1.3 AI Ekosistemi 2026 — Harita, Fiyat, Lisans, Türkiye¶
Yabancı kelime mi gördün?
Provider (sağlayıcı) = modeli sunan şirket (Anthropic, OpenAI, Google). Kapalı model (closed-source) = ağırlıkları indirilemez, sadece API ile erişilir. Açık model (open-weight) = ağırlıkları indirip kendi makinende çalıştırabilirsin. Context window (bağlam penceresi) = modelin bir seferde "akıl"da tutabildiği token sayısı. Throughput (işlem hızı) = saniyede kaç token üretilir. Inference (çıkarım) = modelin çalıştırılması, eğitim değil.
Neden bu sayfa?¶
İlk AI projeni kurmaya başlarken en temel soru: "Hangi modeli kullanayım?" Popüler cevap "ChatGPT" — ama ChatGPT bir provider'ın (OpenAI) bir ürünü; 2026'da 6-8 ciddi alternatifi var. Seçim farkı ayda $50 tasarruf veya $500 fatura arasındaki fark olabilir; veri mahremiyeti gerektiren bir projede yasal fark olabilir; Türkiye'den ödeme zorluğunda erişim farkı olabilir.
İkincisi: 2026 itibarıyla açık kaynak modeller (Llama, Qwen, DeepSeek) kapalı modellerle rekabet edecek seviyeye geldi. Bir müşteri projende "verim bulutta dolaşmasın" diyorsa Ollama + Llama 4 kombinasyonu geçerli cevap. Bu sayfa o ayrımı net gösterir.
Üçüncüsü: Bu platform Anthropic Claude-first pedagojide yürüyor. Neden? Sayfanın sonunda (ve 1.1 Anthropic-öz bloğunda) detayı var. Ama sen "neden diğeri değil" sorusuna eleştirel cevap almalısın — o da burada.
5 büyük provider — tek ekranda harita¶
flowchart TB
subgraph KAPALI["🔒 KAPALI MODELLER (API-only)"]
A["🟠 Anthropic\nClaude 4.6/4.7\nOpus • Sonnet • Haiku"]
O["🟢 OpenAI\nGPT-5 • GPT-4o\no-serisi\n(reasoning)"]
G["🔵 Google\nGemini 2.5\nPro • Flash • Nano"]
end
subgraph ACIK["🔓 AÇIK KAYNAK / AÇIK AĞIRLIK"]
M["🔵 Meta\nLlama 4\n7B • 70B • 405B"]
D["🟣 DeepSeek\nV3.2\n(Çin)"]
Q["🟠 Qwen\nQwen 3.5/3.6\n(Alibaba)"]
MS["⚪ Mistral\nMistral Large\nCodestral"]
end
USER["👤 Sen\nProje yapıcısın"]
CLOUD["☁️ Cloud\nAPI çağrısı"]
LOCAL["💻 Lokal\nOllama + GPU"]
USER --> CLOUD
USER --> LOCAL
CLOUD --> A
CLOUD --> O
CLOUD --> G
CLOUD -.API.-> M
CLOUD -.API.-> D
LOCAL --> M
LOCAL --> D
LOCAL --> Q
LOCAL -.büyük model GPU.-> A
LOCAL -.yok.-> O
LOCAL -.yok.-> G
classDef closed fill:#fed7aa,stroke:#ea580c,color:#111
classDef open fill:#fef3c7,stroke:#ca8a04,color:#111
classDef user fill:#ddd6fe,stroke:#7c3aed,color:#111
classDef route fill:#fef3c7,stroke:#ca8a04,color:#111
class A,O,G closed
class M,D,Q,MS open
class USER user
class CLOUD,LOCAL routeİki büyük yol:
- Cloud API: provider'a HTTP çağrı at, cevap al. Donanım derdi yok. Aylık kullanım ölçüsünde fatura.
- Lokal (Ollama): Açık kaynak modeli kendi makinene indir, çalıştır. Sıfır fatura (donanım hariç), ama büyük modellerde GPU şart.
Kapalı modeller sadece Cloud. Anthropic/OpenAI/Google modellerini indirip yerelde çalıştıramazsın — ağırlık dosyalarını dağıtmıyorlar.
Provider detay — kim ne sunuyor¶
🟠 Anthropic (Claude ailesi) — bu platformun ana dili¶
Şirket: Ex-OpenAI kurucuları, 2021'de kuruldu. Odak: güvenlik + dürüstlük + uzun bağlam.
Modeller (2026 Nisan):
| Model | Güç | Hız | Bağlam | Fiyat (input/output per 1M token, yaklaşık) |
|---|---|---|---|---|
| Opus 4.7 | Zirve (en yeni) | Orta | 1M | ~\(5 / ~\)25 |
| Opus 4.6 | Çok yüksek | Orta | 1M | ~\(5 / ~\)25 |
| Sonnet 4.6 | Yüksek (dengeli) | Hızlı | 1M | ~\(3 / ~\)15 |
| Sonnet 4.5 (legacy) | Yüksek | Hızlı | 200K | ~\(3 / ~\)15 |
| Haiku 4.5 | Orta | Çok hızlı | 200K | ~\(1 / ~\)5 |
Güçlü yönler: - En uzun dürüstlük refleksi ("emin değilim" der) - 1M token bağlam Opus 4.7 ve Sonnet 4.6'da (≈2500 sayfa) — RAG + uzun belge işlemede sınıfının lideri; Haiku 4.5 200K - MCP (Model Context Protocol — Model Bağlam Protokolü) — Anthropic 2024 Kasım'da çıkardı, Aralık 2025'te Linux Foundation'a bağışlandı; OpenAI ve Google da destekliyor (vendor-neutral standart) - Claude Code CLI (komut satırı arabirimi) + Artifacts özellikleri - Türkçe performansı çok iyi (bu platform o yüzden Türkçe)
Zayıf yönler: - Görsel üretim yok (DALL-E, Imagen gibi) - Ses-metin yok (Whisper karşılığı yok) - Hemen her sorunu "emin değilim" diye eğip bazen aşırı temkinli
Ne zaman Claude? — Uzun belge + RAG + agent + üretim refleksi. Platform bu yolun tam ortasında.
Güncel fiyatlar ve 6-ay revizyonu
Tablodaki rakamlar 2026 Nisan yaklaşımlarıdır; kesin rakam için anthropic.com/pricing sayfasını aç. Fiyatlar 6 ayda 2-3 kez değişebilir.
Bu sayfa okuyan için kural: Okuduğun tarih 2026 Ekim'den sonraysa tablodaki rakamları doğrulamadan kullanma. Tüm pricing/versiyon tabloları bu sayfada 6 ayda bir revize edilir; en güncel kaynak provider'ların kendi sayfasıdır. Aynı kural bu platformdaki tüm fiyat/sürüm tablolarında geçerlidir.
🟢 OpenAI (GPT ailesi) — pazarın liderleri¶
Şirket: 2015, ChatGPT ile viralleşti. Pazarın en büyük payı (2026'da ~%55 API kullanım).
Modeller (2026 Nisan güncel):
| Model | Güç | Hız | Bağlam | Not |
|---|---|---|---|---|
| GPT-5.5 | Zirve (yeni nesil) | Orta | 1M | Nisan 2026, Opus 4.7 rakibi |
| GPT-5.2 | Çok yüksek | Hızlı | 400K | Aralık 2025, dengeli |
| GPT-5 | Yüksek | Hızlı | 400K | Ağustos 2025, ilk GPT-5 |
| o3 / o3-pro | Yüksek (reasoning — akıl yürütme) | Yavaş | 200K | "Düşünen" seri — matematik/kod için |
| gpt-5-mini | Orta | Çok hızlı | 128K | Haiku rakibi |
Güçlü yönler: - Multimodal — ses + görsel + video anlama + görsel üretim (DALL-E, Sora) - Geniş ekosistem (ChatGPT, plugin'ler, tool entegrasyonu) - En büyük topluluk → en çok tutorial/örnek - OpenAI-uyumlu API endüstri standardı (Ollama, DeepSeek, Mistral hepsi taklit eder)
Zayıf yönler: - Hallucination (halüsinasyon) görece yüksek — "uydurma" kaçar - Fiyatlandırma karmaşık (farklı model farklı fiyat, hızlı değişir) - Veri kullanımı politikaları dalgalı (2023'ten beri 3 kez revize)
Ne zaman GPT? — Multimodal zorunlu (ses/görsel işleme), mevcut ekip zaten biliyor, veya OpenAI-uyumlu API şart.
🔵 Google (Gemini ailesi) — devreye yeni giren güç¶
Şirket: Google DeepMind + Brain birleşimi. 2024'te Gemini 1.0, 2026'da Gemini 2.5 serisi.
Modeller:
| Model | Güç | Hız | Bağlam | Not |
|---|---|---|---|---|
| Gemini 2.5 Pro | Zirve | Orta | 1M | Devasa bağlam — uzun belge/video; 2M sürümü ileride söz verildi, henüz GA değil |
| Gemini 2.5 Flash | Yüksek | Çok hızlı | 1M | Sonnet rakibi |
| Gemini Nano | Orta | Cihaz-içi | Küçük | Android (Pixel) ve Chrome'da yerel çalışır |
Güçlü yönler: - 2M token bağlam — tüm kitap, uzun video, büyük codebase tek seferde - Google ekosistem entegrasyonu (Drive, Docs, YouTube) - Multimodal native (tasarımdan, sonradan eklenen değil) - Ücretsiz tier cömert (AI Studio'da $0 başla)
Zayıf yönler: - Türkçe performansı Claude/GPT'den bir adım geride - API dokümantasyonu dağınık (SDK'lar parçalı) - Üretim deneyimi yeni; kurumsal güven Claude/GPT altında
Ne zaman Gemini? — Devasa bağlam gerektiğinde (>200K token), Google Workspace entegrasyonu, video analizi.
🔵 Meta (Llama ailesi) — açık kaynak liderliği¶
Şirket: Meta AI Research. 2023'te Llama 1 ile açık kaynak devrimi başladı.
Modeller (Llama 4 ailesi, 2026 — Karma Uzman / Mixture-of-Experts mimarisi):
| Model | Aktif / Toplam | Donanım | Kullanım |
|---|---|---|---|
| Llama 4 Scout | 17B aktif / 109B toplam | 1× H100 (~$3-4/saat) | Hızlı, hafif kullanım |
| Llama 4 Maverick | 17B aktif / 400B toplam | 2-4× H100 | Orta-üst seviye, Claude rakibi |
| Llama 4 Behemoth | 288B aktif / 2T toplam | 8+× H100 ($150-200/saat) | Kurumsal, frontier-yakın |
Eski (hâlâ kullanılan) — Llama 3.1 ailesi (yoğun mimari, yerel için kolay):
| Model | Parametre | Donanım | Kullanım |
|---|---|---|---|
| Llama 3.1 8B | 8 milyar | Dizüstü (16 GB RAM) | Hobi, hızlı deneme — Ollama'da popüler |
| Llama 3.1 70B | 70 milyar | 2× A100 GPU | Orta seviye üretim |
| Llama 3.1 405B | 405 milyar | 8× H100 (NVIDIA üst-segment GPU'lar) | Kurumsal kullanım |
Güçlü yönler: - Ağırlıklar açık — ticari kullanım serbest, ama lisans şartı: MAU (Monthly Active Users — aylık aktif kullanıcı sayısı) 700 milyondan azsa Meta'ya kayıt yetiyor; üstündeyse özel anlaşma şart - Veri gizliliği: veri hiç dışarı çıkmaz, kendi makinende - Maliyet: donanım masrafı bir kez, sonra sıfır fatura - Fine-tuning serbest — kendi veri setinle özelleştir - Yerel çalışınca internetsiz (offline) kullanım mümkün
Zayıf yönler: - Büyük modeller pahalı donanım gerektirir (tek GPU yetmez) - Performans hâlâ kapalı modellerin bir adım gerisinde (%10-15) - Türkçe performansı orta; fine-tuning olmadan temiz değil - Kurulum derdi (Ollama yardım eder ama hâlâ iş var)
Ne zaman Llama? — Veri gizliliği zorunlu (sağlık, finans, hukuk), API faturası gereksiz, offline kullanım, fine-tuning planı.
🟣 DeepSeek + 🟠 Qwen + ⚪ Mistral — diğer açık modeller¶
DeepSeek (V3.2): Çin menşeli. Çok güçlü + çok ucuz; 671 milyar parametre (MoE — sadece 37B aktif), GPT-5/Gemini 2.5 Pro yakın performans, API fiyatı ~10 kat ucuz. Aralık 2025'te yayınlandı. Ticari kullanıma açık. Uyarı: Veri çıkış noktası Çin sunucuları olabilir; KVKK hassas projelerde dikkat. Çözüm: Ollama ile yerel çalıştır.
Qwen 3.5 / Qwen 3.6 (Alibaba): Çin menşeli, özellikle kod + matematik güçlü. Qwen 3.5 (Şubat 2026) açık ağırlıklı; Qwen 3.6-Plus (Nisan 2026) kapalı/API-only; Qwen 3.6-35B-A3B (Nisan 2026) açık. Ollama'da popüler. Llama rakibi.
Mistral (Fransa): Avrupa açık kaynak alternatifi, GDPR (AB Genel Veri Koruma Yönetmeliği) dostu. Codestral 25.08 kod için ayrı model. Küçük modelleri (Mistral 7B) çok iyi.
Açık kaynak vs kapalı — 3 paragraf karar¶
Açık kaynak kazandığı alanlar: - Veri gizliliği (finans, sağlık, hukuk) - Uzun vade maliyet (yüksek hacim → API faturası → lokal model) - Offline/lokal (internet yok, veri edge'de) - Fine-tuning (özel alanda eğitim gerekli) - Eğitim-araştırma (model iç yapısını görmek)
Kapalı kazandığı alanlar:
- Hızlı prototip (bir satır pip install anthropic, 30 saniyede ilk çağrı)
- En son teknoloji (GPT-5, Claude Opus, Gemini 2.5 — açık benchmark'larda hâlâ önde)
- Donanım yok (laptop + internet yeter)
- Üretim desteği (SLA, uptime taahhüdü, enterprise kontrat)
- Özel yetenekler (multimodal native, görsel üretim, ses sentezi)
Hibrit yaklaşım — çoğu ciddi proje ikisini birlikte kullanır: ucuz/sık sorular için açık (lokal), kritik/karmaşık sorular için kapalı (API). Bu platform Bölüm 0'da lokali, Bölüm 2+'dan itibaren API'yi öğretir; Bölüm 5'te (RAG vs Fine-tuning) ikisini birleştirir.
Karar matrisi — bu proje için hangi model?¶
5 kriter sırayla:
| # | Kriter | Açık (lokal) seç | Kapalı (API) seç | Karma |
|---|---|---|---|---|
| 1 | Veri gizliliği | KVKK/hassas → zorunlu | Veri paylaşılabilir | Kritik sorgular lokal |
| 2 | Bütçe | Aylık >$1000 → lokal | <$50/ay → API | $50-1000 → karma |
| 3 | Kalite | Orta yeterli | En üst gerek | Sıradan API, kritik Opus |
| 4 | Hız | <5 saniye OK | Milisaniye gerek | Streaming API |
| 5 | Donanım | GPU var (kendi veya cloud) | Yok | Küçük model lokal |
Örnek karar akışı:
- "CV analiz chatbot, ayda 100 kullanıcı, kişisel proje." → Claude Haiku 4.5 ($1-5/ay fatura, hızlı, 200K bağlam).
- "Sağlık kayıtları asistanı, hasta verisi KVKK kapsamında." → Llama 3.1 70B yerel veya Llama 4 Scout (veri hiç dışarı çıkmaz).
- "Hukuki doküman özeti, 300 sayfa PDF (~150K token)." → Claude Opus 4.7 veya Gemini 2.5 Pro (1M bağlam — 300 sayfa rahat sığar).
- "Video dersini transkribe + özet." → Gemini 2.5 Pro (video native multimodal) veya GPT-5.5 (ses + görsel).
- "Maliyet hassas agent sistemi, 10K çağrı/gün." → DeepSeek V3.2 + Claude karma (DeepSeek ucuz + Claude kritik kararlarda).
Fiyat karşılaştırma — 1000 çağrılık proje¶
Varsayım: Ortalama çağrı 500 input + 300 output token. 1000 çağrı/ay. Yaklaşık fatura:
| Model | Aylık fiyat | Not |
|---|---|---|
| Llama 3.1 70B veya Llama 4 Scout (kendi GPU'n) | $0 | Donanım yoksa yok |
| DeepSeek V3.2 API | ~$0.50 | En ucuz bulut |
| Haiku 4.5 | ~$2.00 | Hız + kalite dengesi |
| GPT-5-mini | ~$0.30-0.50 | Claude Haiku rakibi (en düşük segment) |
| Gemini 2.5 Flash | ~$1.50 | Multimodal + büyük bağlam |
| Sonnet 4.6 | ~$7.00 | Platform varsayılan seçimi |
| GPT-5.2 | ~$5-6 | Dengeli premium |
| Opus 4.6/4.7 | ~$11-13 | Kritik karar için (yeni fiyat: \(5/\)25 per MTok) |
Not: 1K çağrı düşük hacim. Gerçek üretim genelde 10K-100K/ay — rakamları 10-100 ile çarp.
Türkiye perspektifi — ödeme, erişim, KVKK¶
Ödeme seçenekleri (2026 Nisan)¶
| Provider | Türkiye kredi kartı | Kripto | Alternatif |
|---|---|---|---|
| Anthropic | ✅ Çoğu banka | ❌ | - |
| OpenAI | ✅ Çoğu banka | ❌ | - |
| ✅ Çoğu banka | ❌ | - | |
| DeepSeek | ⚠️ Sınırlı | ✅ USDT | TR bankalarında bazen red |
| Meta (Llama açık) | N/A | N/A | Kendi donanımın |
Altın ipucu: Ödeme reddi alırsan (Anthropic Console "card declined") → bir başka bankanın sanal kartı dene (çoğu reddeden karta-özgü), veya Wise/Revolut sanal kart. Türkiye'den yapılan AI-API ödemelerinin %80+'ı bu yolla geçer.
Gecikme (latency)¶
Türkiye'den API çağrıları (ms = milisaniye, saniyenin binde biri): - Avrupa bölgesinden sunan sağlayıcı: ~60-100 ms (iyi) - ABD bölgesinden sunan: ~150-200 ms (idare eder) - Asya-Pasifik: ~250-400 ms (yavaş; kullanıcı fark eder)
Anthropic, OpenAI, Google bölge seçimi yaptırmaz — kendileri yönlendirir, sen göremezsin. Pratikte Avrupa'dan servis alıyorsun.
KVKK uyumu¶
Tehlikeli alan: Türkiye KVKK'sı (Kişisel Verileri Koruma Kanunu) AB GDPR'ına (Genel Veri Koruma Yönetmeliği) benzer — kişisel veriyi yurtdışı sunucuya göndermek uygun aydınlatma + rıza gerektirir. B2B projelerinde çok önemli. Kısa kural:
- Anonim veri (kişi kimliği çıkarılamaz): Bulut API serbest.
- Kişisel veri (ad, e-posta, telefon, TC): Ya açık rıza alacaksın (belge) ya da yerel model zorunlu.
- Hassas veri (sağlık, hukuk, finans): Neredeyse her zaman yerel model — Llama 3.1 70B veya Llama 4 Scout + kendi VPS'inde.
Platformun Bölüm 8 (Güvenlik + Production) bu konuyu detayla açar.
Model seçimi — kendi ilk projen için¶
Kendi projen var mı? (1.4'te yazacaksın veya daha çiğ halde) Aşağıdaki formülü doldur:
- Proje: Tek cümlede ne yapacak? _______________________
- Veri: İşleyeceği veri kişisel/hassas mı? Evet / Hayır / Kısmen
- Hacim: Aylık tahmini çağrı sayısı? ______
- Bütçe: Aylık kaç TL/USD harcayabilirsin? ______
- Donanım: Kendi GPU'n var mı? Evet / Hayır
Bu 5 cevaba göre tablo:
- Evet veri hassas + yerel donanım → Llama 3.1 70B veya Llama 4 Scout (Ollama)
- Evet veri hassas + donanım yok → Projeyi revize et veya GPU kirala
- Aylık 1.000 çağrıdan az + veri normal → Claude Haiku veya Sonnet
- 1.000-10.000 çağrı + multimodal gerek → GPT-5.5 veya Gemini Flash
- 10.000 çağrıdan fazla + maliyet hassas → DeepSeek V3.2
- Kritik karar + uzun doküman → Claude Sonnet 4.6 veya Opus 4.7
Kanıt: muhendisal-notlarim/bolum-1/03-model-karar.md — 5 cevap + seçtiğin model + gerekçesi.
CTO tuzakları — model seçerken yanlışa gitme¶
| # | Tuzak | Sonuç | Doğru |
|---|---|---|---|
| 1 | "En güçlü model = en iyi" | Ayda $500 fatura, gereksiz | Haiku/Flash başla, gerekirse yükselt |
| 2 | Tek provider'a kilit | API değişince tüm sistem bozulur | Soyutlama katmanı (abstract client) |
| 3 | Fiyat cetvelini unutmak | Q1'de $10, Q3'te $80 fatura | Aylık Anthropic Console budget alert |
| 4 | Multimodal gerekmeden GPT-4o | Claude-Haiku'nun 5× ücretini öde | İhtiyacı net tespit |
| 5 | DeepSeek'i KVKK olmadan kullanmak | Veri Çin sunucusunda, yasal risk | Ya lokal çalıştır ya veri anonimize |
| 6 | Llama'yı dizüstünde 70B çalıştırmak | RAM yetmez, makine donar | Küçük model (Llama 3.1 8B veya Llama 4 Scout) ile başla, bulut GPU sonra |
| 7 | Hiç açık kaynak denememek | Veri gizliliği proje çıkınca hazırlıksız | Bölüm 0.3 Ollama deneyimini atlama |
| 8 | "Claude Türkçe kötü" miti | 2024 efsanesi, Sonnet 4.6 Türkçe iyi | Kendin test et, "Türkçe özetle" yaz |
Anthropic-first — platformun gerekçesi, net¶
🤖 Anthropic-öz: 5 tercih gerekçesi
Platform neden Claude'u ana dil olarak seçti — eleştirel cevap:
-
MCP (Model Context Protocol) endüstri standardı oldu. 2024 Kasım'da Anthropic çıkardı, 2025-2026'da OpenAI, Google, IDE üreticileri (Cursor, VS Code, JetBrains) MCP'yi destekledi. Bölüm 6'da MCP server yazmak 2026 AI Engineer refleksinin kalbi — bu protokolü doğduğu yerden öğrenmek pedagojik olarak anlamlı.
-
Uzun bağlam + dürüstlük. Claude'un 1M token bağlamı (Opus 4.7 ve Sonnet 4.6) + "emin değilim" refleksi birlikte RAG + agent projelerinde halüsinasyon (modelin uydurma cevap verme) riskini düşürür. Öğrenci için daha güvenli öğrenme ortamı: "Claude cevapladı ama yanlış" vakası görece az.
-
Türkçe performansı sağlam. Platform Türkçe. Öğrencinin denediği her örnek Türkçe çalışıyor olmalı — Claude'un Türkçe tutarlılığı (2026 Sonnet 4.6) bu ihtiyacı karşılıyor.
-
Anthropic Academy ücretsiz + kaliteli. Birden çok kurs (AI Fluency, Claude with the API, Tool Use, MCP, Claude Code), hepsi ücretsiz, İngilizce (ama platform Türkçe özetler + alıştırma verir). Diğer sağlayıcıların öğrenme kaynakları ya ücretli ya dağınık.
-
Ürün düşüncesi. Anthropic'in kendi ürünleri (Claude Code, Artifacts, Computer Use, Claude in Excel) öğrenciye "AI Engineer rol modeli" sunar. Claude'u kullanan kişi Anthropic'in nasıl düşündüğünü günlük olarak görür.
Reddedilen tercih — "Neden OpenAI değil?":
- OpenAI'nin avantajları (multimodal, pazar payı, topluluk büyüklüğü) gerçek ve platformda ikinci dil olarak yeri var (Bölüm 5'te LLM karşılaştırmada, Bölüm 10'da kariyer'de).
- Ama öğrenme refleksi olarak kaynak tutarlılığı ve protokol merkezi Claude'u öne çıkardı.
- Öğrenci Bölüm 10'a geldiğinde Claude + GPT + Gemini arasında rahat dolaşabilen AI Engineer profili çıkar; kilit yok.
Bu platform "GPT öğrenme YASAK" demez. "İlk dilin Claude olsun, sonra diğerleri kolay" der.
Çıktı kanıtları — 3 kanıt¶
1. 5 provider'ı farklı biriyle anlat:
Not defterine (veya birine sözlü) anlat: "Anthropic ne? OpenAI ne? Google ne? Meta ne? DeepSeek ne?" Her biri 2-3 cümle. Kolayca akıyor mu?
2. Kendi seçimini yaz:
muhendisal-notlarim/bolum-1/03-model-karar.md → kendi ilk proje için hangi modeli seçtin + 3 gerekçe.
3. İlk hesapları aç:
- Anthropic Console → hesap + ödeme koyma (ödeme sonra Bölüm 2'de)
- OpenAI API → hesap aç (sadece hesap)
- Google AI Studio → hesap aç (ücretsiz tier tanı)
Her üçünün dashboard ekran görüntüsü kanıt dosyana.
Bölüm 1 kapanışa yaklaşıyor¶
Bu sayfa Bölüm 1'in son kavram yoğun sayfası. Sonraki sayfa (1.4 Yol Seçimi) kararı eyleme çeviriyor — persona seç, 6 haftalık plan yaz, takvime koy.
Buraya kadar aldıklarında: - AI Engineer'ın ne yaptığı (1.1) - ML Engineer'dan farkı (1.2) - Ekosistemdeki yerini bulma (1.3, bu sayfa)
Sonraki: kendi yolun, kendi planın.
- **2026'da 5 büyük provider + 3+ açık kaynak var.** Tek cevap "ChatGPT" değil. Bu yüzden **model seçimi projeye özel bir karar.**
- **Kapalı vs Açık ayrımı başlangıç kararı.** Anthropic/OpenAI/Google API-only; Llama/Qwen kendi makinende. Bu yüzden **gizlilik veya bütçe kısıtı seçimi doğrudan şekillendirir.**
- **5 kriterli karar matrisi proje odaklı.** Gizlilik, bütçe, kalite, hız, donanım. Bu yüzden **her proje için hangi modelin uygun olduğu sistematik oturur.**
- **1000 çağrılık maliyet $0 ile $40 arasında değişir.** Aynı iş için model seçimi finansal. Bu yüzden **bütçe hesabı projenin başında yapılır.**
- **Türkiye perspektifi seçimi şekillendirir.** Ödeme yöntemi, gecikme, KVKK. Bu yüzden **Türkiye'den geliştiren için bölgesel kısıtlar karar faktörü.**
- **Anthropic-first 5 gerekçeyle meşru.** MCP + uzun bağlam + Türkçe + Academy + ürün refleksi. Bu yüzden **bu platform Claude-öncelikli pedagoji ile yürür.**
- **Sonraki adım kişisel model seçimi.** Bu sayfanın matrisi + 1.4'ün persona planı birleşince somut yol çıkar. Bu yüzden **1.4'ü bitirmeden Bölüm 2'ye geçme.**
Sonuç: AI ekosistemi net görünür oldu; hangi provider ne sunuyor, senin projen hangisine oturur biliyorsun. 1.4'te bu bilgi plan haline dönüşecek.
1.4 Hangi Yolu Seçmeli → — 3 persona × 6 haftalık somut plan. Kendi yolunu yaz.
← 1.2 AI Engineer vs ML Engineer | Bölüm 1 girişi | Ana sayfa
Pekiştirme: LMSYS Chatbot Arena — modelleri kör (model adı görünmez) karşılaştırma platformu; aynı prompt'u 2 modele sorar, hangisi daha iyi cevapladı seçersin. 2026'da modelleri hızlı test etmenin en objektif yolu. Hafta sonu 30 dakika dene, Claude/GPT/Gemini farklarını elinle hisset.