Nanbeige4.2 3B mi, Qwen 3.8 27B mi? Türkiye'de iki model

Kısa yanıt: kısa işlerde Nanbeige4.2 3B, JSON şeması ve uzun belgede Qwen 3.8 27B

LLMTR, farklı sağlayıcıların dil modellerine tek bir OpenAI uyumlu API ile erişim veren bir gateway'dir. Nanbeige4.2 3B (llmtr/nanbeige4-2-3b) ve Qwen 3.8 27B (llmtr/qwen3-8-27b), https://llmtr.com/v1 adresindeki /v1/chat/completions uç noktasından llmtr.com hesabınızın aynı API anahtarıyla çağrılır. Kısa özetleme, sınıflandırma ve az adımlı araç çağırma işlerini düşük bütçeyle yürütmek için LLMTR'de llmtr/nanbeige4-2-3b kimliğini kullanın. Alanları ve tipleri sabit JSON çıktı, belirli bir aracı zorlamak ya da 32.768 token'a sığmayan uzun bir belge gerekiyorsa llmtr/qwen3-8-27b kimliğiyle Qwen 3.8 27B'yi çağırın.

Nanbeige4.2 3B de Qwen 3.8 27B de LLMTR'de Türkiye'de barındırılır; iki satırda da istekler üçüncü taraf bir sağlayıcıya yönlendirilmez. Bu yüzden barındırma bu karşılaştırmada seçimi değiştirmez; fiyat, bağlam ve istek biçimi değiştirir. Nanbeige4.2 3B, Nanbeige LLM Lab'ın Apache 2.0 lisanslı açık ağırlıklı modelidir ve model kartına göre gömme parametreleri hariç 3 milyar parametre taşır. Model kartı daha uzun bir bağlam tanımlar, LLMTR'deki satırda pencere 32.768 token'dır.

• Nanbeige LLM Lab, Nanbeige4.2-3B model kartı · 2026-10-26

Nanbeige4.2 3B mi, Qwen 3.8 27B mi?

Kararı dört soru belirler: istem 32.768 token'a sığıyor mu, çıktının bir JSON şemasına uyması gerekiyor mu, ajan adımında belirli bir aracı zorlamanız gerekiyor mu ve bütçe ne kadar? Kalite farkı hakkında bir şey söylemiyoruz; iki modeli kendi örneklerinizle karşılaştırın.

Tablo iki satırı 26 Ekim 2026 itibarıyla LLMTR kataloğundaki ve dokümantasyondaki değerlerle gösterir; fiyatlar 1 milyon token başınadır.

Aynı çıkarım işi iki modelde ne tutar?

6.000 token'lık bir fatura grubundan firma adı, tarih ve genel toplam çıkardığınızı ve çıktının 500 token olduğunu düşünün. Qwen 3.8 27B'de bu istek 0,0335 $ tutar ve sonuç response_format ile verdiğiniz JSON şemasına uyar. Nanbeige4.2 3B'de aynı iş araç çağırmayla yapılır; tools gönderdiğiniz için düşünme o istekte açılır ve düşünme token'ları da çıktı olarak sayılır. 500 token çıktıya düşünme de dahilse istek 0,0075 $ tutar. 1.000 istekte toplam Qwen 3.8 27B için 33,50 $, Nanbeige4.2 3B için 7,50 $ eder. 100.000 token'lık bir sözleşme Nanbeige4.2 3B'nin penceresine sığmaz; Qwen 3.8 27B'de yalnızca girdisi 0,50 $ tutar.

Aşağıdaki Python örneği aynı faturayı iki modele gönderir: Qwen 3.8 27B'ye response_format ile JSON şeması, Nanbeige4.2 3B'ye aynı şemayı taşıyan bir fonksiyon. Nanbeige4.2 3B'de tool_choice gönderilmez, yani auto kalır; araç çağrısı gelmezse finish_reason ve cevap yazdırılır. Token sayısı modelden modele değişir; sonuçları kendi belgelerinizle karşılaştırın.

Aynı faturadan Qwen 3.8 27B ile json_schema, Nanbeige4.2 3B ile araç çağırma üzerinden alan çıkaran OpenAI Python SDK örneği; ikisi de https://llmtr.com/v1/chat/completions.

import json
import os

from openai import OpenAI

# Nanbeige4.2 3B answers slowly: keep the client timeout at 300 seconds or more.
client = OpenAI(base_url="https://llmtr.com/v1", api_key=os.environ["LLMTR_API_KEY"], timeout=300.0)

FIELDS = {
    "type": "object",
    "additionalProperties": False,
    "required": ["firma", "tarih", "genel_toplam"],
    "properties": {
        "firma": {"type": "string"},
        "tarih": {"type": "string"},
        "genel_toplam": {"type": "number"},
    },
}
invoice = "Fatura: Örnek Lojistik, 14.10.2026, ara toplam 1250,00 TL, KDV 250,00 TL, genel toplam 1500,00 TL."

# Qwen 3.8 27B: JSON Schema output through response_format.
qwen = client.chat.completions.create(
    model="llmtr/qwen3-8-27b",
    messages=[
        {"role": "system", "content": "Faturadaki firma adını, tarihi ve genel toplamı çıkar."},
        {"role": "user", "content": invoice},
    ],
    response_format={"type": "json_schema", "json_schema": {"name": "fatura", "strict": True, "schema": FIELDS}},
    max_tokens=1024,
)
print("llmtr/qwen3-8-27b", json.loads(qwen.choices[0].message.content), qwen.usage.prompt_tokens, qwen.usage.completion_tokens)

# Nanbeige4.2 3B: no response_format; the same schema as a tool, tool_choice left at auto.
tools = [{"type": "function", "function": {"name": "fatura_kaydet", "description": "Faturadan çıkarılan alanları kaydeder.", "parameters": FIELDS}}]
nanbeige = client.chat.completions.create(
    model="llmtr/nanbeige4-2-3b",
    messages=[
        {"role": "system", "content": "Faturadaki firma adını, tarihi ve genel toplamı fatura_kaydet aracıyla kaydet."},
        {"role": "user", "content": invoice},
    ],
    tools=tools,
    max_tokens=2048,
)
calls = nanbeige.choices[0].message.tool_calls or []
for call in calls:
    print("llmtr/nanbeige4-2-3b", json.loads(call.function.arguments), nanbeige.usage.prompt_tokens, nanbeige.usage.completion_tokens)
if not calls:
    print("llmtr/nanbeige4-2-3b", nanbeige.choices[0].finish_reason, nanbeige.choices[0].message.content)

Araç çağırma ve düşünme: taşırken ne değişir?

Qwen 3.8 27B'de tool_choice için auto, required, none ve adıyla seçilmiş tek bir fonksiyon kullanılabilir; tools göndermek düşünmeyi açmaz. Nanbeige4.2 3B'de araç çağrıları yalnızca düşünme açıkken güvenilirdir, bu yüzden tools gönderdiğiniz istekte düşünme kendiliğinden açılır. Bu iki şeyi değiştirir: Nanbeige4.2 3B'de tool_choice yalnızca auto olur, required ya da adıyla seçilmiş fonksiyon 400 döner; araçları kapatmak için none göndermek yerine tools alanını çıkarırsınız. :fast ya da "reasoning": false ile düşünmeyi kapatıp tools gönderen istek de 400 döner.

İki modelde de düşünme varsayılan olarak kapalıdır ve :think ya da "reasoning": true ile açılır; düşünme açıkken akıl yürütme reasoning_content alanında döner ve max_tokens bütçesinden harcanır. Qwen 3.8 27B'nin kartı düşünme açıkken max_tokens için en az 4.096 vermenizi söyler. Nanbeige4.2 3B'de max_tokens göndermezseniz cevap 4.096 token'da kesilir. Nanbeige4.2 3B yanıtları yavaş üretir: akış kullanın ve istemci zaman aşımını en az 300 saniye yapın.

Hangi durumda hangisi?

Aşağıdaki seçimler fiyat, bağlam ve istek biçimi farkından çıkar; iki model de Türkiye'de barındırıldığı için barındırma seçimi değiştirmez. Çıktı kalitesini kendi örneklerinizle karşılaştırın.

• Kısa özetleme, sınıflandırma ve az adımlı araç çağırma, düşük bütçe: LLMTR'de Nanbeige4.2 3B, llmtr/nanbeige4-2-3b; 1 milyon token başına 1,00 $ girdi ve 3,00 $ çıktı.
• Alan adları ve tipleri sabit JSON gereken çıkarım: Qwen 3.8 27B, llmtr/qwen3-8-27b, response_format ile json_schema.
• 32.768 token'a sığmayan uzun belge ya da uzun sohbet: Qwen 3.8 27B; bağlam penceresi 262.144 token.
• Belirli bir aracı istekten zorlamanız gereken ajan adımı: Qwen 3.8 27B, tool_choice ile required ya da adıyla seçilmiş fonksiyon; Nanbeige4.2 3B'de yalnızca auto.
• Aynı uzun sistem mesajını tekrarlayan yüksek hacimli kısa işler: Nanbeige4.2 3B; cached_tokens olarak bildirilen token'lar 1 milyon token başına 0,25 $, Qwen 3.8 27B'de 1,25 $.

Nanbeige4.2 3B'den Qwen 3.8 27B'ye geçerken

Model kimliğini llmtr/qwen3-8-27b yapın, Nanbeige4.2 3B için yazdığınız araç tanımlarını aynen kullanabilirsiniz. Araç yerine yalnızca yapılandırılmış veri istiyorsanız fonksiyonu response_format içindeki json_schema'ya çevirin. Ters yönde, Qwen 3.8 27B'den Nanbeige4.2 3B'ye geçerken response_format'ı kaldırın, şemayı bir fonksiyonun parameters alanına taşıyın, tool_choice'u auto bırakın ve istemin 32.768 token'a sığdığını kontrol edin.

Nanbeige4.2 3B ile Qwen 3.8 27B'yi aynı çıkarım işiyle karşılaştırma

Aynı belgeyi iki modele gönderin: Qwen 3.8 27B'ye json_schema, Nanbeige4.2 3B'ye aynı şemayı taşıyan bir fonksiyon; sonucu, token kullanımını ve tutarı karşılaştırın.

1. Anahtar. llmtr.com'da bir API anahtarı oluşturun ve Panel > Faturalandırma'dan bakiye yükleyin.
2. Aynı belge. Kendi belgelerinizi iki model kimliğiyle https://llmtr.com/v1/chat/completions uç noktasına gönderin; Nanbeige4.2 3B'de response_format yerine araç kullanın.
3. Seçim. Sonuçları, token sayılarını, tutarı ve istem uzunluğunu karşılaştırıp model kimliğini seçin.

Sık sorulan sorular

İki model de Türkiye'de mi barındırılıyor?

Evet. Nanbeige4.2 3B de Qwen 3.8 27B de LLMTR'de Türkiye'de barındırılır ve istekler üçüncü taraf bir sağlayıcıya yönlendirilmez. Seçimi fiyat, bağlam, JSON çıktı ve tool_choice farkı belirler.

Nanbeige4.2 3B'de JSON şeması kullanılabilir mi?

response_format ile hayır; istek 400 invalid_request döner. Şemayı bir fonksiyonun parameters alanına koyup araç çağırmayı kullanın. Şemaya uyan JSON'u response_format ile almak için Qwen 3.8 27B'yi kullanın.

6.000 token girdi ve 500 token çıktılı bir istek ne tutar?

Qwen 3.8 27B'de 0,0335 $, Nanbeige4.2 3B'de 0,0075 $. Nanbeige4.2 3B'de araç gönderildiğinde düşünme token'ları da çıktı olarak sayılır.

İlgili yazılar

• Nanbeige4.2 3B mi, Ministral 3 3B mi? İki küçük model
• Türkçe metin sınıflandırma: Nanbeige4.2 3B mi, Leyla mı?
• Nanbeige4.2 3B mi, GPT-5 nano mu? Küçük model seçimi

• Nanbeige4.2 3B model sayfası
• Qwen 3.8 27B model sayfası
• Nanbeige4.2 3B dokümantasyonu
• Qwen 3.8 27B dokümantasyonu
• Araç çağırma dokümantasyonu