Qwen-SEA-LION-v4.5-27B-IT API: LLMTR ile ilk istek

Kısa yanıt: base_url https://llmtr.com/v1, model marscompute/qwen-sea-lion-v4.5-27b

LLMTR, farklı sağlayıcıların dil modellerine tek bir OpenAI uyumlu API ile erişim veren bir gateway'dir. Qwen-SEA-LION-v4.5-27B-IT, LLMTR'de marscompute/qwen-sea-lion-v4.5-27b kimliğiyle https://llmtr.com/v1 adresindeki /v1/chat/completions uç noktasından çağrılır; llmtr.com hesabınızda oluşturduğunuz API anahtarı yeterlidir. OpenAI Python SDK'sında base_url değerini https://llmtr.com/v1, model değerini marscompute/qwen-sea-lion-v4.5-27b yapın ve her isteğe max_tokens ekleyin. Model LLMTR'de MarsCompute tarafından sunulur; fiyatı 1 milyon token başına 0,60 $ girdi ve 3,60 $ çıktıdır.

Qwen-SEA-LION-v4.5-27B-IT, AI Singapore'un AI Products Pillar ekibinin geliştirdiği bir talimat modelidir; SEA-LION adı Southeast Asian Languages In One Network'ün kısaltmasıdır. Model Qwen3.6-27B üzerine eğitilmiştir ve MIT lisanslıdır. Model kartı İngilizcenin yanında Birmanca, Endonezce, Filipince, Malayca, Tamilce, Tayca ve Vietnamcayı sayar; Türkçe desteklenen diller arasında değildir. Model kartı daha uzun bir bağlam, görsel girdi ve araç çağırma tarif eder; LLMTR'deki satırda pencere 8.192 token'dır, girdi ve çıktı yalnızca metindir ve araç çağrısı yoktur.

• AI Singapore, Qwen-SEA-LION-v4.5-27B-IT model kartı · 2026-10-30

Qwen-SEA-LION-v4.5-27B-IT API'sine ilk istek nasıl gönderilir?

Üç adım yeterlidir. Önce llmtr.com'da bir API anahtarı oluşturun ve Panel > Faturalandırma'dan bakiye yükleyin. Sonra anahtarı LLMTR_API_KEY ortam değişkenine koyun ve OpenAI Python SDK'sını kurun. Son olarak istemcide base_url değerini https://llmtr.com/v1 yapın ve model alanına marscompute/qwen-sea-lion-v4.5-27b yazın. Başka bir kütüphane ya da dil kullanıyorsanız aynı adres ve aynı model kimliği geçerlidir; istek ve yanıt OpenAI'nin Chat Completions biçimindedir.

Aşağıdaki örnek önce Endonezce kısa bir soru gönderir, cevabı ve ardından usage alanındaki prompt_tokens ile completion_tokens değerlerini yazdırır. İkinci çağrı aynı modeli stream=True ile akış olarak kullanır; metin üretildikçe parça parça gelir. İki çağrıda da max_tokens verilir: istem ve cevap birlikte 8.192 token'ı geçemez, bu yüzden cevaba ne kadar yer ayırdığınızı isteğin kendisinde yazmanız gerekir. Örnekteki sistem mesajı İngilizcedir; model kartı İngilizceyi ve Güneydoğu Asya dillerini saydığı için talimatı bu dillerden birinde yazın.

Qwen-SEA-LION-v4.5-27B-IT'ye https://llmtr.com/v1/chat/completions üzerinden biri akışlı iki istek gönderen OpenAI Python SDK örneği.

import os

from openai import OpenAI

client = OpenAI(base_url="https://llmtr.com/v1", api_key=os.environ["LLMTR_API_KEY"])
MODEL = "marscompute/qwen-sea-lion-v4.5-27b"

# Prompt and reply share 8,192 tokens on this row: always send max_tokens.
response = client.chat.completions.create(
    model=MODEL,
    messages=[
        {"role": "system", "content": "Answer briefly, in the language of the question."},
        {"role": "user", "content": "Apa ibu kota Indonesia dan di pulau mana letaknya?"},
    ],
    max_tokens=512,
)
print(response.choices[0].message.content)
print(response.usage.prompt_tokens, response.usage.completion_tokens, response.choices[0].finish_reason)

# The same row streamed: the text arrives as it is generated.
stream = client.chat.completions.create(
    model=MODEL,
    messages=[{"role": "user", "content": "Tóm tắt trong hai câu: Hà Nội là thủ đô của Việt Nam."}],
    max_tokens=256,
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)
print()

İstek sınırları: 8.192 token ve yaklaşık 32.000 karakter

Tablo, satırın 30 Ekim 2026 itibarıyla LLMTR kataloğunda ve dokümantasyonunda yazan sınırlarını gösterir. En sık karşılaşılan durum pencere sınırıdır: istem ve cevap aynı 8.192 token'ı paylaşır. 4.000 token'lık bir istem gönderiyorsanız max_tokens en fazla 4.192 olabilir. İstem metni ayrıca yaklaşık 32.000 karakteri geçemez; daha uzun bir istem 400 invalid_request ile reddedilir ve faturalanmaz.

Reddedilen alanlar da tabloda yer alır: tools, JSON response_format, görsel parçaları ve reasoning_effort gönderen istek 400 döner. Çıktının biçimini istemde tarif edin; örneğin cevabı üç madde hâlinde ya da tek satırlık bir etiket olarak istemek için talimatı sistem mesajına yazın. stop bu satırda desteklenir; cevabı belirlediğiniz bir ayırıcıda kesmek için kullanabilirsiniz.

Bir istek ne tutar?

Fiyat 1 milyon token başına 0,60 $ girdi ve 3,60 $ çıktıdır. 1.500 token'lık bir istem ve 500 token'lık bir cevap 0,0009 $ girdi ve 0,0018 $ çıktı eder; istek toplam 0,0027 $ tutar. Aynı boyda 1.000 istek 2,70 $ eder. Satırda önbellek indirimi yoktur: her istekte yeniden gönderdiğiniz sistem mesajı her seferinde girdi fiyatıyla faturalanır. Yüksek hacimde uzun bir sistem mesajını kısaltmak tutarı doğrudan düşürür.

Bir çıktı token'ı bir girdi token'ının altı katı fiyatlıdır, bu yüzden toplamı çoğu zaman cevabın uzunluğu belirler. max_tokens, cevaba pencereden ayrılan yeri ve isteğin çıktı payını belirler: max_tokens 500 olan bir istekte çıktı payı 0,0018 $'ı geçmez. Gerçek token sayılarını yanıttaki usage alanından okuyun; aynı içerik dile göre farklı sayıda token tutabilir.

Sık görülen hatalar ve çözümleri

Hata yanıtları OpenAI biçimindedir; error alanı bir tür ve bir açıklama taşır. Bu satırda en sık görülen durumlar ve yapmanız gerekenler:

• 400 invalid_request, istekte tools ya da JSON response_format var: alanı istekten çıkarın ve istediğiniz biçimi istemde tarif edin.
• 400, istekte görsel parçası var: bu satır yalnızca metin okur; görseli metne çevirin ya da görsel okuyan başka bir model seçin.
• 400, istem çok uzun: istemi kısaltın ya da metni parçalara bölün; yaklaşık 32.000 karakteri geçen istem faturalanmaz.
• 400, istem ile max_tokens toplamı 8.192'yi aşıyor: max_tokens değerini istemin boyuna göre düşürün.
• finish_reason length: cevap max_tokens sınırında kesildi; pencere izin veriyorsa max_tokens'ı artırın ya da daha kısa bir cevap isteyin.
• 401 auth_error ya da 402 insufficient_credits: anahtar geçersizse llmtr.com'da yeni bir anahtar oluşturun; bakiye yetmiyorsa bakiye yükleyin ya da daha düşük bir max_tokens gönderin.

Bu model hangi işe uyar, hangisine uymaz?

LLMTR'deki bu satır, Güneydoğu Asya dillerinde 8.192 token'a sığan metin işlerine uyar: Tayca bir müşteri mesajına cevap taslağı, Endonezce bir metnin İngilizceye çevirisi ya da Vietnamca bir notun özeti gibi. Pencere 8.192 token olduğu için uzun belgeleri parçalara bölmeniz gerekir; bunun yolu serinin 8.192 token'lık pencere yazısında anlatılıyor. Görsel okuma, araç çağırma ya da JSON şeması gerekiyorsa bu satır uygun değildir; serinin karşılaştırma yazısı bu işleri LLMTR kataloğundaki iki başka modelle tartar. Türkçe metin için de bu model uygun değildir.

Bu yazı kalite hakkında bir şey söylemez. Modeli kendi örneklerinizle deneyin: gerçek müşteri mesajlarından ve belgelerinizden birkaç örnek seçin, cevapları o dili ana dili olarak konuşan biriyle kontrol edin ve token sayılarını usage alanından izleyin.

Qwen-SEA-LION-v4.5-27B-IT'ye LLMTR üzerinden ilk istek

Bir API anahtarı oluşturun, OpenAI Python SDK'sını https://llmtr.com/v1 adresine yönelterek marscompute/qwen-sea-lion-v4.5-27b'yi çağırın ve usage alanından token sayısını okuyun.

1. Anahtar. llmtr.com'da bir API anahtarı oluşturun, Panel > Faturalandırma'dan bakiye yükleyin ve anahtarı LLMTR_API_KEY ortam değişkenine koyun.
2. İstek. OpenAI Python SDK'sında base_url değerini https://llmtr.com/v1, model değerini marscompute/qwen-sea-lion-v4.5-27b yapın ve max_tokens ile bir istek gönderin.
3. Kontrol. Cevabı, usage alanındaki prompt_tokens ve completion_tokens değerlerini ve finish_reason'ı okuyun; istem ve max_tokens toplamının 8.192'yi geçmediğini kontrol edin.

Sık sorulan sorular

Qwen-SEA-LION-v4.5-27B-IT'nin LLMTR'deki model kimliği nedir?

marscompute/qwen-sea-lion-v4.5-27b. İstek https://llmtr.com/v1/chat/completions adresine, llmtr.com'da oluşturduğunuz API anahtarıyla gönderilir; OpenAI SDK'sında base_url https://llmtr.com/v1 olur.

Türkçe istem gönderebilir miyim?

Türkçe, model kartında desteklenen diller arasında değildir. Model İngilizce ve yedi Güneydoğu Asya dili için eğitilmiştir; Türkçe metin için LLMTR kataloğundan başka bir model seçin.

Bir istek ne tutar?

1.500 token istem ve 500 token cevap 0,0027 $ tutar. Fiyat 1 milyon token başına 0,60 $ girdi ve 3,60 $ çıktıdır; önbellek indirimi yoktur.

İlgili yazılar

• Tayca, Endonezce, Vietnamca ve Malayca için dil modeli API'si
• SEA-LION v4.5, Gemma 4 31B, Qwen3.8 27B: Güneydoğu Asya dilleri
• SEA-LION'da 8.192 token: uzun metin, max_tokens ve maliyet

• Qwen-SEA-LION-v4.5-27B-IT model sayfası
• MarsCompute dokümantasyonu
• Hızlı başlangıç
• Akış (streaming) dokümantasyonu
• Hata kodları