Ajan ve kodlama için AB'de barındırılan modeller

Kısa yanıt: araç çağıran AB modelleri

LLMTR (llmtr.com), Türkiye'de ve global sağlayıcılarda barındırılan dil modellerine tek, OpenAI uyumlu API'den erişim veren bir gateway'dir. TensorX'in LLMTR'deki 12 sohbet modelinin tamamı araç (fonksiyon) çağırma ve akış destekler. Kodlama ve ajan işleri için tensorx/kimi-k2.7-code-tensorx ile başlayabilirsiniz; istekler https://llmtr.com/v1 adresine gider.

Sağlayıcının DPA metnine göre istekler Avrupa Birliği içinde işlenir ve girdiler model eğitiminde kullanılmaz. Bu kategorideki modeller için Avrupa Birliği içinde işlenme bilgisi sağlayıcının beyanıdır; LLMTR bunu bağımsız olarak doğrulamamıştır. TensorX modelleri, hesapta TensorX veri aktarım onayı verilmeden çağrılamaz; onay yoksa istek 403 provider_consent_required döndürür.

• TensorX DPA · 2026-10-09

Yapay zekâ ajanları ve kodlama asistanları için AB'de barındırılan hangi modeller var?

Aşağıdaki tablo, ajan işlerine uygun sekiz TensorX satırını gösterir. Hepsi araç çağırmayı destekler. Bağlam uzunluğu 262.144 ile 1.048.576 token arasındadır; uzun bir depo veya uzun bir araç çıktısı geçmişi taşıyan ajanlar için bu alan önemlidir.

Görsel girdi yalnızca tabloda "evet" yazan satırlarda çalışır; görsel gönderdiğiniz bir satır desteklemiyorsa istek 400 unsupported_input ile reddedilir ve faturalanmaz. "Varsayılan akıl yürütme" sütunu, modelin cevap vermeden önce reasoning token'ı üretip üretmediğini gösterir.

Fiyatlar TensorX'in kendi USD liste fiyatıdır ve token fiyatına ek bir kesinti yapılmaz. Ucuz ve büyük bağlamlı bir satır, ajanın yalnızca araç çıktısını özetlediği alt görevler için uygun olabilir; pahalı bir satır karmaşık planlama adımlarına ayrılabilir. Hangi satırın işinize yettiğini kendi istemlerinizle deneyerek belirleyin, çünkü araç çağırma davranışı göreve göre değişir.

• TensorX models · 2026-10-09

Ajan oturumunun maliyeti ve reasoning token'ları

Bir kodlama ajanı aynı bağlamı her turda yeniden gönderir, bu yüzden cache okuması fiyatı belirleyicidir. Örnek: tensorx/kimi-k2.7-code-tensorx ile bir oturumda 2M girdi token'ı var ve bunun 1,4M'si cache'ten okunuyor, çıktı 150K token. Cache okuması 1,4M x 0,31 = 0,434 $, kalan 0,6M girdi 0,75 $, çıktı 0,675 $ eder; toplam 1,859 $ (yaklaşık 1,86 $). Cache okuma fiyatı yalnızca sağlayıcı cache'ten okunan token bildirdiğinde uygulanır; bildirmezse girdi normal girdi fiyatından faturalanır.

Varsayılan olarak akıl yürüten satırlarda reasoning token'ları çıktı olarak faturalanır. Ajan döngüsünde her çağrıya max_tokens koyun. Yanıt finish_reason olarak length dönerse cevap kesilmiştir; max_tokens değerini yükseltip tekrar deneyin. reasoning_effort parametresi TensorX satırlarında desteklenmez; bu alanı taşıyan istek 400 invalid_request ile reddedilir, sağlayıcıya gönderilmez ve faturalanmaz.

Akışta kullanım bilgisi almak için istekte stream_options içinde include_usage değerini true gönderin. Anthropic biçiminde konuşan istemciler aynı TensorX satırlarını /v1/messages üzerinden çağırabilir; /v1/responses ise bu satırlarda desteklenmez ve 400 unsupported_operation döner.

• TensorX models · 2026-10-09

Araç çağıran ilk istek

Aşağıdaki örnek, tek bir read_file aracı tanımlar ve modelin bu aracı çağırmak isteyip istemediğini yazdırır. Model aracı çağırırsa tool_calls dolu gelir; aracı kendi kodunuz çalıştırır, sonucu bir tool mesajı olarak geri gönderirsiniz. Model sunucuda hiçbir araç çalıştırmaz; yalnızca hangi aracı hangi argümanlarla çağırmak istediğini bildirir. Bu yüzden dosya erişimi, komut çalıştırma ve diğer yan etkiler tamamen sizin kodunuzun denetimindedir ve ajanın neye dokunabileceğine siz karar verirsiniz. Araç sonuçlarını modele geri gönderirken yalnızca gerekli çıktıyı ekleyin; gereksiz uzun çıktılar sonraki turlarda girdi maliyetini artırır.

tensorx/kimi-k2.7-code-tensorx modelinde araç tanımıyla yapılan chat completions çağrısı.

import os
from openai import OpenAI

client = OpenAI(base_url="https://llmtr.com/v1", api_key=os.environ["LLMTR_API_KEY"])

# One tool the model may ask us to run.
tools = [{
    "type": "function",
    "function": {
        "name": "read_file",
        "description": "Read a text file from the project.",
        "parameters": {
            "type": "object",
            "properties": {"path": {"type": "string"}},
            "required": ["path"],
        },
    },
}]

reply = client.chat.completions.create(
    model="tensorx/kimi-k2.7-code-tensorx",
    messages=[{"role": "user", "content": "Open src/main.py and explain it."}],
    tools=tools,
    max_tokens=2000,  # reasoning tokens count as output
)

print(reply.choices[0].finish_reason)
print(reply.choices[0].message.tool_calls)

Ajan anahtarını sınırlayın

Bir ajan kendi başına döngüde çalıştığı için anahtarını daraltmak mantıklıdır. API anahtarını ajanın çağırabileceği modellerle sınırlandırabilirsiniz; en fazla 50 model seçilebilir ve kapsam dışındaki bir model id 403 model_not_allowed döndürür. Anahtara bir harcama limiti de koyun; kontrolden çıkan bir döngünün harcaması bu limitte durur.

Tüm modeller tek bakiyeyi kullanır; model değiştirmek model dizgesini değiştirmektir. Kimi K2.7 Code ve GLM-5.3 aileleri GreenPT'de de vardır (greenpt/kimi-k2.7-code-eu, greenpt/glm-5.3-eu); aynı anahtar ve bakiyeyle, GreenPT'nin kendi veri aktarım onayıyla çağrılırlar. Her satırın fiyatı kendi model sayfasındadır. LLMTR sağlayıcıyı otomatik değiştirmez; model değiştirmeyi istemciniz yapar.

Sağlayıcının beyanı GDPR değerlendirmenize girdi sağlar; değerlendirmenin kendisi sizindir. Tüzük metni kaynaklarda bağlantılıdır. Bu kategorideki modeller için Avrupa Birliği içinde işlenme bilgisi sağlayıcının beyanıdır; LLMTR bunu bağımsız olarak doğrulamamıştır.

• LLMTR docs, API keys · 2026-10-09
• GDPR · 2026-10-09

LLMTR ile başlamak: hesap, onay, anahtar ve ilk istek

Adım 1: llmtr.com'da hesap oluşturun ve Dashboard'dan kredi yükleyin. İstenen tutara bir kez yüzde 8 platform marjı eklenir; örneğin 10,00 $ kredi için 10,80 $ tahsil edilir. Her çağrı, modelin katalog fiyatıyla bakiyeden düşülür.

Adım 2: Dashboard > Ayarlar > Veri aktarım onayları bölümünde TensorX onayını verin. Onay hesap düzeyindedir ve tüm API anahtarlarınıza uygulanır; aynı yerden geri çekilebilir. Aktarılan şey yanıtı üretmek için istek içeriğidir; ad ve e-posta aktarılmaz. Adım 3: Dashboard > API Anahtarları altında anahtar oluşturun, ajanın kullanacağı modellerle sınırlayın ve LLMTR_API_KEY ortam değişkeninde saklayın. Adım 4: yukarıdaki kodu çalıştırın; yalnızca base_url ve api_key değiştirmeniz yeterlidir.

AB'de barındırılan bir modelle ajan çağrısı kurulumu

Hesap ve kredi, TensorX veri aktarım onayı, API anahtarı ve araç tanımlı ilk istek olmak üzere dört adımda https://llmtr.com/v1 üzerinden ajan modelini çağırın.

1. Hesap ve kredi. llmtr.com'da hesap oluşturun ve kredi yükleyin. İstenen tutara bir kez %8 platform marjı eklenir; 10,00 $ kredi için 10,80 $ tahsil edilir.
2. TensorX veri aktarım onayı. Dashboard > Ayarlar > Veri aktarım onayları bölümünde TensorX onayını verin. Onay olmadan istek 403 provider_consent_required döndürür.
3. API anahtarı. Dashboard > API Anahtarları altında anahtar oluşturun, ajanın çağıracağı modellerle sınırlayın ve LLMTR_API_KEY ortam değişkeninde saklayın.
4. İlk istek. OpenAI uyumlu bir SDK ile https://llmtr.com/v1 adresine tensorx/kimi-k2.7-code-tensorx için tools listeli isteği gönderin; tool_calls alanını okuyun.

Sık sorulan sorular

Ajanlar için AB'de barındırılan hangi model uygundur?

LLMTR'deki 12 TensorX sohbet modelinin tamamı araç çağırma ve akış destekler. Kodlama için tensorx/kimi-k2.7-code-tensorx ile başlayabilirsiniz; sağlayıcı beyanına göre istekler AB içinde işlenir. Önce kendi istemlerinizle deneyin.

TensorX isteğim neden 403 provider_consent_required döndürüyor?

Hesapta TensorX veri aktarım onayı verilmemiştir. Dashboard > Ayarlar > Veri aktarım onayları bölümünden onay verin. Onaysız istek sağlayıcıya ulaşmaz ve faturalanmaz. GreenPT onayı TensorX'i kapsamaz.

Kontrolsüz bir ajan bakiyemi harcayabilir mi?

Anahtarı en fazla 50 modelle sınırlayın; kapsam dışı model 403 model_not_allowed döndürür. Ayrıca anahtara harcama limiti koyun ve her çağrıya max_tokens yazın, çünkü reasoning token'ları çıktı olarak faturalanır.

İlgili yazılar

• Kimi K3 AB'de barındırılan API ile kullanılır mı?
• AB'de barındırılan modelde hata: yedek model rehberi
• AB'deki küçük şirketler ve girişimler için LLM API seçim rehberi
• Ücretsiz Qwen ile ajan kurmak: Qwen3.8 27B ile araç çağırma

• TensorX dokümantasyonu
• API anahtarları
• AB'de barındırılan modeller
• Model kataloğu