3. Model Aileleri ve Seçim Mantığı

Yapay zekâ platformlarını kullanmaya başlayan çoğu kişi, karşısına çıkan model listesini bir kalite sıralaması olarak okur ve elinin uzandığı en güçlü modeli seçer. Bu, ilk bakışta makul görünen ama sistematik olarak yanlış bir stratejidir. Model seçimi bir prestij sorusu değil, bir mühendislik kararıdır: eldeki göreve, kısıtlara ve hata toleransına göre verilir.

Bu bölüm, hangi modelin "en iyi" olduğunu söylemez. Bunun iki nedeni vardır. Birincisi, böyle bir cevap yoktur — sorunun kendisi eksik tanımlıdır. İkincisi, bugün verilecek somut bir cevap birkaç ay içinde geçerliliğini yitirir. Bunun yerine, cevap değiştiğinde de geçerliliğini koruyacak bir karar çerçevesi kuracağız.

3.1 Üç Değişkenli Bir Denge Problemi

Her model seçimi, birbiriyle yarışan üç değişken arasında bir denge kurar.

• Yetenek: Modelin karmaşık akıl yürütme, uzun görev yürütme ve belirsizlik yönetimindeki başarısı.
• Hız: Yanıtın ne kadar sürede geldiği. Etkileşimli kullanımda algılanan kaliteyi doğrudan etkiler.
• Maliyet: İşlenen token başına ödenen bedel veya tüketilen kullanım kotası.

Bu üç değişken birbirinden bağımsız değildir. Daha yetenekli modeller genellikle daha büyüktür; daha büyük modeller daha yavaş çalışır ve daha pahalıya mal olur. Sağlayıcılar bu nedenle tek bir model sunmaz, bir merdiven sunar.

Mühendislik açısından bakıldığında bu, tanıdık bir kısıtlı optimizasyon problemidir. Bir yapı elemanı seçerken dayanım, ağırlık ve maliyet arasında denge kurmak neyse, model seçmek de odur. Hiçbir mühendis "en dayanıklı malzeme hangisiyse onu kullanalım" demez; taşınacak yüke uygun olanı seçer.

3.2 Katman Yapısı: Herkes Aynı Merdiveni Kurar

Farklı sağlayıcıların ürün isimleri birbirinden çok farklı görünür. Ancak yapısal olarak hepsi aynı üç katmanlı düzeni kurar. Bu örüntüyü tanımak, tanımadığınız bir sağlayıcının ürün listesini ilk bakışta çözmenizi sağlar.

2026 yazı itibarıyla bu merdivenin sağlayıcılara göre görünümü aşağıdaki gibidir. Tablodaki isimler hızla değişen bilgidir; yapının kendisi ise kalıcıdır.

Kaynaklar: Anthropic ve OpenAI resmî dokümantasyonu, Google Cloud fiyatlandırma sayfası. Doğrulama tarihi: 25 Ağustos 2026. Model adları ve kademe yapıları sık değişmektedir; her platformun güncel durumu Kısım II'deki ilgili bölümde ele alınacaktır.

Dikkat çekici bir gelişme, OpenAI'nin 2026 ortasında yaptığı yaklaşım değişikliğidir. Şirket daha önce tek bir model sunup kullanıcıya bir "çaba kadranı" veriyordu; GPT-5.6 ile birlikte üç ayrı kademeye geçti. Kendi ifadeleriyle bu, "kadranı olan tek modelden, seçilecek üç modele" geçiştir. Bu, sektörde katman yapısının ne kadar yerleştiğini gösteren iyi bir örnektir.

3.3 İkinci Eksen: Çaba Ayarı

Model seçimi tek boyutlu bir karar değildir. Güncel modellerin bir kısmı, aynı model içinde ne kadar "düşüneceğini" ayarlayan bir çaba (effort) parametresi sunar. Bu, model değiştirmeden kapasite ile maliyet arasında denge kurmayı sağlar.

Anthropic'in dokümantasyonu bu konuda açık bir yönlendirme yapar: çabayı ayarlamak, çoğu zaman model değiştirmekten daha iyi bir kaldıraçtır. Yani bir görev için üst katman modele geçmeden önce, orta katman modelin çaba seviyesini yükseltmeyi denemek genellikle daha isabetli bir hamledir.

Kaynak: Claude Platform Dokümantasyonu, "Choosing the right model" — https://platform.claude.com/docs/en/about-claude/models/choosing-a-model — 25 Ağustos 2026 itibarıyla doğrulanmıştır.

Böylece elimizde iki boyutlu bir karar uzayı oluşur: hangi katman, ve o katmanda hangi çaba seviyesi. Yüksek çabayla çalışan bir orta katman model, düşük çabayla çalışan bir üst katman modelden daha iyi sonuç verebilir — ve genellikle daha ucuzdur.

Şekil 3.1 — Model katmanı ve çaba seviyesi birlikte bir karar uzayı oluşturur.

3.4 Maliyetin Gerçek Yapısı

Fiyatlandırmayı "model başına tek bir rakam" olarak düşünmek, bütçe hatalarının başlıca kaynağıdır. Gerçek maliyet birkaç bileşenden oluşur ve bunların bazıları ilan edilen fiyatın kat kat üzerine çıkabilir.

Girdi ve Çıktı Asimetrisi

Çıktı tokenleri, girdi tokenlerinden belirgin biçimde pahalıdır — güncel modellerde bu oran altı kata kadar çıkabilmektedir. Pratik sonucu şudur: faturayı şişiren şey genellikle uzun istemler değil, uzun yanıtlardır. Modelden kısa ve odaklı yanıt istemek, hem kaliteyi hem maliyeti aynı anda iyileştirir.

Önbellekleme

Tekrar eden istem başlangıçları — sistem talimatı, araç tanımları, sabit bağlam — önbelleğe alındığında çok daha düşük bir oranla ücretlendirilir; güncel uygulamalarda standart girdi ücretinin onda biri düzeyine inebilmektedir. Aynı bağlamı tekrar tekrar gönderen iş akışlarında bu, en büyük tasarruf kalemidir.

Toplu İşleme

Anlık yanıt gerektirmeyen işler için sunulan toplu işleme modu, tipik olarak yüzde elli indirim sağlar. Gecelik rapor üretimi, toplu belge sınıflandırma gibi işlerde doğrudan uygulanabilir.

Uzun Bağlam Sayacı

En kolay gözden kaçan kalem budur. Belirli bir token eşiğinin üzerindeki istekler, farklı ve daha yüksek bir tarifeyle ücretlendirilir. Bir milyon tokenlik pencereyi düzenli olarak dolduran bir iş akışı, ilan edilen fiyatın iki katına yakın bir maliyetle çalışıyor olabilir.

3.5 Ucuz Model Her Zaman Ucuz Değildir

Bu bölümün en sezgiye aykırı bulgusu budur. Token başına daha ucuz olan bir model, görev başına daha pahalıya mal olabilir.

Mekanizma şudur: ajan benzeri çalışan modeller bir görevi tamamlamak için çok sayıda adım atar — araç çağırır, kontrol eder, gerekirse tekrar dener. Token başına ucuz ama daha çok adım atan bir model, token başına pahalı ama işi daha az adımda bitiren bir modelden toplamda daha fazla tüketebilir. Bağımsız ölçümler, 2026'da bu durumun fiilen gerçekleştiğini göstermiştir.

Buradan çıkan ilke, mühendislikte tanıdıktır: birim maliyet değil, iş başına toplam maliyet karşılaştırılmalıdır. Model seçiminde tek geçerli yöntem, kendi tipik görevlerinizle küçük bir karşılaştırma yapıp gerçek tüketimi ölçmektir.

Dördüncü madde çoğu karşılaştırmada atlanır. Bir modelin çıktısını kullanılabilir hale getirmek için harcadığınız süre, bir maliyet kalemidir ve genellikle en büyüğüdür. Bu kalem hesaba katıldığında, daha pahalı ama daha az düzeltme gerektiren model çoğu zaman daha ekonomiktir.

3.6 Karşılaştırma Ölçütlerini Okuma

Model tanıtımlarında yer alan karşılaştırma ölçütü (benchmark) puanları yararlı ama sınırlı bir bilgidir. Bu puanları doğru okumak için birkaç noktaya dikkat etmek gerekir.

• Ölçüt, sizin işinizi temsil ediyor mu? Yazılım mühendisliği ölçütünde yüksek puan alan bir model, akademik metin yazımında aynı üstünlüğü göstermeyebilir.
• Puan farkı anlamlı mı? Birbirine birkaç puan yakın iki model, pratikte ayırt edilemez olabilir. Küçük farklar, ölçüm gürültüsünün içinde kalır.
• Hangi ayarlarla ölçüldü? Aynı model, farklı çaba seviyelerinde belirgin biçimde farklı puanlar alır. Karşılaştırmanın adil olması için ayarların eşitlenmiş olması gerekir.
• Ölçüt eğitimde görüldü mü? Yaygın ölçütlerin eğitim verisine sızması, puanları yukarı doğru saptırabilen bilinen bir sorundur.

Bölüm 2'de gördüğümüz bir bulgu burada tekrar karşımıza çıkar: ölçütlerin puanlama düzeni, model davranışını şekillendirir. Doğruluğu ödüllendirip belirsizliği cezalandıran bir ölçüt, tahmin yürüten modeller üretir. Dolayısıyla yüksek ölçüt puanı, otomatik olarak "daha az uydurma" anlamına gelmez.

3.7 Karar Çerçevesi

Aşağıdaki sıra, pratikte işleyen bir seçim yöntemidir.

• Görevi sınıflandırın: Bu iş, metin dönüştürme mi (özet, çeviri, biçimlendirme) yoksa akıl yürütme mi gerektiriyor?
• Hata maliyetini belirleyin: Yanlış sonucun bedeli nedir? Geri alınabilir mi? Yüksek bedelli, geri alınamaz işlerde üst katmana çıkın.
• Alt katmandan başlayın: Görevin gerçekten güçlü model gerektirdiğini varsaymayın. Orta veya alt katmanla deneyin.
• Yetersizse önce çabayı artırın: Model değiştirmeden önce aynı modelin çaba seviyesini yükseltin.
• Hâlâ yetersizse katman yükseltin: Ancak bu noktada üst katmana geçin.
• Ölçün: Değişikliğin gerçekten fark yarattığını kendi görevlerinizle doğrulayın. Varsayımla ilerlemeyin.

Üçüncü adım, çoğu kullanıcının atladığı adımdır ve en çok tasarruf sağlayanıdır. Anthropic'in dokümantasyonu da benzer bir yaklaşımı önerir: hızlı ve ekonomik bir modelle başlayıp, yalnızca gerekli olduğu kanıtlandığında yukarı çıkmak.

3.8 Karma Strateji

İleri seviye kullanımda tek bir model seçmek zorunda değilsiniz. Aynı proje içinde görev türüne göre model değiştirmek, hem maliyeti düşürür hem kaliteyi korur. Bu kitabın hazırlanma sürecinde de bu strateji uygulanmıştır.

3.9 Fiyat Bilgisinin Yarı Ömrü

Bu bölümde bilinçli olarak somut fiyat rakamı verilmemiştir. Nedeni, bu kitabın hazırlanması sırasında yapılan bir gözlemdir ve okuyucu için öğreticidir.

Aynı modelin fiyatı için farklı güvenilir kaynaklar birbiriyle çelişen değerler bildirmektedir. Bir sağlayıcının amiral gemisi modeli için, bir kaynak grubu bir fiyat, başka bir kaynak grubu belirgin biçimde daha düşük bir tanıtım fiyatı bildirmiştir. Benzer biçimde, bir başka sağlayıcının orta katman modeli için ilan edilen tanıtım fiyatının, belirli bir tarihte iki katına çıkacağı duyurulmuştur.

Bu çelişkiler kaynakların özensizliğinden değil, fiyatların gerçekten hızlı değişmesinden kaynaklanır: tanıtım tarifeleri, süreli indirimler, bölgesel farklar ve sık yapılan revizyonlar. Bir kitaba yazılan fiyat listesi, yayımlandığı ay geçerliliğini yitirir.

3.10 Bölüm Özeti

• Model seçimi bir prestij değil, kısıtlı optimizasyon sorunudur.
• Yetenek, hız ve maliyet birbiriyle yarışan üç değişkendir.
• Sağlayıcıların hepsi üç katmanlı bir merdiven kurar; isimler değişir, yapı kalır.
• Çaba ayarı ikinci bir eksendir; katman değiştirmeden önce denenmelidir.
• Maliyet tek bir rakam değildir: çıktı asimetrisi, önbellek, toplu işleme ve uzun bağlam sayacı belirleyicidir.
• Token başına ucuz model, görev başına pahalı olabilir; toplam maliyet ölçülmelidir.
• İnsan düzeltme süresi en büyük maliyet kalemidir ve çoğu karşılaştırmada atlanır.
• Ölçüt puanları sınırlı bilgidir; ölçütün göreve uygunluğu ve ayar eşitliği sorgulanmalıdır.
• Alt katmandan başlayıp gerektiğinde yükselmek, tersinden gitmekten daima daha verimlidir.
• Fiyat bilgisi hızla eskir; daima resmî kaynaktan doğrulanmalıdır.

Güncellik kontrolü: Bu bölümdeki karar çerçevesi yavaş eskiyen niteliktedir. Model adları, katman yapıları ve fiyatlandırma mekanizmaları 25 Ağustos 2026 itibarıyla doğrulanmıştır. Güncel değerler için sağlayıcıların resmî fiyatlandırma sayfalarına başvurulmalıdır.