SEA-LION v4.5, Gemma 4 31B, Qwen3.8 27B: Güneydoğu Asya dilleri

Kısa yanıt: yedi Güneydoğu Asya dili ve kısa metin için SEA-LION; uzun belge, görsel ve araç için Gemma 4 31B ya da Qwen3.8 27B

LLMTR, farklı sağlayıcıların dil modellerine tek bir OpenAI uyumlu API ile erişim veren bir gateway'dir. Qwen-SEA-LION-v4.5-27B-IT (marscompute/qwen-sea-lion-v4.5-27b), Gemma 4 31B (gemma/gemma-4-31b-it) ve Qwen3.8 27B (tensorx/qwen3.8-27b-tensorx), https://llmtr.com/v1 adresindeki /v1/chat/completions uç noktasından llmtr.com hesabınızın aynı API anahtarıyla çağrılır. Yapımcının tek tek saydığı Güneydoğu Asya dillerinden birinde, 8.192 token'a sığan metin işleri için LLMTR'de marscompute/qwen-sea-lion-v4.5-27b kimliğini kullanın. Uzun belge, görsel girdi ya da araç çağırma gerekiyorsa gemma/gemma-4-31b-it ya da tensorx/qwen3.8-27b-tensorx kimliğine, JSON şeması gerekiyorsa gemma/gemma-4-31b-it kimliğine geçin.

Bu yazı bir kalite sıralaması yapmaz ve hiçbir model için kalite üstünlüğü iddia etmez. Karşılaştırma, LLMTR kataloğundaki fiyat, bağlam ve istek biçimi farklarına ve yapımcıların kendi model kartlarında diller hakkında yazdıklarına dayanır. Hangi modelin sizin dilinizde ve işinizde işe yaradığını kendi örneklerinizle deneyerek görün.

Güneydoğu Asya dilleri için SEA-LION v4.5 mi, Gemma 4 31B mi, Qwen3.8 27B mi?

Kararı dört soru belirler: metin hangi dilde, istem ve cevap 8.192 token'a sığıyor mu, görsel ya da araç çağırma gerekiyor mu ve bütçe ne kadar? Tablo üç satırı 30 Ekim 2026 itibarıyla LLMTR kataloğundaki ve dokümantasyonundaki değerlerle gösterir; fiyatlar 1 milyon token başınadır.

Dil satırı yapımcıların kartlarından alınmıştır ve bir kalite iddiası değildir: AI Singapore dilleri tek tek sayar, Google sayı verir ama dilleri tek tek saymaz, Qwen'in kartı ise bir dil listesi vermez. Hesap onayı satırı, isteğin çalışması için hesabınızda yapmanız gereken ayarı gösterir.

Aynı istek üç modelde ne tutar?

2.000 token'lık bir istem ve 500 token'lık bir cevap düşünün; örneğin Tayca bir şikâyete cevap taslağı. Qwen-SEA-LION-v4.5-27B-IT'de bu istek 0,003 $, Gemma 4 31B'de 0,00048 $, Qwen3.8 27B'de 0,002 $ tutar. 1.000 istekte toplam sırasıyla 3,00 $, 0,48 $ ve 2,00 $ eder. Qwen3.8 27B varsayılan olarak düşünür ve düşünme token'ları çıktı olarak faturalanır: aynı cevaba 1.000 düşünme token'ı eklenirse istek 0,0044 $ olur. Bu üç satır içinde Gemma 4 31B'nin fiyatı daha düşüktür; seçimi fiyat kadar dil, pencere ve istek biçimi de belirler.

Aşağıdaki Python örneği aynı Tayca mesajı üç modele gönderir ve her yanıtın usage alanından tutarı hesaplar; fiyat tablosu kataloğun 30 Ekim 2026 fiyatlarıdır. tensorx/qwen3.8-27b-tensorx, hesabınızda TensorX veri aktarım onayı verilmeden 403 provider_consent_required döner; örnek bu durumda hatayı yazdırıp öteki modellerle devam eder. Token sayıları modelden modele değişir; cevapları kendi örneklerinizle karşılaştırın.

Aynı Tayca mesajı Qwen-SEA-LION-v4.5-27B-IT, Gemma 4 31B ve Qwen3.8 27B'ye https://llmtr.com/v1/chat/completions üzerinden gönderip usage alanından tutarı hesaplayan OpenAI Python SDK örneği.

import os

from openai import OpenAI, PermissionDeniedError

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

# Per 1M tokens on 30 October 2026: (input, cache read, output); None = no cache price.
PRICES = {
    "marscompute/qwen-sea-lion-v4.5-27b": (0.60, None, 3.60),
    "gemma/gemma-4-31b-it": (0.14, None, 0.40),
    "tensorx/qwen3.8-27b-tensorx": (0.40, 0.10, 2.40),
}
messages = [
    {"role": "system", "content": "You are a support agent. Reply in Thai, politely, in at most three sentences."},
    {"role": "user", "content": "สั่งรองเท้าไปสองคู่ แต่ได้รับมาแค่คู่เดียวค่ะ"},
]

for model, (inp, cache, out) in PRICES.items():
    try:
        # 2,048 gives Qwen3.8 27B's thinking more room (raise it if finish_reason is length) and, with this short prompt,
        # stays within the 8,192 tokens SEA-LION shares between prompt and reply.
        response = client.chat.completions.create(model=model, messages=messages, max_tokens=2048)
    except PermissionDeniedError as error:
        # tensorx/qwen3.8-27b-tensorx answers 403 provider_consent_required until the TensorX consent is given.
        print(model, error.status_code, error.body)
        continue
    usage = response.usage
    details = usage.prompt_tokens_details
    cached = (details.cached_tokens or 0) if details and cache is not None else 0
    cost = ((usage.prompt_tokens - cached) * inp + cached * (cache or 0) + usage.completion_tokens * out) / 1_000_000
    print(model, response.choices[0].message.content, usage.prompt_tokens, usage.completion_tokens, f"${cost:.6f}")

Dil desteği: yapımcılar ne yazıyor?

AI Singapore, Qwen-SEA-LION-v4.5-27B-IT'nin eğitim sonrası aşamasının İngilizce ve Güneydoğu Asya dillerinde yapıldığını yazar ve dilleri tek tek sayar: Birmanca, Endonezce, Filipince, Malayca, Tamilce, Tayca ve Vietnamca. Modelin adı da bunu söyler: SEA-LION, Southeast Asian Languages In One Network'ün kısaltmasıdır. Türkçe bu listede yoktur.

Google'ın Gemma 4 model kartı, ailenin 35'ten fazla dili doğrudan desteklediğini ve 140'tan fazla dilde ön eğitim aldığını yazar; hangi dillerin bu sayılara girdiğini sayfada tek tek saymaz. Qwen'in Qwen3.8-27B model kartı desteklenen diller için bir liste vermez. Bu yüzden Tayca, Endonezce ya da Vietnamca bir iş için Gemma 4 31B'yi ya da Qwen3.8 27B'yi seçecekseniz o dildeki sonucu kendi örneklerinizle kontrol edin; bu yazı iki model için dil hakkında kartların söylediğinden fazlasını söylemez.

• AI Singapore, Qwen-SEA-LION-v4.5-27B-IT model kartı · 2026-10-30
• Google, Gemma 4 model kartı · 2026-10-30
• Qwen, Qwen3.8-27B model kartı · 2026-10-30

Hangi durumda hangisi?

Aşağıdaki seçimler fiyat, pencere, istek biçimi ve yapımcıların dil beyanı farkından çıkar. Çıktı kalitesini kendi örneklerinizle karşılaştırın.

• Yapımcısının saydığı yedi Güneydoğu Asya dilinden birinde, 8.192 token'a sığan destek cevabı, çeviri ya da özet: LLMTR'de Qwen-SEA-LION-v4.5-27B-IT, marscompute/qwen-sea-lion-v4.5-27b; 1 milyon token başına 0,60 $ girdi ve 3,60 $ çıktı.
• 8.192 token'a sığmayan uzun belge ya da uzun konuşma: Gemma 4 31B ya da Qwen3.8 27B; ikisinin de bağlam penceresi 262.144 token.
• Görsel içeren istek, örneğin fotoğraftaki bir fiş ya da bir ekran görüntüsü: Gemma 4 31B ya da Qwen3.8 27B; Qwen-SEA-LION-v4.5-27B-IT görsel parçası taşıyan isteği 400 ile reddeder.
• Araç çağıran bir ajan adımı ya da şemaya uyan JSON: Gemma 4 31B, gemma/gemma-4-31b-it; araç çağırma, json_object ve json_schema. Qwen3.8 27B de araç çağırır.
• Bütçenin öncelikli olduğu yüksek hacimli kısa işler: Gemma 4 31B; bu üç satır içinde girdi ve çıktı fiyatı Gemma 4 31B'de daha düşüktür.
• Aynı uzun sistem mesajını tekrarlayan işler: Qwen3.8 27B'de cached_tokens olarak bildirilen token'lar 1 milyon token başına 0,10 $'dır, öteki iki satırda önbellek indirimi yoktur. Çıktı 2,40 $ olduğu için toplamı kendi istem ve cevap boyunuzla Gemma 4 31B ile karşılaştırın.

Modeller arasında geçerken

Geçiş çoğu zaman model alanını değiştirmekten ibarettir: üç model de aynı uç noktada, aynı OpenAI uyumlu istek biçimiyle çağrılır. Qwen-SEA-LION-v4.5-27B-IT'den Gemma 4 31B'ye ya da Qwen3.8 27B'ye geçerken max_tokens'ı istemle birlikte 8.192'ye sığdırma zorunluluğu kalkar ve araç tanımlarını ya da görsel parçalarını ekleyebilirsiniz. Qwen3.8 27B'de düşünme varsayılan olarak açıktır ve düşünme token'ları çıktı olarak faturalanır; cevap finish_reason length ile dönerse max_tokens'ı artırın. reasoning_effort üç modelde de 400 döner; Gemma 4 31B'de düşünmeyi reasoning: true ya da :think ile açın.

Ters yönde, Gemma 4 31B'den ya da Qwen3.8 27B'den Qwen-SEA-LION-v4.5-27B-IT'ye geçerken tools, response_format ve görsel parçalarını istekten çıkarın, istem metninin yaklaşık 32.000 karakteri geçmediğini kontrol edin ve max_tokens'ı istemle toplamı 8.192'yi aşmayacak şekilde verin. tensorx/qwen3.8-27b-tensorx için hesabınızda TensorX veri aktarım onayını Panel > Ayarlar'daki Veri aktarım onayları kartından verin; onay olmadan istek 403 provider_consent_required döner.

SEA-LION v4.5, Gemma 4 31B ve Qwen3.8 27B'yi aynı işle karşılaştırma

Aynı mesajı üç modele gönderin; cevabı, token kullanımını ve tutarı karşılaştırıp kendi dilinize ve işinize göre model kimliğini seçin.

1. Anahtar ve onay. llmtr.com'da bir API anahtarı oluşturun, bakiye yükleyin ve tensorx/qwen3.8-27b-tensorx için Panel > Ayarlar'dan TensorX veri aktarım onayını verin.
2. Aynı mesaj. Kendi metinlerinizi üç model kimliğiyle https://llmtr.com/v1/chat/completions uç noktasına gönderin; Qwen-SEA-LION-v4.5-27B-IT'de istem ve max_tokens toplamını 8.192'nin altında tutun.
3. Seçim. Cevapları o dili ana dili olarak konuşan biriyle kontrol edin, token sayılarını ve tutarı karşılaştırın, sonra model kimliğini seçin.

Sık sorulan sorular

Qwen-SEA-LION-v4.5-27B-IT Türkçe destekler mi?

Hayır. Türkçe, AI Singapore'un model kartında saydığı diller arasında değildir. Türkçe metin için başka bir modeli kendi örneklerinizle deneyerek seçin; bu yazı Gemma 4 31B ve Qwen3.8 27B için Türkçe hakkında bir şey söylemez.

2.000 token istem ve 500 token cevaplı bir istek ne tutar?

Qwen-SEA-LION-v4.5-27B-IT'de 0,003 $, Gemma 4 31B'de 0,00048 $, Qwen3.8 27B'de 0,002 $. Qwen3.8 27B'de düşünme token'ları da çıktı olarak sayılır.

tensorx/qwen3.8-27b-tensorx neden 403 döndürüyor?

Hesapta TensorX veri aktarım onayı verilmemiştir. Onayı Panel > Ayarlar'daki Veri aktarım onayları kartından verin; onay olmadan istek 403 provider_consent_required döner ve faturalanmaz.

İlgili yazılar

• Qwen-SEA-LION-v4.5-27B-IT API: LLMTR ile ilk istek
• Tayca, Endonezce, Vietnamca ve Malayca için dil modeli API'si
• SEA-LION'da 8.192 token: uzun metin, max_tokens ve maliyet

• Qwen-SEA-LION-v4.5-27B-IT model sayfası
• Gemma 4 31B model sayfası
• Qwen3.8 27B (TensorX) model sayfası
• MarsCompute dokümantasyonu
• Gemma 4 31B dokümantasyonu
• TensorX dokümantasyonu
• Araç çağırma dokümantasyonu
• Görsel girdi dokümantasyonu