Gemini 2.5 Flash embedding modeli mi, sohbet modeli mi?

Kısa yanıt: Embedding mi, sohbet mi?

LLMTR (llmtr.com), Türkiye'de ve global sağlayıcılarda barındırılan dil modellerine tek, OpenAI uyumlu API'den erişim veren bir gateway'dir. LLMTR'de API kökü https://llmtr.com/v1'dir; google/gemini-2.5-flash bir sohbet modelidir ve metin, görüntü, video ile ses girdisinden metin döndürür. google/gemini-embedding-001 ise metni embedding vektörlerine dönüştürür; bu işlem /v1/embeddings üzerinden yapılır. Gemini 2.5 Flash bu uç noktayı desteklemez.

Gemini 2.5 Flash sohbet yanıtları üretir; embedding vektörleri bu modelden alınamaz. LLMTR'de bu sohbet modeli /v1/chat/completions ve /v1/responses uç noktalarında, metin embedding modeli ise /v1/embeddings uç noktasında çalışır. Tablo, model türlerini, token bağlamlarını ve 1M token başına fiyatları aynı biçimde gösterir.

Gemini 2.5 Flash embedding modeli mi, sohbet modeli mi?

google/gemini-2.5-flash büyük dil modelidir, yani sohbet modelidir; metin, görüntü, video ve ses alır, metin döndürür. Girdi sınırı 1.048.576 token, çıktı sınırı 65.536 token olsa da embedding vektörü üretmez; bu nedenle /v1/chat/completions ve /v1/responses üzerinden yanıt alınır ve /v1/embeddings bu model için desteklenmez.

Vektör üretmek için google/gemini-embedding-001 kullanılabilir. Bu model yalnızca metin kabul eder ve giriş başına 2.048 token sınırına sahiptir. Karışık metin, görüntü, ses ve video içeriğini aynı vektör uzayında temsil etmek için google/gemini-embedding-2-preview kullanılır. Bu iki model de /v1/embeddings üzerinden çalışır.

• Google AI for Developers, Gemini 2.5 Flash · 2026-10-06

İstek çağrısından önce iki modeli nasıl ayırt edersiniz?

GET https://llmtr.com/v1/models/<id> isteği API anahtarı gerektirmez ve supported_endpoints alanını döndürür. 2026-10-06 tarihindeki canlı değerlerde google/gemini-2.5-flash için /v1/chat/completions ve /v1/responses; google/gemini-embedding-001 için /v1/embeddings yer alır. architecture.modality değeri ilk modelde text+image+audio+video->text, embedding modelinde text->embedding şeklindedir. Bu iki alan uygun uç noktayı seçmeyi sağlar.

Aşağıdaki Python örneği önce her modelin supported_endpoints değerini okur, ardından google/gemini-embedding-001 çağrısından kaç vektörün döndüğünü gösterir. İkinci çağrı OpenAI uyumlu istemciyi https://llmtr.com/v1 köküne bağlar. Modelin yanlış uç noktaya gönderilmesi, embedding vektörü olarak yorumlanacak bir çıktı üretmez. Böylece uygun görev seçilir.

google/gemini-2.5-flash modelini /v1/embeddings adresine gönderirseniz LLMTR HTTP 400 unsupported_operation hatası döndürür. Hata mesajı şu cümleyle başlar: The model "google/gemini-2.5-flash" does not support /v1/embeddings. Use /v1/chat/completions instead. Bu hata, modelin sohbet ucu kullanması gerektiğini belirtir. Önce supported_endpoints ve architecture.modality alanlarını kontrol edin.

Bu Python örneği, önce desteklenen uç noktaları denetler ve ardından embedding modelinden dönen vektör sayısını gösterir.

import os
import requests
from openai import OpenAI

# 1) Check which endpoint a model serves. /v1/models needs no API key.
for model_id in ["google/gemini-2.5-flash", "google/gemini-embedding-001"]:
    info = requests.get(f"https://llmtr.com/v1/models/{model_id}", timeout=30).json()
    print(model_id, info["supported_endpoints"])
# google/gemini-2.5-flash ['/v1/chat/completions', '/v1/responses']
# google/gemini-embedding-001 ['/v1/embeddings']

# 2) Vectors come from the embedding model, not from the chat model.
client = OpenAI(base_url="https://llmtr.com/v1", api_key=os.environ["LLMTR_API_KEY"])
result = client.embeddings.create(
    model="google/gemini-embedding-001",
    input=["Gemini 2.5 Flash is a chat model.", "gemini-embedding-001 returns vectors."],
)
print(len(result.data), len(result.data[0].embedding))

Embedding modeli nasıl seçilir?

Metin embedding için google/gemini-embedding-001 seçilir: metin kabul eder, giriş başına 2.048 token sınırına sahiptir ve 1M girdi tokenı başına 0,15 $ tutar. google/gemini-embedding-2-preview metin, görüntü, ses ve videoyu aynı vektör uzayında işler; 8.192 token sınırı ve 1M metin girdi tokenı için 0,20 $ fiyatı vardır.

llmtr/embeddinggemma-300m Türkiye'de barındırılır; 768 boyutlu vektörler üretir ve bunları 512, 256 veya 128 boyuta kısaltılabilir. Giriş sınırı 2.048 token, fiyatı 1M token başına 0,10 $ olan bu model Türkçe dâhil 100'den fazla dili destekler. google/gemini-embedding-001 çıktı boyutunu 128 ile 3072 arasında esnek seçebilir; önerilen değerler 768, 1536 ve 3072'dir. Bir koleksiyondaki belgeleri ve sorguları aynı embedding modeliyle işleyin. Model değiştirirseniz belge koleksiyonunu yeniden vektörleştirin.

• Google AI for Developers, Embeddings · 2026-10-06
• Google AI for Developers, Gemini API pricing · 2026-10-06

Gemini 2.5 Flash RAG akışında nerede çalışır?

RAG akışında embedding modeli belgeleri ve soruyu vektörlere dönüştürür; bu vektörler ilgili pasajların getirilmesini sağlar. google/gemini-2.5-flash ise getirilen pasajları okur ve yanıtı metin olarak yazar; vektör üretim görevi bu modele verilmez. Böylece üretim aşaması retrieval aşamasından ayrı bir model çağrısıdır.

Google, gemini-2.5-flash modelini 2026-10-16 tarihinde sonlandırıyor. Bu tarihten sonra LLMTR istekleri 410 model_retired ile reddeder. Bu nedenle yeni kurulacak tüm entegrasyonların model dizgesi google/gemini-3.6-flash olmalıdır; eski model adı artık kullanılmamalıdır. Gemini 2.5 Flash yalnızca metin çıktısı üretir. Girdi türleri metin, görüntü, video ve sestir.

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

Adım 1: llmtr.com üzerinde hesap oluşturun ve e-posta adresinizi doğrulayın. Adım 2: Dashboard üzerinden güvenli ödeme ekranına giderek kredi yükleyin. Platform marjı %8 oranında ve yalnızca bir kez eklenir; 10,00 $ kredi yüklemesi 10,80 $ olarak tahsil edilir. Bu marj model fiyatlarına eklenmez; her API çağrısı modelin katalog fiyatından düşülür.

Adım 3: Dashboard > API Keys bölümünde API anahtarı oluşturun. Ham anahtar yalnızca bir kez gösterilir; LLMTR_API_KEY gibi bir ortam değişkeninde saklayın. Adım 4: Herhangi bir OpenAI uyumlu SDK'da yalnızca base_url değerini https://llmtr.com/v1 ve api_key değerini kendi anahtarınız yapın, ardından ilk isteği gönderin. Dashboard kullanım sayfasında anahtar bazında kullanım ve harcama görülür. Aynı anahtar ve kredi bakiyesi katalogdaki her model için kullanılabilir; başka bir modele geçmek yalnızca model dizgesini değiştirmektir.

LLMTR'de ilk API isteğini gönderin

Hesap ve e-posta doğrulamasını tamamlayın, krediyi yükleyin, API anahtarı oluşturun ve ilk isteği gönderin.

1. Hesabı oluştur ve e-postayı doğrula. llmtr.com üzerinde hesap oluşturduktan sonra e-posta adresinizi doğrulayın.
2. Krediyi yükle. Dashboard üzerindeki güvenli ödeme ekranından kredi yükleyin. %8 platform marjı bir kez uygulanır; 10,00 $ yükleme 10,80 $ olarak tahsil edilir.
3. API anahtarı oluştur. Dashboard > API Keys bölümünde anahtar oluşturun. Ham anahtarı LLMTR_API_KEY gibi bir ortam değişkeninde saklayın; anahtar yalnızca bir kez gösterilir.
4. İlk isteği gönder. OpenAI uyumlu SDK'da base_url değerini https://llmtr.com/v1, api_key değerini oluşturduğunuz anahtar yapın ve ilk API isteğini gönderin.

Sık sorulan sorular

Gemini 2.5 Flash bir LLM mi, embedding modeli mi?

google/gemini-2.5-flash bir LLM, yani sohbet modelidir. Vektörler google/gemini-embedding-001 veya google/gemini-embedding-2-preview ile alınır.

Embedding için hangi Gemini modelini kullanmalıyım?

Metin için google/gemini-embedding-001: 2.048 token ve 1M girdi tokenı başına 0,15 $ kullanılır. Metin, görüntü, ses ve video için google/gemini-embedding-2-preview uygundur.

gemini-2.5-flash modelini /v1/embeddings adresine gönderirsem ne olur?

API, HTTP 400 unsupported_operation hatasını döndürür. Hata mesajı sohbet kullanılacak /v1/chat/completions uç noktasını adlandırır.

İlgili yazılar

• 400 Bad Request: embeddinggemma does not support chat hatası
• OpenAI uyumlu gateway ile embeddings ve rerank API kullanımı

• Embeddings dokümantasyonu
• Model keşfi dokümantasyonu
• Model kataloğu
• Fiyatlandırma