--- title: "350+ Model Arasından Doğru LLM Nasıl Seçilir?" description: "Özetleme, kod, sınıflandırma veya sohbet — her görev için hız-kalite-maliyet üçgeninde doğru yapay zeka modelini seçmenin pratik karar rehberi." canonical: https://agentroost.app/tr/blog/dogru-llm-modeli-nasil-secilir date: 2026-04-13T12:00:00Z --- [Canonical URL](https://agentroost.app/tr/blog/dogru-llm-modeli-nasil-secilir) ## "En iyi model" diye bir şey yok — en iyi *görev* eşleşmesi var GPT-4o harika. Claude Sonnet harika. Gemini Flash harika. Ama bunları yanlış göreve yönlendirirsen hem kaliteyi hem de bütçeni boşa harcarsın. Bir e-posta özetlemek için en pahalı frontier modelini çalıştırmak, çivi çakmak için testere kullanmak gibidir. Bu rehber sana somut bir karar mantığı verir: hangi görev tipi hangi model özelliklerini gerektirir, hız-kalite-maliyet üçgeninde nerede taviz kabul edilir, nerede edilmez. Sonunda AgentRoost'ta 350+ model arasında nasıl risksiz deneyebileceğini göstereceğim. --- ## Karar çerçevesi: dört görev tipi Her LLM kullanım senaryosunu dört gruba koyabiliriz. Hangi gruptaysan oradaki öncelik sırası değişir. ### 1. Özetleme & bilgi çıkarma **Örnek:** Uzun bir müşteri destek konuşmasını 3 maddeye indir, PDF raporundan action item'ları çek, haber akışını filtrele. **Neye ihtiyaç var?** - Uzun bağlam penceresi (32K token ve üzeri) - Makul çıkarım hızı (saniyede 50+ token) - Gerçekliğe bağlılık (hallusinasyon düşük olmalı) **Öneri:** Claude Haiku 3.5 veya Gemini Flash 1.5. İkisi de büyük bağlamı hızlı ve ucuza işler. Pahalı bir frontier modeli burada overkill. > **Tuzak:** Özetleme görevlerinde GPT-4o kullanmak maliyeti 5-10x artırır, kaliteyi ise yalnızca marjinal yükseltir. --- ### 2. Kod yazma & debugging **Örnek:** Fonksiyon yaz, hata ayıkla, SQL sorgusu üret, API entegrasyon kodu oluştur. **Neye ihtiyaç var?** - Yüksek doğruluk (bir karakter hatası kodu kırar) - Adım adım muhakeme (chain-of-thought) - Daha az hız, daha fazla kalite **Öneri:** Claude Sonnet 3.7 veya GPT-4o. Kod görevlerinde en pahalı modeller gerçekten fark yaratır. Bu grupta kaliteyi hıza feda etme. ``` Görev: "Python'da CSV'yi parse et" Haiku → Genellikle yeterli, basit görevler için Sonnet 3.7 → Karmaşık mantık, edge case'ler, debugging döngüleri o3 / o1 → Algoritma tasarımı, matematik-ağır problemler ``` --- ### 3. Sınıflandırma & yapılandırılmış çıktı **Örnek:** Müşteri e-postasını "şikayet / talep / bilgi" olarak etiketle, JSON şemasına uygun çıktı üret, duygu analizi yap. **Neye ihtiyaç var?** - Güvenilir JSON modu veya instruction-following - Düşük gecikme (akış varsa batch) - Bağlam penceresi küçük olabilir **Öneri:** Gemini Flash 2.0 veya GPT-4o mini. Yapılandırılmış çıktıda küçük modeller büyük modellerin %90'ını yakalar, maliyetin yalnızca %10'una. **Pratik n8n örneği:** Bir webhook tetikleyiciden gelen müşteri mesajını sınıflandırmak için: ```json { "model": "google/gemini-flash-2.0", "messages": [ { "role": "system", "content": "Aşağıdaki mesajı yalnızca JSON formatında sınıflandır: {\"category\": \"complaint|request|inquiry\", \"urgency\": \"high|medium|low\"}" }, { "role": "user", "content": "{{ $json.body.message }}" } ], "response_format": { "type": "json_object" } } ``` --- ### 4. Uzun sohbet & asistan **Örnek:** Çok turlu müşteri desteği, proje asistanı, araştırma asistanı, kişisel asistan (Hermes / OpenClaw gibi). **Neye ihtiyaç var?** - Konuşma tutarlılığı (kısa süreli bellek) - Geniş sistem prompt desteği - Persona ve ton tutarlılığı **Öneri:** Claude Sonnet veya GPT-4o. Karmaşık sohbet görevlerinde "orta" modeller genellikle en iyi dengeyi kurar. Çok hızlı küçük modeller karakteri kaybeder; çok büyük modeller her turda maliyeti artırır. --- ## Hız-Kalite-Maliyet üçgeni — hangi köşede duruyorsun? | Öncelik | Model ailesi önerisi | Kaçın | |---|---|---| | **Hız öncelikli** (≤1 sn gecikme, toplu işlem) | Gemini Flash, Claude Haiku, GPT-4o mini | Frontier modelleri (o3, GPT-4o büyük) | | **Kalite öncelikli** (kod, kritik karar) | Claude Sonnet 3.7, GPT-4o, o3 | En küçük modeller | | **Maliyet öncelikli** (büyük hacimli, düşük kritiklik) | Gemini Flash, Llama 3.3 70B, Mistral 7B | Pahalı frontier her zaman | | **Denge** (çoğu iş senaryosu) | Claude Haiku 3.5, GPT-4o mini | İki uç | --- ## Model seçiminde pratik kural seti Şu dört soruyu sırayla sor: 1. **Bağlam ne kadar uzun?** — 32K+ token gerekiyorsa Haiku 3.5 veya Gemini Flash 1.5'e git. 2. **Çıktı hatalara ne kadar duyarlı?** — Kod veya kritik metin ise kaliteden taviz verme. 3. **Günde kaç çağrı yapıyorum?** — 1.000+ çağrı/gün ise küçük model farkı bütçeyi 5x değiştirir. 4. **İnsan görecek mi, makine mi?** — Yalnızca makine okuyacaksa (sınıflandırma, veri çıkarma) küçük model yeterli. --- ## AgentRoost'ta nasıl yaparsın ### n8n ile workflow'da model değiştirme AgentRoost'ta kendi n8n instance'ını aldığında (sen sahipsin, kendi giriş bilgilerin, kendi verilerin), AI Agent veya Basic LLM Chain node'unu açtığında model alanını dropdown'dan seçersin. Sürücü yoktur, API anahtarı yoktur — AI kredileri zaten aboneliğine dahil. **Adım adım:** 1. [agentroost.app/tr/agents/n8n](/tr/agents/n8n) → kaydol → n8n framework seç → instance'a isim ver 2. Instance'ın `https://.agentroost.app` adresinde açılır (~2 dakika) 3. Yeni workflow → **AI Agent** veya **Basic LLM Chain** node ekle 4. Model alanında `google/gemini-flash-2.0`, `claude-3-5-haiku`, `gpt-4o-mini` vb. seç 5. İlk çalıştırmada API anahtarı girmene gerek yok — test et, sonucu beğenmezsen başka modele geç Modeli değiştirmek tek tıktır. Kredi dahil olduğu için denemek risksizdir; yalnızca gerçekten uygun olanı bulduktan sonra optimize edersin. ### Hermes veya OpenClaw ile asistan senaryosu Hermes veya OpenClaw kullanıyorsan (Telegram üzerinden konuşan, bağlamı günler boyunca hatırlayan asistanlar), model tercihini yönetim panelinden değiştirirsin. Senaryo değişince — örneğin araştırma asistanından sınıflandırma pipeline'ına — modeli de değiştirirsin, yeniden deploy gerekmez. [Planları karşılaştır](/tr/pricing) — ayda $19,99'dan başlayan, AI kredisi dahil, 14 gün iade garantili. --- ## Sık yapılan hatalar - **Her şey için GPT-4o kullanmak:** Bütçeyi hızla tüketir, büyük fark yaratmayan görevlerde anlamsız. - **Modeli bir kez seçip sonsuza kadar bırakmak:** Görev tipleri zaman içinde değişir, modelin de değişmesi gerekebilir. - **Prompt'u değiştirmeden modeli suçlamak:** Kötü bir çıktının %60'ı model seçiminden değil, prompt kalitesinden kaynaklanır. - **Bağlam penceresini görmezden gelmek:** Uzun doküman işlemede bağlam sınırını aşan model sessizce keser veya hata verir. --- Doğru model seçimi bir kez öğrenilince otomatik hale gelir. Özetleme → küçük + hızlı. Kod → kaliteli + akıllı. Sınıflandırma → yapılandırılmış + ucuz. Sohbet → dengeli. Ve hepsini denemek artık API anahtarı açmayı gerektirmiyor.