osmandagdeviren.com.tr

14 Dil Modelini Türkçe ve İngilizce NER İçin Test Ettim 🔬

Wed, 10 Jun 2026 12:00:00 GMT

Neden NER'e Özel Model Yerine Genel Amaçlı Dil Modeli? 🤷

spaCy ve Stanza tam olarak bunun için var. Hızlılar, ucuzlar ve bu iş için tasarlanmışlar. Sorun Türkçe morfolojisinde.

Türkçe sondan eklemeli bir dil. Bozbey gibi bir özel isim Bozbey'in, Bozbey'e biçimlerine bürünüyor. Ankara Adliyesi gibi bir kurum adı, yüzeyde Ankara'yla neredeyse hiç örtüşmüyor. Bursa Cumhuriyet Başsavcılığı içinde Bursa geçiyor, ama bunlar ayrı ayrı varlık değil — ikisini birden çıkarmak yanlış olur. Çoğunlukla İngilizce veriyle eğitilmiş hazır modeller bu morfolojiyle genellikle iyi başa çıkamıyor.

Bunun yerine OpenRouter üzerinden LLM tabanlı çıkarımı test ettim: tek API, tek prompt, iki dil.

Soru şu: özellikle Türkçe'de en iyi varlık F1'ini, en ucuza hangi model veriyor?

Adaylar 🏁

OpenRouter kataloğundan 14 model; fiyatlar 10 Haziran 2026 itibarıyla (prompt/completion, $/milyon token):

| Model | Sağlayıcı | $/M Giriş | $/M Çıkış | |---|---|---|---| | Gemini 2.5 Flash | Google | $0.30 | $2.50 | | DeepSeek V4 Flash | DeepSeek | $0.0983 | $0.1966 | | DeepSeek V4 Pro | DeepSeek | $0.435 | $0.87 | | Tencent Hy3 Preview | Tencent | $0.063 | $0.21 | | MiniMax M3 | MiniMax | $0.30 | $1.20 | | Xiaomi MiMo-V2.5 | Xiaomi | $0.14 | $0.28 | | Xiaomi MiMo-V2.5-Pro | Xiaomi | $0.435 | $0.87 | | Gemini 3.5 Flash | Google | $1.50 | $9.00 | | Gemini 3.1 Flash Lite | Google | $0.25 | $1.50 | | Gemma 4 31B | Google | $0.12 | $0.36 | | GPT-4o-mini | OpenAI | $0.15 | $0.60 | | GPT-5.4 mini | OpenAI | $0.75 | $4.50 | | GPT-5.4 nano | OpenAI | $0.20 | $1.25 | | Grok 4.3 | xAI | $1.25 | $2.50 |

Veri Seti 📋

8 gerçek haber makalesi (4 İngilizce: BBC ×2, Guardian ×2; 4 Türkçe: TRT ×2, DW ×2), başlık ve ilk 1.400 karakter üzerinden elle etiketlendi.

Toplam 96 altın varlık: 20 kişi, 36 kuruluş, 40 konum.

Etiketleme kuralları katıydı ve her modele prompt içinde aktarıldı:

Türkçe ekleri soy. Bozbey'in → Bozbey. Nokta.
Ülke sıfatları yer adına dönüşür. "Endonezya adası" → Endonezya.
İçe gömülü varlıklar ayrıca etiketlenmez. "Bursa Cumhuriyet Başsavcılığı"ndan ayrıca Bursa çıkarılmaz.
Kısaltma-açılım çiftleri tek varlıktır. HSK = Hakimler ve Savcılar Kurulu; hangi biçimde gelirse gelsin eşleşme sayılır.

Veri seti küçük — bu ilk denemeydi. Sınır kararları her modeli eşit etkiliyor; mutlak sayılarda gürültü olsa bile karşılaştırma adil kalıyor.

Neyi Ölçtüm 📐

Her makale × her model için bir istek, aynı prompt (varlıkları çıkar, {"entities": [{"name", "type"}]} döndür, standart biçim, tekrar yok, sıcaklık 0)
Mikro kesinlik / duyarlılık / F1 — 96 altın varlığın tamamı üzerinden
Dile göre ayrı metrikler (tr / en)
Her istek için OpenRouter fiyatlarına göre maliyet
İstek başına ortalama yanıt süresi
Verim: saniyede tamamlanan token sayısı

Test öncesi belirlenen karar kuralı: en yüksek genel mikro-F1 kazanır. 0.03 içinde eşitlik Türkçe F1 ile bozulur; devam ederse maliyet, sonra verim. Herhangi bir makalede geçerli JSON döndüremeyen model o makale için 0 duyarlılık alır — JSON güvenilirliği de sonucun parçası.

Sonuçlar 📊

| Model | P | R | F1 | tr F1 | en F1 | Maliyet/8 | ms/istek | tok/s | |---|---|---|---|---|---|---|---|---| | Gemini 2.5 Flash 🏆 | 0.93 | 0.98 | 0.95 | 0.92 | 0.97 | $0.0077 | 2.434 | 135 | | Gemini 3.5 Flash | 0.90 | 0.99 | 0.95 | 0.90 | 0.97 | $0.1830 | 12.456 | 198 | | DeepSeek V4 Flash | 0.95 | 0.94 | 0.94 | 0.91 | 0.96 | $0.0030 | 21.081 | 77 | | Grok 4.3 | 0.94 | 0.94 | 0.94 | 0.88 | 0.98 | $0.0235 | 5.041 | 175 | | MiniMax M3 | 0.91 | 0.96 | 0.93 | 0.86 | 0.98 | $0.0171 | 30.125 | 53 | | DeepSeek V4 Pro | 0.93 | 0.94 | 0.93 | 0.91 | 0.95 | $0.0201 | 41.021 | 63 | | Gemini 3.1 Flash Lite | 0.89 | 0.96 | 0.92 | 0.85 | 0.97 | $0.0032 | 2.610 | 72 | | Gemma 4 31B | 0.87 | 0.95 | 0.91 | 0.83 | 0.96 | $0.0015 | 14.313 | 24 | | MiMo-V2.5-Pro | 0.88 | 0.93 | 0.90 | 0.86 | 0.93 | $0.0240 | 76.354 | 40 | | MiMo-V2.5 | 0.87 | 0.88 | 0.87 | 0.76 | 0.95 | $0.0073 | 34.091 | 85 | | GPT-4o-mini | 0.88 | 0.73 | 0.80 | 0.83 | 0.77 | $0.0012 | 2.538 | 55 | | GPT-5.4 nano | 0.73 | 0.86 | 0.79 | 0.76 | 0.82 | $0.0029 | 2.651 | 79 | | GPT-5.4 mini | 0.70 | 0.82 | 0.76 | 0.68 | 0.82 | $0.0089 | 2.237 | 75 | | Tencent Hy3 Preview | 0.95 | 0.43 | 0.59 | 0.64 | 0.55 | $0.0094 | 100.047 | 55 |

(P: Kesinlik, R: Duyarlılık)

Bir model bitiş çizgisine ulaşamadı: Tencent Hy3 Preview, 8 isteğin 4'ünde 180 saniyelik zaman aşımına takıldı. Yanıt verebildiğinde kesinlik keskin bir 0.95 — ama makalelerin yarısında düşen bir modeli canlıya almak mümkün değil.

Dikkat Çekenler 👀

Türkçe hâlâ farkı ortaya koyuyor

Rekabetçi modellerde İngilizce F1 0.93–0.98 arasında sıkışmış durumda — artık çoğunlukla gürültü. Türkçe F1'i ise 0.68–0.91 arasına yayılıyor. Asıl fark burada.

En zor makale, 12 altın varlıklı bir Ankara yargı haberi oldu. "Ankara Cumhuriyet Başsavcılığı", "Ankara Adliyesi" (konum değil, kuruluş olarak) ve "WhatsApp"ı birlikte temiz çıkaran tek bir model olmadı. Bu, klasik zor vaka: içine yerleştirilmiş yer adı taşıyan uzun kurumsal isimler ve araya giren bir tüketici markası.

GPT-5.4 kuşağı bu görevde sert düştü 📉

gpt-5.4-mini, F1 0.76 ile sondan ikinciye indi; kesinlik 0.70'e çöktü. Yaklaşık 2.2 saniyede yanıt veriyor — görünürde hiç akıl yürütmeden — ve sistematik olarak fazla çıkarıyor. "Adalet Bakanı Akın Gürlek"i tek bir kişi varlığı olarak işliyor, unvan isme yapışıyor. Kurallara aykırı biçimde "Bursa Cumhuriyet Başsavcılığı"ndan ayrıca "Bursa" çıkarıyor. Türkçe ay adı "Haziran"ı konum olarak etiketliyor. Nano sürümü mini'yi açık ara geçiyor.

Eski model kendi haleflerini solladı 👻

google/gemini-2.5-flash, F1 0.9543 ve Türkçe F1 0.9250 ile tüm alanı geride bıraktı — her iki eksende de birinci. Doğrudan halefleri Gemini 3.5 Flash ve Gemini 3.1 Flash Lite, Türkçe'de geride kaldı (sırasıyla 0.9048 ve 0.85).

Aynı gün. Aynı prompt. Aynı veri seti. Google'ın kendi yeni nesli onu yenemedi. Yapay zeka sektöründe "yeni" her zaman "belirli çıkarım görevlerinde daha iyi" anlamına gelmiyor.

Verim ve gecikme farklı hikayeler anlatıyor ⚡

Grok 4.3 ve Gemini 3.5 Flash, 175–198 tok/s hızla 13 saniyenin altında yanıt veriyor. DeepSeek V4 Flash yalnızca 77 tok/s ve istek başına 21 saniyede kalıyor — akıl yürütme yükü. Gemini 2.5 Flash rahatça ortada duruyor: 135 tok/s, 2.4 saniye. Gecikmeye duyarlı uygulamalarda bu fark çok önemli; toplu işlemlerde ise büyük ölçüde önemsiz.

Karar ✅

Kazanan: google/gemini-2.5-flash

Üç boyutta nasıl sonuçlandı:

Kalite 🎯 — Gemini 2.5 Flash en yüksek genel F1'e sahip (0.9543). Altı aday 0.03 içinde kalıyor: Gemini 3.5 Flash, DeepSeek V4 Flash, Grok 4.3, MiniMax M3, DeepSeek V4 Pro ve Gemini 3.1 Flash Lite. Türkçe F1 eşitliği bozuyor: Gemini 2.5 Flash 0.9250 ile önde, geri kalanların üzerinde. Başka bir ölçüte gerek kalmadı.

Maliyet 💰 — 8 makale için $0.0077 ($0.00096/makale). Alanın en ucuzu değil — DeepSeek V4 Flash 2.6× ucuz, $0.0030 — ama kazanan bu farka değiyor: tüm alanda hem en yüksek F1, hem de en yüksek Türkçe F1, ve yine de Gemini 3.5 Flash gibi premium seçeneklerin ($0.1830) çok altında.

Verim ⚡ — 135 tok/s, istek başına 2.4 saniye. Rekabetçi segmentte en hızlılar arasında. Grok 4.3 tok/s'de önde (175) ama kalitede geride. Gemini 2.5 Flash bu alanda hız, kalite ve maliyet dengesini en iyi kuran model.

Tek risk: önceki nesil bir model ve kullanım dışı kalma olasılığı en yüksek olan aday. Bu olursa doğal yedek DeepSeek V4 Flash — farklı sağlayıcı, aynı prompt üzerinde doğrulanmış F1 0.9424 / tr F1 0.9091, 8 makale için $0.0030 (2.6× ucuz, akıl yürütme nedeniyle istek başına 21s).

Dile Göre Yönlendirme 🗺️

NER'i tespit edilen dile göre yönlendiriyorsanız, veriler dil başına farklı kazananlar gösteriyor:

| Dil | Ana Model | Yedek 1 | Yedek 2 | |---|---|---|---| | 🇹🇷 Türkçe | DeepSeek V4 Flash | Gemini 2.5 Flash | Grok 4.3 | | 🇬🇧 İngilizce | Gemma 4 31B | DeepSeek V4 Flash | MiniMax M3 |

Neden genel kazanandan farklı?

Türkçe ana modeli DeepSeek V4 Flash, Gemini 2.5 Flash değil — Türkçe F1 eşitlik penceresine aynı maliyet kuralını uyguladığımda DeepSeek ($0.0030) en ucuz geçerli seçenek oluyor: yalnızca 0.016 daha düşük Türkçe F1 ile 2.6× daha ucuz.
İngilizce ana modeli Gemma 4 31B — İngilizce F1 eşitlik penceresinde yer alıyor (0.958), tüm alanda en ucuz ($0.0015/8 makale) ve açık ağırlıklı olduğu için çoklu sağlayıcı seçeneği var: kullanım dışı kalma riskine karşı en dayanıklı seçim. MiniMax M3'ün ham İngilizce F1'i daha yüksek (0.983) ama Gemma maliyette geçiyor.
DeepSeek V4 Flash her iki zincirde de yedek — iki dilde de güçlü performans gösteriyor; dar gelirse tek model her ikisini de karşılayabilir.

Geriye Dönük Notlar 🔧

8 makalelik veri seti, ciddi bir NLP benchmark standardına göre küçük sayılır. Buradaki modelleri birbirinden ayırmak için yeterliydi; Türkçe performansında sinyalin gürültü içinde kaybolmasına yol açacak kadar düşük bir varyans yoktu. Ancak mutlak F1 değerleri, varlık sınırlarına dair yorum farklarından kaynaklanan bir miktar etiket gürültüsü içeriyor.

Ortam değişirse testi yeniden çalıştırmak kolay: yeni adayları ekle, aynı script’i çalıştır, sonuçları karşılaştır.

5 Yapay Zeka Görsel Modelini Aynı 5 Prompt ile Test Ettim 🧪

Tue, 09 Jun 2026 12:00:00 GMT

import { benchmarkImages } from '@/assets/images/ai-image-models-benchmark' import ZoomImage from '@/components/custom/ZoomImage.astro'

Aklımda basit bir soru vardı: hangi görsel üretim modeli gerçekten talimatlara uyuyor? 🤔

En güzel çıktıyı hangisi üretiyor diye değil. En etkileyici demo reeline hangisi sahip diye de değil. Farklı zorluk türlerinde, tutarlı biçimde istediğinizi hangisi yapıyor, bunu soruyordum.

Bu yüzden beş promptluk bir benchmark tasarladım ve bunu beş model üzerinde çalıştırdım: black-forest-labs/flux.2-klein-4b, google/gemini-2.5-flash-image (nano banana), bytedance-seed/seedream-4.5, black-forest-labs/flux.2-pro ve x-ai/grok-imagine-image-quality. Aynı promptlar, aynı değerlendirme kriterleri, yeniden deneme yok. 🧪

İşte bulduklarım. 🔍

🧭 Bu Benchmark'ı Neden Oluşturdum

Görsel model karşılaştırmalarının büyük çoğunluğu yanlış şeyi test ediyor.

Modellerden güzel bir portre, fantastik bir manzara ya da ürün fotoğrafı üretmesini istiyorlar; sonra da kazananı estetiğe göre belirliyorlar. Ama bu araçları gerçek iş için kullanmaya çalıştığınızda asıl darboğaz estetik değil.

Asıl darboğaz talimatlara uyumdur. Model doğru dokuyu doğru nesneye uygulayabiliyor mu? Bir kalemin kupa bardağının yanında değil içinde olması gerektiğini anlayabiliyor mu? Bir tabeladaki kelimeyi doğru yazabiliyor mu? "Kare tekerlekli bisiklet çiz" diye yazılmışsa, eğitim dağılımını geçersiz kılarak bunu yapabiliyor mu?

İş akışlarını bozan şeyler bunlar. Test etmeye değer olanlar da bunlar.

🧪 Beş Test

Her promptu belirli bir yeteneği zorlamak için tasarladım.

Test 1 — 🪵 Özellik Kayması.

Three objects on a white background: a textured wooden cube, a translucent blue glass sphere, a metallic gold pyramid.

Test, doku ve malzemelerin doğru nesnelere bağlı kalıp kalmadığını ve arka planın temiz olup olmadığını ölçüyor.

Test 2 — 📐 Uzamsal Akıl Yürütme.

A desk scene: red mug on the left corner, a single yellow pencil inside the mug, an open book to the right, a potted plant on the floor under the desk.

Test, modelin yalnızca yakınlığı değil, içerme ve konum ilişkilerini anlayıp anlamadığını ölçüyor.

Test 3 — 🔤 Tipografi ve Düzen.

A storefront with 'STABILITY' above the door, 'OPEN' as a neon sign in the left window, and a coffee cup drawing (no text) in the right window.

Test, yazım doğruluğunu, doğru yerleşimi ve metin bulunmaması gereken yerde metin üretmeme direncini ölçüyor.

Test 4 — ⚙️ Yapısal Mantık.

A technical blueprint of a bicycle with perfectly square wheels, showing a drive chain connecting the rear wheel hub to the foot pedals.

Test, modelin eğitim verisinde neredeyse hiç görmediği bir şeyi üretip üretemeyeceğini ölçüyor.

Test 5 — 🎮 Stil Kilidi.

A city intersection at rush hour, rendered as strict 8-bit pixel art with a 16-color palette, visible square pixels, no gradients, no realistic lighting.

Test, modelin karmaşık ve ayrıntılı bir sahnede stil disiplinini koruyup koruyamadığını ölçüyor.

Her test Geçti (1.0), Kısmen Geçti (0.5) veya Kaldı (0.0) olarak notlandırıldı.

📊 Sonuçlar

Testi tek tek inceleyelim.

🪵 Özellik Kayması

Beş modelden dördü bu testi temiz geçti. Doku ayrımı modern modeller için artık çözülmüş bir sorun — ahşap dokusu küpte, cam kürede, altın piramitte.

Tek eksi puan flux.2-pro'ya gitti; üç nesnenin altına yumuşak düşen gölgeler ekledi. Prompt saf beyaz arka plan istiyordu. Gölgeler beyaz arka plan değildir. Küçük bir şey, ama kısıt uyumu kısıt uyumudur.

grok-imagine-image-quality, beş model arasındaki en inandırıcı ahşap dokuyu üretti — görünür çatlaklar, doğal budaklar, duvar kağıdı deseni değil gerçek kerestenin tanesi.

📐 Uzamsal Akıl Yürütme

Bu en zor testti. Saksı bitkisinin masanın altındaki ilişkisi mi? Bunu hepsi doğru yaptı. Geniş ölçekli konum akıl yürütmesi genelde güvenilir görünüyor.

Kalemin kupanın içindeki durumu mu? Bu detay modelleri oldukça zorladı.

Beş modelden üçü (flux.2-klein-4b, gemini-2.5-flash-image ve seedream-4.5) promptta hiç bahsedilmemesine rağmen kupanın içine kahve de koydular.

flux.2-pro bu konuda başarılı olan tek modeldi; kupanın içine kahve eklemeden sarı kalemi başarıyla yerleştirmeyi başardı ve bu turda tam puanı kazandı.

grok-imagine-image-quality'nin ilginç bir başarısızlık biçimi vardı: Kalemi kupanın içine başarıyla yerleştirmiş olsa da, masanın yüzeyinde kupanın etrafında koyu mavi dairesel bir gölge oluşturdu. Tam olarak uzamsal bir başarısızlık değil, ama tam da bu tür ilişki yoğun render görevlerinde ortaya çıkan yapısal bir kusur.

Pratik çıkarım: kullanım durumunuz ince içerme ilişkileri gerektiriyorsa, manuel doğrulama yapın. flux.2-pro bu konuda beklenmedik derecede iyi bir performans gösterse de, genel olarak modeller hala tam güvenilir bir seviyede değil.

🔤 Tipografi ve Düzen

Beş modelden dördü "STABILITY" kelimesini doğru yazdı. Hepsi "OPEN" yazısını sol pencereye yerleştirdi ve yine hepsi sağ pencereyi metinsiz bıraktı.

flux.2-klein-4b diğer kısımları doğru yapsa da ana tabelaya "STABLITY" yazdı. Tek eksik harf. Sahnedeki en belirgin öğede açık, tartışmasız bir yazım hatası.

İyi haber şu ki olumsuz kısıt her yerde işe yaradı. Hiçbir model, promptun açıkça metin olmaması gerektiğini belirttiği sağ pencerede metin üretmedi. Bu tür baskılama güvenilir görünüyor.

Tipografi son model nesilleriyle açıkça gelişti. Artık eskisi gibi felaket bir başarısızlık noktası değil. Ama "çoğunlukla doğru" ile "her zaman doğru" aynı şey değil; flux.2-klein-4b bunu hatırlatıyor.

⚙️ Yapısal Mantık

Beş modelden ikisi yuvarlak tekerlek çizdi.

Yaklaşık yuvarlak değil. Neredeyse yuvarlak da değil. Jant telleri dahil mükemmel yuvarlak — bu modellerin gördüğü her bisiklet görselindeki tekerleklerin tam kopyası.

Prompt kare tekerlek diyordu. Açıkça. Üstelik "mükemmel" kelimesiyle birlikte.

flux.2-klein-4b ve seedream-4.5 tamamen varsayılana düştü. gemini-2.5-flash-image ise farklı bir yaklaşım sergiledi — tekerlekleri köşeleri yuvarlatılmış karelere benzetmeyi başarsa da, bisikletin altına tamamen anlamsız bir mekanizma ve anlamsız harfe benzer yapılar çizdi. Model, alışılmışın dışına çıkmaya çalışırken yapıyı tamamen kaybetti ve halüsinasyon üretti.

flux.2-pro ve grok-imagine-image-quality kare tekerlek formunu yakalamayı başardı. Tekerleklerin keskin köşeleri, düz yüzeyleri ve iç geometriyi gösteren köşegen yapı çizgileri var.

Ancak grok-imagine-image-quality'nin çıktısı ilk bakışta etkileyici bir mühendislik belgesi gibi görünse de yakından incelendiğinde ciddi bir kusur barındırıyor: üzerindeki diyagram metinleri ve notların büyük çoğunluğu okunaksız, anlamsız sembollerden ibaret. Model, karmaşık bir plan görünümü yaratmaya çalışırken tipografik halüsinasyonlara yenik düşüyor. Bu yüzden tam puanı hak etmiyor.

flux.2-pro ise bu noktada parlıyor. Üzerinde hiçbir metin olmamasına rağmen, temiz ve yapısal olarak doğru bir çizim sunarak gerçek bir projede doğrudan kullanılabilecek tek seçenek haline geliyor.

Bu testin ortaya koyduğu gerçek şu: Bir prompt, modelin görsel eğitim verileriyle çelişen —yani modelin normal şartlarda hiç görmediği— bir şey istediğinde, çoğu model bildiği ezberlere sığınıyor. Bu testi geçebilen az sayıdaki model ise çok daha anlamlı bir yetenek sergiliyor: tanıdık kalıpları kopyalayıp birleştirmek yerine, temel mantık üzerinden tamamen yeni yapılar inşa edebilmek.

🎮 Stil Kilidi

İki model geçti, üçü kısmen başarısız oldu.

Ayrım çok net. gemini-2.5-flash-image ve grok-imagine-image-quality, tuvali boyunca — arabalar, binalar, yayalar, tabelalar, her şey — sert kenarlı piksel disiplinini korudu. Yumuşatma yok. Gradyan yok. Görünür kare piksel blokları. Sınırlı düz renk paleti.

flux.2-klein-4b ve seedream-4.5 uzaktan piksel sanatı gibi görünen ama yakından incelenince dağılan bir şey üretti. Pürüzsüz araba kenarları. Yumuşak gölgeler. Yol gradyanları. Hiçbir zaman 16 renk sınırıyla karşılaşmamış gibi duran bir renk paleti. Üstelik seedream-4.5'in görselinde mantıksal hatalar da var; dikkatli bakıldığında binanın çatısında yürüyen bir insan görünüyor.

flux.2-pro ise piksel stilini genel olarak çok iyi korumasına rağmen tuhaf mantıksal halüsinasyonlara yenik düştü. Görselde bir binanın çatısında hem yürüyen bir insan hem de bir araba var; ayrıca aşağıdaki trafikte bazı arabalar ve insanlar tamamen iç içe geçmiş durumda. Görsel stili iyi olsa da sahne mantığı çöktüğü için tam puanı hak etmiyor.

grok-imagine-image-quality hakkında ilginç olan şu: sahnenin diegetik kurgu gerçekliğine tamamen girdi. Görseldeki tabelalar "8-BIT BURGERS", "PIXEL MART", "MAIN ST / 5TH AVE" yazıyordu. Bir arabanın "HONK!" yazan konuşma balonu vardı. Gökyüzü tek düz renk. Her karakter aynı hantal dört renkli sprite. Model gerçekçi bir sahneye piksel filtresi uygulamadı — içeriden bakıldığında bir video oyunu olan bir sahne üretti.

Bu farklı bir tür stil uyumudur.

🏁 Final Puanları

| | flux.2-klein-4b | gemini-2.5-flash-image | seedream-4.5 | flux.2-pro | grok-imagine-image-quality | |---|:---:|:---:|:---:|:---:|:---:| | 🪵 Özellik Kayması | ✅ 1.0 | ✅ 1.0 | ✅ 1.0 | ⚠️ 0.5 | ✅ 1.0 | | 📐 Uzamsal Akıl Yürütme | ⚠️ 0.5 | ⚠️ 0.5 | ⚠️ 0.5 | ✅ 1.0 | ⚠️ 0.5 | | 🔤 Tipografi ve Düzen | ⚠️ 0.5 | ✅ 1.0 | ✅ 1.0 | ✅ 1.0 | ✅ 1.0 | | ⚙️ Yapısal Mantık | ❌ 0.0 | ❌ 0.0 | ❌ 0.0 | ✅ 1.0 | ⚠️ 0.5 | | 🎮 Stil Kilidi | ⚠️ 0.5 | ✅ 1.0 | ⚠️ 0.5 | ⚠️ 0.5 | ✅ 1.0 | | Toplam | 2.5 / 5 | 3.5 / 5 | 3.0 / 5 | 4.0 / 5 | 4.0 / 5 |

flux.2-pro 4.0/5 ile zirveyi paylaşıyor. Özellik kaymasında basit bir gölge hatasıyla ve stil kilidi testinde çatıdaki araba/insan gibi mantıksal sahne halüsinasyonlarıyla yarımşar puan kaybetti.

grok-imagine-image-quality de 4.0/5 ile zirveyi paylaşıyor. Uzamsal akıl yürütmedeki ufak hatasının yanı sıra, yapısal mantık testinde ürettiği anlamsız metinler nedeniyle de puan kaybetti.

gemini-2.5-flash-image 3.5/5 ile üçüncü oldu — uzamsal akıl yürütmede zorlandı ve yapısal mantık testinde tamamen halüsinasyon üreterek başarısız oldu.

seedream-4.5 3.0/5 aldı. Testteki en görsel açıdan güzel görüntülerin bir kısmını üretti — özellikle tel kafes bisiklet görsel olarak muhteşem — ama görsel kalite ile talimatlara uyum birbirinden bağımsız iki boyut; bu test ikincisini ölçüyor.

flux.2-klein-4b 2.5/5 ile sonuncu oldu; tipografide hatalı yazım yaptı ve yapısal mantıkta tamamen başarısız oldu.

💰 Fiyat Karşılaştırması

Performans hikayenin yalnızca yarısı. Diğer yarısı maliyet. İşte modellerin üretilen görsel başına fiyat açısından karşılaştırması:

black-forest-labs/flux.2-klein-4b: $0.014/görsel
black-forest-labs/flux.2-pro: $0.03/görsel
google/gemini-2.5-flash-image (nano banana): $0.04/görsel
bytedance-seed/seedream-4.5: $0.04/görsel
x-ai/grok-imagine-image-quality: $0.05/görsel

Fiyatlandırma manzarası ilginç dinamikler ortaya koyuyor. flux.2-klein-4b modeli açık ara en ucuzu, ama benchmark'ta sonuncu oldu. Büyük kardeşi flux.2-pro ise görsel başına $0.03 ile çok rekabetçi bir fiyat sunuyor ve zirveyi paylaşan 4.0/5 puanıyla güçlü bir değer önerisi oluşturuyor.

Daha yüksek fiyatlı modellerden ikisi — gemini-2.5-flash-image ve grok-imagine-image-quality — sırasıyla görsel başına $0.04 ve $0.05 ile fiyat aralığının üst ucunda yer alıyor. Her iki model de potansiyel vadetse de, test sonuçlarına bakıldığında yüksek maliyetlerinin hakkını tam olarak veremiyorlar. seedream-4.5 de Gemini ile aynı $0.04 fiyat noktasında yer alıyor; ancak yüksek estetik kalitesine karşın talimat uyumunda daha düşük puan aldı.

🧠 Bunun Gerçekte Anlamı Ne

Sayıların ötesinde önemli olduğunu düşündüğüm birkaç şey.

🌀 Eğitim dağılımı problemi gerçek. Yuvarlak tekerlekler, bu modellerin işlediği her bisiklet görselinde o kadar derin yerleşmiş ki "kare tekerlekli bisiklet çiz" basit bir talimat değil — önceki bilgiye karşı bir savaş. Beş modelden üçü o savaşı kaybetti. Bu örüntü, bilinen bir nesne gibi görünen ama anlamlı biçimde farklı olması gereken her şeyde tekrar edecek.

🎨 Estetik kalite kullanışlılıkla aynı şey değil. seedream-4.5'in tel kafes bisikleti, yapısal mantık testindeki en güzel görsel. Aynı zamanda testin tam bir başarısızlığı. Modelleri gerçek iş için değerlendiriyorsanız, etkileyici portfolyo parçaları üreten promptları değil, kendi gerçek kullanım durumunuzun promptlarını çalıştırın.

📐 Uzamsal içerme zorlayıcı bir detay. Modellerin çoğu "kupanın içindeki kalem" detayında varsayılan kalıplara dönüp kupaya kahve de ekledi. Bu, doğru uzamsal diyagramlar, öğretici illüstrasyonlar veya nesne ilişkilerinin anlamsal açıdan önemli olduğu sahneler üretmeye çalışan herkes için önemli.

📏 Birinci ile sonuncu arasındaki fark büyük. 5 üzerinden 2.5'e karşı 4.0 marjinal bir fark değil. Bu benchmark'ın zirvesindeki modeller, alttakilerden anlamlı biçimde farklı bir şey yapıyor.

🔁 Benchmark Yeniden Kullanılabilir

Bu beş prompt yeniden üretilebilir şekilde tasarlandı. Aynı testleri farklı bir modelde çalıştırmak istiyorsanız, promptlar yukarıda tam olarak verilmiş; değerlendirme kriterleri de açık.

Çalıştırın. Sonuçları karşılaştırın. Bulduklarınızı paylaşın. 🌍

Bu tür bilgi, paylaşıldıkça daha kullanışlı hale geliyor. 🤝

Merhaba Dünya

Sat, 06 Jun 2026 06:30:00 GMT

Her projenin bir ilk çıktısı vardır.

Bazen bu bir LED’in yanıp sönmesidir.
Bazen temiz bir terminal ekranı, başarıyla tamamlanan bir build, yeşile dönen bir CI pipeline ya da hatasız açılan küçük bir web sayfası.

Bu web sitesi için o ilk çıktı, bu yazı.

Merhaba Dünya.

osmandagdeviren.com.tr üzerindeki ilk not bu. Bu yüzden sade kalmasını istiyorum. Büyük vaatler, fazlasıyla parlatılmış bir giriş yazısı ya da ilk günden olduğundan daha büyük görünmeye çalışan bir alan değil burası. Bu site şimdilik kişisel bir alan: yazmak, belgelemek, fikirleri denemek, teknik notlar tutmak ve gelecekteki kendime işe yarayacak izler bırakmak için açtığım bir yer.

Bu izler yolda başka birinin de işine yararsa, ne güzel olur.

Bu site neden var?

İnternette küçük de olsa bana ait bir alan fikrini her zaman sevdim.

Sadece başka bir platformdaki profil sayfası değil. Sadece sohbetlerin, repoların, yer imlerinin ve unutulmuş metin dosyalarının arasında dağılmış notlar değil. Daha çok teknik bir defter gibi hissettiren bir yer istedim: zamanla şekillendirebileceğim, bozabileceğim, düzeltebileceğim, yeniden tasarlayabileceğim ve büyütebileceğim bir alan.

Bu sitenin ilk günden kusursuz bir bilgi kaynağı olmasını beklemiyorum. Daha çok yaşayan bir arşiv gibi düşünüyorum.

Bazı yazılar düzenli rehberler olacak.
Bazıları hata ayıklama notları.
Bazıları hızlı hatırlatmalar.
Bazıları fikir denemeleri.
Bazıları da sadece neyin çalıştığını, neyin çalışmadığını ve denerken ne öğrendiğimi kayda geçiren notlar.

Bence işin özü de burada.

Gerçek teknik süreçler, sonradan yazılan dokümantasyonlar kadar temiz ilerlemiyor. Sistemler bozuluyor. Komutlar beklenenden farklı davranıyor. Sürücüler sorun çıkarıyor. Container’lar ayağa kalkmıyor. Modeller belleğe sığmıyor. Zararsız görünen tek bir konfigürasyon satırı saatler harcatabiliyor. Bazen sonuç çok şık oluyor; bazen de çözüm, uzun bir hata zincirinin içinde saklanan küçücük bir düzeltmeden ibaret kalıyor.

Ben bu sitenin biraz da o zinciri saklamasını istiyorum.

Burada neler yazacağım?

Buradaki konular muhtemelen zaten zaman geçirdiğim alanların etrafında dönecek: Linux, self-hosting, homelab, Docker, Proxmox, otomasyon, web geliştirme, yapay zeka modelleri, performans testleri, donanım denemeleri ve ancak bir şey bozulduğunda önemli hale gelen küçük teknik ayrıntılar.

Kullandığım araçlar hakkında yazılar olacak.
Kurduğum sistemler hakkında yazılar olacak.
Yaptığım hatalar hakkında yazılar olacak.
Bazen de sadece kendime not düştüğüm kısa yazılar olacak.

Her yazının uzaktan, her şeyi baştan bilen biri tarafından yazılmış bir rehber gibi durmasını istemiyorum. Daha çok gerçek sürece yakın yazmayı seviyorum: ne denedim, ne oldu, nerede takıldım, nasıl araştırdım ve sonunda ne çözdü?

Bu tarz yazılar her zaman en kısa cevabı vermeyebilir. Ama gerçek dünyada aynı sorunla uğraşırken çoğu zaman en faydalı olan şey, sadece sonuç değil, sonuca giden yoldur.

Kişisel teknik arşiv

Bu blogu başlatmamın en basit sebeplerinden biri şu: unutuyorum.

Büyük fikirleri değil belki ama küçük detayları. Tam komutları. Ufak parametreleri. İşlem sırasını. Gece 03:00’te garip bir sorunu çözen workaround’u. Bir aracı neden diğerine tercih ettiğimi. Yazarken çok açık görünen ama aylar sonra bakınca anlamı kaybolan konfigürasyon satırlarını.

Bir şeyleri yazıya dökmek, geçici çözümleri tekrar kullanılabilir bilgiye dönüştürüyor.

Bu yüzden bu site aynı zamanda kendi hafıza katmanımı oluşturma denemesi. Yazılım, donanım, altyapı ve otomasyonla uğraşırken öğrendiğim şeyler için aranabilir, herkese açık ve zaman içinde gelişen bir yer.

Bazı yazılar zamanla eskiyebilir. Bazı çözümler geçerliliğini yitirebilir. Bu sorun değil. Teknoloji değişiyor. Bence iyi bir arşiv de bu değişimi saklamalı; her şey sonsuza kadar güncelmiş gibi davranmamalı.

Paylaşılan bilgi

Bilginin paylaşıldıkça daha değerli hale geldiğine inanıyorum.

Bu blogda yayımlanan notların, rehberlerin, denemelerin ve açıklamaların kapalı bir kişisel arşivde kalmasını istemiyorum. Buradaki içerikler; okunabilsin, kullanılabilsin, uyarlanabilsin, tartışılabilsin, geliştirilebilsin ve başkaları tarafından daha ileri taşınabilsin diye var. Elbette orijinal emeğe saygı gösterilmesi şartıyla.

Bu yüzden bu sitedeki blog yazıları, aksi özellikle belirtilmediği sürece Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License kapsamında yayımlanacak.

Daha sade söylemek gerekirse: içerikleri paylaşabilir ve uyarlayabilirsiniz; ancak uygun şekilde kaynak göstermeniz, ticari amaçla kullanmamanız ve türetilmiş çalışmaları aynı lisansla paylaşmanız gerekir.

Bu yaklaşım, katkı vermek istediğim internet fikriyle uyumlu: faydalı bilginin kapalı platformların, kişisel notların veya unutulmuş sohbet kayıtlarının içinde kaybolmadığı; aksine insanların birbirinden öğrenmesiyle geliştiği ve çoğaldığı bir internet.

Burada yazdığım bir şey birinin birkaç saatini kurtarırsa, bir problemi anlamasına yardımcı olursa ya da kendi çalışması için bir başlangıç noktası sunarsa, bu blog şimdiden işe yarayan bir şeye dönüşmüş demektir.

Buranın tonu

Bu blogun fazla kurumsal ya da yapay şekilde parlatılmış hissettirmesini istemiyorum.

Daha pratik, kişisel ve dürüst bir yer olmasını istiyorum.

Bir şey çalışıyorsa, neyin çalıştığını yazacağım.
Bir şey çalışmıyorsa, neden çalışmadığını anlamaya çalışacağım.
Emin değilsem, emin olmadığımı söyleyeceğim.
Bir yazı sadece notsa, not olarak kalacak.

Amaç her şeyi çözmüş gibi görünmek değil. Amaç öğrenmeye devam ederken bunu açıkça kaydetmek ve zamanla işe yarayan bir teknik arşiv oluşturmak.

İlk commit

“Merhaba Dünya” tek başına genelde etkileyici bir çıktı değildir.

Büyük bir problemi çözmez. Mimarinin iyi olduğunu kanıtlamaz. Projenin mutlaka faydalı bir şeye dönüşeceğini garanti etmez. Sadece ilk bağlantının kurulduğunu gösterir.

Sistem çalışıyor.
Sayfa var.
İlk çıktı görünüyor.

Başlangıç için bu yeterli.

Bu yazı da sitenin yazılı arşivindeki ilk commit olarak burada dursun.

Merhaba Dünya.