Model karşılaştırması · 2026-10-19

Avrupa'da barındırılan modeller: 57 satırlık kataloğun okuması

Avrupa'da barındırılan modeller kategorisindeki 57 satırın ne sunduğunu, hangi yeteneklerin ölçüldüğünü ve görev tipine göre hangi satırı seçmeniz gerektiğini inceleyin.

Kategori neyi kapsıyor

AB kategorisi 57 satırdan oluşuyor: 51 sohbet modeli, 4 embedding modeli, 1 yeniden sıralama modeli ve 1 karar modeli. Hepsi tek bir API anahtarıyla çağrılıyor ve ayrı bir kimlik bilgisi gerekmiyor; sohbet, embedding ve yeniden sıralama satırları mevcut OpenAI uyumlu istemcinizle çalışır, karar modeli ise `/v1/systemone` ucunu kullanır. Bu sayılara katalogda emekli olarak işaretlenen satırlar da dahildir; emekli bir satır çağrılamaz.

Bu kategorideki modeller için Avrupa Birliği içinde işlenme bilgisi sağlayıcının beyanıdır; LLMTR bunu bağımsız olarak doğrulamamıştır. Kategori üç sağlayıcıdan geliyor, GreenPT, TensorX ve Heabsy; her biri ayrı bir veri aktarım onayı ister ve değerlendirmenizi her sağlayıcı için ayrı yaparsınız.

Ölçülen yetenekler, kopyalanan yetenekler değil

Katalogdaki yetenek bilgileri sağlayıcının tanıtım sayfasından alınmadı; GreenPT ve TensorX satırlarının her biri listeye girmeden önce çalıştırılıp denendi. Bu fark bu kategoride teorik değil: bir sağlayıcının kendi model kartı iki modeli görsel destekliyor diye sayıyordu, denemede o modeller görseli hiç işlemedi.

Bu 49 sohbet satırında ölçüm sonuçları şöyle dağıldı ve katalogdaki yetenek listeleri buna göre yazıldı. Heabsy'nin 2 satırının yetenekleri şimdilik sağlayıcının beyanıdır ve aşağıdaki sayılara dahil değildir.

49 sohbet satırının tamamında araç çağrısı çalışıyor; iki turlu bir döngüde, aracın yanıtı tüketilerek doğrulandı.
24 satır görseli gerçekten işliyor; katalogda görsel yeteneği yalnızca bu satırlarda görünür.
28 satır tekrarlanan ön eklerde cache isabeti veriyor ve hepsinde indirimli cache fiyatı var.
49 sohbet satırının tamamında yanıt akışı çalışıyor ve son çerçevede tam kullanım bilgisi dönüyor.

Görev tipine göre seçim

Kategori içinde satırlar birbirinin yerine geçmez. Ölçülen sohbet satırlarının 37'si siz istemeseniz de akıl yürütür ve bu gizli token'lar çıktı olarak faturalanır; çıktı fiyatı çoğu satırda girişin iki ile altı katı olduğu için bu, kısa isteklerde bile maliyeti belirler.

Çıktı maliyetinin öngörülebilir olması gereken toplu işlerde akıl yürütmeyen on iki satır tercih edilir. Görsel okuyan bir satıra ihtiyacınız varsa görsel okuduğu ölçülen 24 satırdan birini seçin; yeteneği olmayan bir modele görsel gönderirseniz istek sağlayıcıya hiç ulaşmaz, LLMTR ücretlendirmeden reddeder.

Getirme yığını için dört embedding ve bir yeniden sıralama

Kategoride dört embedding satırı var ve ölçülen boyutları şöyle: biri 2560, ikisi 4096, biri 3584 boyutlu vektör üretiyor. Fiyatlar satırdan satıra değişir; güncel fiyat her satırın model sayfasındadır. Hangisinin sizin koleksiyonunuzda daha iyi çalıştığını kendi verinizle ölçün, çünkü bu satırlar arasında bir getirme kalitesi karşılaştırması yapmadık. Bir koleksiyonu tek bir embedding satırıyla kurun; satır değiştirmek koleksiyonu yeniden vektörlemek demektir.

Yeniden sıralama satırı, embedding aramasının döndürdüğü adayları puanlayıp sıralar. Sıralama kalitesini yine kendi kümenizle değerlendirin: elimizdeki tek örnekte, üç belgelik küçük bir kümede model konuyla ilgisiz bir belgeye en yüksek puanı verdi. Bu tek gözlem bir başarım ölçümü değil, ama karşılaştırma yapmadan üretime almamak için yeterli bir uyarı.

Nereden başlamalı

Katalogda Avrupa Birliği filtresini açın; yalnızca bu kategorinin satırları listelenir ve filtre adres çubuğuna yansır, bağlantıyı ekibinizle paylaşabilirsiniz. Bir satırın detay sayfası ölçülen yetenekleri, bağlam penceresini ve veri politikası notunu birlikte gösterir.

İlk denemeyi dar tutun: bir görev tipi, bir satır, ve kendi kabul ölçütünüz. Sonuç beklentinizi karşılıyorsa kapsamı büyütün; karşılamıyorsa aynı görevle ikinci bir satırı deneyin. Kategori içinde geçiş, model kimliğini değiştirmekten ibarettir.

Kategoriye eklenen TensorX ve Heabsy satırları

2026-10-09'da kategoriye TensorX'in 12 sohbet ve 1 embedding satırı eklendi. Kimlikleri tensorx/<model>-tensorx biçimindedir ve diğer satırlarla aynı uç noktadan, aynı LLMTR anahtarıyla çağrılır. Bu satırlar TensorX veri aktarım onayı ister; GreenPT için verilen onay onları kapsamaz.

2026-10-13'te Heabsy'nin 2 sohbet satırı eklendi: Qwen3.8 27B ve onun 2 Kasım 2026'ya kadar ücretsiz satırı. Kimlikleri heabsy/<model>-heabsy biçimindedir ve Heabsy veri aktarım onayı ister.

Bazı model aileleri kategoride iki sağlayıcıda birden bulunur: GLM-5.3, GLM-5.3 Flash, DeepSeek V4.1 Flash, DeepSeek V4 Flash 0731, Kimi K2.7 Code ve Qwen3.8 27B. Bu ailelerden birinin satırı 503, 429 ya da başka bir sunucu hatası döndürürse aynı ailenin diğer satırına model kimliğini değiştirerek geçebilirsiniz; geçiş iki yönde de çalışır ve istemcinizde yapılır, LLMTR bunu kendiliğinden yapmaz.

Sık sorulan sorular

57 satırın hepsi aynı sağlayıcıdan mı geliyor?

Hayır. Kategori üç sağlayıcıdan gelir, GreenPT, TensorX ve Heabsy, ve satırların hepsi aynı LLMTR API anahtarıyla çalışır. Veri aktarım onayı ise sağlayıcı başınadır: her sağlayıcı için Ayarlar'dan ayrı onay verilir ve değerlendirmenizi her sağlayıcı için ayrı yaparsınız.

Görsel yeteneği olmayan bir modele görsel gönderirsem ne olur?

İstek sağlayıcıya ulaşmadan LLMTR tarafından reddedilir ve ücretlendirilmezsiniz. Hatanın kodu unsupported_input olur, yani modelin görsel kabul etmediğini açıkça söyler.

Bu satırlar için ayrı bir API anahtarı almam gerekir mi?

Hayır. Mevcut LLMTR anahtarınızla, yalnızca model kimliğini değiştirerek çağırırsınız. Karar modeli dışındaki satırlar için ayrı bir uç nokta da yoktur; karar modeli `/v1/systemone` ucunu kullanır.