakentaa työkaluilla kuten N8N.

Imagine With Claude - Tämä näyttää olevan Clauden vastaus alustoille kuten Lovable, Bolt ja V0. Se on olennaisesti AI-ohjattu sovellusrakentaja. Aion testata tätä tulevassa vertailussa.

ChatGPT-5-ilmiö

Muistatko kun ChatGPT-5 lanseerattiin ja kaikki valittivat ettei se ollut niin hyvä kuin odotettiin? Sitten kaksi viikkoa myöhemmin, se todella suoriutui oikein hyvin?

Luulen että saatamme nähdä jotain vastaavaa Sonnet 4.5:n kanssa. Malli saattaa tarvita aikaa asettua, tai ehkä me kaikki tarvitsemme aikaa oppia miten promptata sitä tehokkaasti.

Tulen ehdottomasti viettämään enemmän aikaa Sonnet 4.5:n kanssa nähdäkseni parantuvatko tulokseni oppies sen vahvuudet ja heikkoudet.

Lopullinen tuomio

Jos pakottaisit minut valitsemaan yhden mallin kaikkiin koodaustehtäviini, menisin yhä Opus 4.1:n kanssa. Se on monipuolisin ja käsittelee laajimman valikoiman tehtäviä hyvin.

Mutta tiettyihin käyttötapauksiin kuten laskeutumissivun suunnitteluun, Sonnet 4.5 on nyt valintani. Johdonmukaisuus ja suunnittelun yksityiskohtiin huomioiminen tekevät siitä sen arvoisen näihin tiettyihin tehtäviin.

ChatGPT-5:n osalta minun täytyy testata sitä enemmän eri skenaarioissa. Nämä tietyt haasteet eivät pelanneet sen vahvuuksille, olivatpa ne mitä tahansa.

Mikä on sinun kokemuksesi?

Olen utelias kuulemaan muilta jotka ovat testanneet näitä malleja. Näetkö samankaltaisia tuloksia? Oletko löytänyt käyttötapauksia joissa Sonnet 4.5 todella loistaa?

Jätä ajatuksesi videon kommentteihin ja kerro minulle mitä haluaisit nähdä testattavan seuraavaksi.

Katso koko testausprosessi täältä: https://youtu.be/TAGUl0Xj7xg

Video näyttää jokaisen yrityksen, jokaisen epäonnistumisen ja kaikki iteraatiot reaaliajassa. Jos teet päätöksiä siitä mitä AI-koodausassistenttia käyttää projekteihisi, se kannattaa katsoa kokonaan.

---

Valmis nostamaan AI-työnkulkusi tasolle? Tilaa saadaksesi enemmän syvällisiä AI-työkalujen vertailuja ja tosielämän testausta.