Geliştiriciler için LLM API Liderlik Tablosu: Canlı Fiyatlandırma Özeti ve Sıralamaları Okuma Kılavuzu

Kısa cevap: Her kullanım durumu için her modeli doğru şekilde sıralayan tek bir yetkili "LLM API liderlik tablosu" yoktur; çünkü kıyaslama (benchmark) liderlik tabloları, arena oylama liderlik tabloları ve kullanım tabanlı liderlik tabloları birbirinden farklı üç şeyi ölçer. Aşağıda, TokenLab'in canlı model verilerinden (09.07.2026 tarihinde gözlemlenmiştir) alınan yoğunlaştırılmış bir fiyatlandırma ve bağlam penceresi (context window) özeti ile sizi yanlış metriğe göre model seçmekten koruyacak okuma kuralları yer almaktadır. Eğer yetenek puanlarına (MMLU, HumanEval, arena Elo) ihtiyacınız varsa, bu veri seti bunları içermemektedir; bu eksiklik, uydurma rakamlarla doldurulmak yerine açıkça belirtilmiştir.

Temel Çıkarımlar

• Aşağıdaki tablo, bir yetenek sıralaması değil, çıktı token maliyetine göre sıralanmış bir fiyatlandırma/bağlam özetidir. Bu özel modeller için yetenek kıyaslama puanları bu veri setinde yer almamaktadır ve ayrıca doğrulanmalıdır.
• Token başına daha ucuz fiyatlandırma, her zaman tamamlanan görev başına daha ucuz maliyet anlamına gelmez. Aşağıdaki uygulamalı örnek, liste fiyatına güvenmek yerine görev başına gerçek maliyetin nasıl hesaplanacağını göstermektedir.
• Göreve özel karşılaştırmalar (kodlama, görsel, video), genel amaçlı liderlik tablolarından daha iyi bir üretim uyumu tahmini sunar.
• TokenLab'in canlı fiyatlandırma verileri, belirli bir anın (09.07.2026) anlık görüntüsüdür. Model fiyatlandırması sık sık değişir; bir bütçe ayırmadan önce tekrar doğrulayın.
• OpenRouter'ın model listesi gibi kullanım hacmi liderlik tabloları, bir popülerlik ve maliyet verimliliği sinyalidir, kalite puanı değildir.

Kaynak Özeti

Veri kaynağı	Kapsadığı alan	Gözlem tarihi	Notlar
TokenLab canlı model/fiyatlandırma veri özeti	TokenLab kataloğundaki modeller için giriş/çıkış token başına fiyatlandırma ve bağlam pencereleri	09.07.2026	Aşağıdaki fiyatlandırma tablosunun temelidir
Resmi sağlayıcı kıyaslama sayfaları (MMLU, HumanEval, arena Elo, LiveBench)	Yetenek puanları	Bu veri setinde mevcut değil	Bu makalede herhangi bir özel kıyaslama puanı iddia edilmemektedir; yetenek sıralamasını bir karar girdisi olarak kullanmadan önce doğrudan sağlayıcı veya kıyaslama sitesini kontrol edin
Toplayıcı/kullanım liderlik tabloları (ör. OpenRouter model listesi)	Kullanım hacmi ve piyasa fiyatlandırma sinyali	Bu güncelleme için yeniden doğrulanmadı	Alıntılanan bir veri noktası değil, kategori örneği olarak ele alınmıştır; güncel rakamları doğrudan kaynaktan teyit edin

Canlı Fiyatlandırma Özeti: Çıktı Token Maliyetine Göre Sıralanmıştır

Bu bir kıyaslama liderlik tablosu değil, fiyatlandırma liderlik tablosudur. Modelleri TokenLab'in canlı çıktı token fiyatına göre en ucuzdan en pahalıya sıralar. Bütçenize göre adayları kısa listeye almak için kullanın, ardından taahhütte bulunmadan önce kendi değerlendirmenizi (eval) yapın.

Sıra	Model (TokenLab etiketi)	Sağlayıcı	Bağlam penceresi	Giriş $/MTok	Çıkış $/MTok	Kaynak	Gözlem
1	DeepSeek V4 Flash	DeepSeek	1,048,576	$0.090	$0.180	TokenLab canlı fiyatlandırma verisi	09.07.2026
2	DeepSeek V4 Pro	DeepSeek	1,048,576	$0.435	$0.870	TokenLab canlı fiyatlandırma verisi	09.07.2026
3	MiniMax M3	MiniMax	1,048,576	$0.300	$1.200	TokenLab canlı fiyatlandırma verisi	09.07.2026
4	Qwen3.7 Plus	Alibaba	1,000,000	$0.320	$1.280	TokenLab canlı fiyatlandırma verisi	09.07.2026
5	GLM-5.2	Z.AI	1,048,576	$0.930	$3.000	TokenLab canlı fiyatlandırma verisi	09.07.2026
6	Kimi K2.7 Code	Moonshot AI	262,144	$0.740	$3.500	TokenLab canlı fiyatlandırma verisi	09.07.2026
7	Gemini 3.5 Flash	Google	1,048,576	$1.500	$9.000	TokenLab canlı fiyatlandırma verisi	09.07.2026
8	Claude Sonnet 5	Anthropic	1,000,000	$2.000	$10.000	TokenLab canlı fiyatlandırma verisi	09.07.2026
9	GPT-5.5 Batch/Flex	OpenAI	1,050,000	$2.500	$15.000	TokenLab canlı fiyatlandırma verisi	09.07.2026
10	Claude Opus 4.8	Anthropic	1,000,000	$5.000	$25.000	TokenLab canlı fiyatlandırma verisi	09.07.2026
11	GPT-5.5	OpenAI	1,050,000	$5.000	$30.000	TokenLab canlı fiyatlandırma verisi	09.07.2026
12	Claude Fable 5	Anthropic	1,000,000	$10.000	$50.000	TokenLab canlı fiyatlandırma verisi	09.07.2026

Farkı fark edin: Claude Fable 5'in çıktı token maliyeti, DeepSeek V4 Flash'ın yaklaşık 278 katıdır. Bu tablodaki hiçbir konum, hangi modelin görevinizi gerçekten doğru şekilde tamamladığını söylemez; bu, aşağıdaki uygulamalı örnekte ele alınan ayrı bir sorudur.

Herhangi bir modelle geliştirme yapmadan önce güncel fiyatlandırma ve tam model listesi için TokenLab model dizinini kontrol edin, çünkü sağlayıcı fiyatlandırması anlık görüntüler arasında değişebilir.

Bir Liderlik Tablosu Numarası Gerçekte Neyi Ölçer?

Bir sıralamaya güvenmeden önce, neyin puanlandığını belirleyin. "Liderlik tablosu" kelimesi altında üç farklı tür ortaya çıkar:

Kıyaslama tabanlı liderlik tabloları, modelleri sabit test setlerinde (MMLU, HumanEval, GPQA ve benzeri) sıralar. Bunlar, sizin istemlerinizde, veri formatınızda veya gecikme bütçenizde değil, o test setindeki yeteneği ölçer. Bu makale, yukarıdaki modeller için belirli kıyaslama puanlarına atıfta bulunmamaktadır çünkü bu güncelleme için kaynaklı bir kıyaslama verisi mevcut değildi; güncel puanları doğrudan kıyaslama sağlayıcısının sitesinden doğrulayın.

Arena tarzı liderlik tabloları, ikili insan veya model tarafından değerlendirilen oyları kullanır. Kısa etkileşimlerde algılanan kaliteyi yakalarlar ve genellikle ayrıntılı, uyumlu yanıtları ödüllendirirler. Bu önyargı, kısalığın ve format uyumluluğunun konuşma tarzından daha önemli olduğu yapılandırılmış çıktı veya kod oluşturma görevlerine tam olarak uymaz.

Toplayıcı/kullanım liderlik tabloları, bir platformdaki trafik hacmine göre sıralama yapar (OpenRouter'ın model listesi bu kategorinin yaygın olarak alıntılanan bir örneğidir). Bu, gerçek API tüketicileri arasında bir popülerlik ve maliyet verimliliği sinyalidir, bir yetenek puanı değildir. Bir model, zorlu akıl yürütme görevlerinde kazandığı için değil, ucuz ve yaygın olarak benimsendiği için üst sıralarda yer alabilir.

Bunların hiçbiri yanlış değildir. Farklı sorulara yanıt verirler. Hata, herhangi bir liderlik tablosu türünü entegrasyonunuz için "en iyi model" konusunda evrensel bir hüküm olarak görmektir.

Token Başına Fiyat vs. Görev Başına Fiyat: Uygulamalı Bir Örnek

Bu, çoğu sıralamanın atladığı hesaplamadır. İşte yukarıdaki fiyatlandırma özetini kullanan, açıklayıcı olarak etiketlenmiş somut bir izlenecek yol; böylece yöntemi görebilir ve 500 dolarlık bir kör test yapmak yerine kendi ölçtüğünüz rakamları yerine koyabilirsiniz.

Senaryo: 2.000 token'lık bir destek biletinden yapılandırılmış JSON çıkarma, yanıt başına yaklaşık 300 çıktı token'ı bekleniyor. Yukarıdaki tablodan DeepSeek V4 Flash ile Claude Sonnet 5'i karşılaştırıyoruz.

Tek bir API çağrısı başına maliyet (yeniden denemelerden önce):

• DeepSeek V4 Flash: (2.000 x $0,090 + 300 x $0,180) / 1.000.000 = Çağrı başına $0,000234
• Claude Sonnet 5: (2.000 x $2,000 + 300 x $10,000) / 1.000.000 = Çağrı başına $0,007000

Şimdi (bu yeniden deneme oranları formülü göstermek için varsayımsal kabullerdir, ölçülmüş veriler değildir) daha ucuz modelin, vakaların %40'ında yeniden deneme gerektirecek kadar sık hatalı JSON ürettiğini (tamamlanan görev başına ortalama 1,4 çağrı), daha pahalı modelin ise vakaların %2'sinde yeniden deneme gerektirdiğini (tamamlanan görev başına ortalama 1,02 çağrı) varsayalım:

• DeepSeek V4 Flash tamamlanan görev başına efektif maliyet: $0,000234 x 1,4 = $0,000328
• Claude Sonnet 5 tamamlanan görev başına efektif maliyet: $0,007000 x 1,02 = $0,007140

Ucuz model için oldukça karamsar bir yeniden deneme varsayımıyla bile, bu varsayımsal durumda tamamlanan görev başına hala yaklaşık 21 kat daha ucuzdur. Önemli olan formül:

Tamamlanan görev başına maliyet = (başarı için gereken ortalama çağrı sayısı) x (giriş_token'ları x giriş_fiyatı + çıkış_token'ları x çıkış_fiyatı) / 1.000.000

Bunu kendi ölçtüğünüz yeniden deneme oranınızla çalıştırın (gerçek istemlerinize karşı 50-100 isteklik bir örneklemden gerçek hatalı çıktı oranlarını kaydedin) ve her iki yöne de varsayımda bulunmayın. 10 katlık bir token başına fiyat farkı genellikle orta düzeydeki yeniden deneme oranı farklarında hayatta kalır; sadece ucuz modelin hata oranı pahalı olana göre aşırı yüksek olduğunda veya aynı görev için çıktı uzunluğu modeller arasında keskin bir şekilde farklılık gösterdiğinde değişir. Bu, yukarıdaki belirli modeller için bu veri setinde kıyaslanmamıştır; bunu bir yöntem olarak ele alın, herhangi bir modelin gerçek dünya yeniden deneme oranı hakkında bir hüküm olarak değil.

Kendi rakamlarınızı hızlıca alın: İş hattınızdan 50 gerçek istek çekin, bunları TokenLab model dizininden seçtiğiniz 2-3 kısa listeli modelle çalıştırın, başarı/başarısızlık ve token sayılarını kaydedin, ardından bunları yukarıdaki formüle yerleştirin. Bu, herhangi bir halka açık liderlik tablosunun toplu puanına güvenmekten daha ucuz ve daha alakalı bir testtir.

Genel Liderlik Tabloları vs. Göreve Özel Sıralamalar

Genel bir kıyaslama toplamında üst sıralarda yer alan bir model, özel iş hattınız için yine de kötü bir uyum olabilir. Genel liderlik tabloları; akıl yürütme, yazma ve matematik genelindeki performansı ortalar. Bir kodlama asistanı, görsel iş hattı veya video oluşturma özelliği oluşturuyorsanız, bu harmanlanmış ortalamanın konuyla ilgisi neredeyse yoktur.

Göreve özel karşılaştırmalar, üretim kararları için daha tahmin edicidir:

• Kod oluşturma ve inceleme iş akışları için, genel sohbet kalitesinden ziyade kodlamaya özel görevlere bakan 2026'nın en iyi kodlama yapay zeka modellerine bakın. TokenLab kataloğundaki mevcut kodlama ile ilgili adaylar arasında Claude Sonnet 5, Kimi K2.7 Code, DeepSeek V4 Pro ve DeepSeek V4 Flash bulunmaktadır.
• Üretken görsel iş yükleri için, bir metin modeli liderlik tablosu yerine 2026'nın en iyi yapay zeka görsel modelleri API'sine bakın. TokenLab'in canlı verilerindeki görsel fiyatlandırması, metin modellerinden farklı olarak görsel başına veya token başına yapılandırılmıştır (örneğin, Flux modelleri token başına değil, görsel başına fiyatlandırılır), bu nedenle bir metin liderlik tablosu sıralaması size görsel maliyeti hakkında hiçbir şey söylemez.
• Video oluşturma API'leri için, 2026'nın en iyi yapay zeka video modelleri API'si, Veo 3 gibi saniye başına fiyatlandırma modellerini ve Pixverse gibi maliyetin token sayısından ziyade klip süresiyle ölçeklendiği sağlayıcıları kapsar.
• Doğrudan bir satıcı seçmek yerine bir toplayıcı aracılığıyla birden fazla sağlayıcı arasında yönlendirme yapıyorsanız, OpenRouter karşılaştırması, yönlendirme tabanlı fiyatlandırmanın ve model seçiminin tek bir sağlayıcı API entegrasyonundan nasıl farklılaştığını kapsar.

Sınırlama: İş yükünüz çok modluysa (tek bir istekte metin artı görsel veya video), seçtiğiniz model için tam istek/yanıt yükü şekli, o sağlayıcının güncel API belgelerinde doğrulanmalıdır. Bu güncelleme için veri setinde hiçbir şey sağlanmadığından, bu makalede hiçbir çok modlu yük şeması iddia edilmemektedir.

Herhangi Bir Liderlik Tablosunu Okumak İçin Pratik Bir Kontrol Listesi

Kontrol	Neden önemli?
Sıralanan metrik nedir: kıyaslama puanı, arena oylaması mı yoksa kullanım hacmi mi?	Sıralamanın yeteneği, algılanan sohbet kalitesini mi yoksa popülerliği mi yansıttığını belirler
Fiyatlandırma, giriş ve çıkış ayrılarak token başına mı gösteriliyor?	Harmanlanmış fiyatlandırma gerçek maliyet farklarını gizler ve çıktı token'ları genellikle daha yüksek fiyatlandırılır
Veriler güncel mi, son 30-60 gün içinde kontrol edildi mi?	Model fiyatlandırması ve sürümleri, eski anlık görüntülerin mevcut maliyeti yanlış temsil edeceği kadar sık değişir
Kaynak, özel görevinizi (kodlama, görsel, video, genel sohbet) kapsıyor mu?	Genel sıralamalar göreve özel performansı tahmin etmez
Bağlam penceresi ve hız sınırları, kalite veya fiyat puanının yanında listelenmiş mi?	Küçük bir bağlam penceresine sahip yüksek puanlı bir model, parçalama (chunking) olmadan iş yükünüze uymayabilir
Sağlayıcıya, modaliteye ve fiyat katmanına göre filtreleyebiliyor musunuz?	Filtreleme yeteneği, kaynağın kararlar için mi yoksa pazarlama için mi oluşturulduğunu gösterir

Bir kaynak bu kontrollerin ikisinden fazlasında başarısız olursa, sıralamasını nihai bir cevap olarak değil, araştırma için bir başlangıç noktası olarak kabul edin.

Bu Veri Setinin Sınırlamaları

• Yukarıdaki fiyatlandırma tablosundaki belirli modeller için üçüncü taraf kıyaslama puanları (MMLU, HumanEval, arena Elo, LiveBench) bu makalenin verilerine dahil edilmemiştir. Bir seçim faktörü olarak kullanmadan önce güncel puanları doğrudan kıyaslama sağlayıcısı ile doğrulayın.
• Uygulamalı örnekteki yeniden deneme oranı ve token enflasyonu rakamları, bir görev başına maliyet formülünü göstermek için kullanılan açıklayıcı varsayımlardır. Bunlar herhangi bir özel model için ölçülmüş veriler değildir ve gerçek dünya yeniden deneme oranları olarak alıntılanmamalıdır.
• Gecikme ve iş hacmi, yukarıda listelenen hiçbir model için bu veri setinde kıyaslanmamıştır.
• Fiyatlandırma özeti, TokenLab'in 09.07.2026 tarihinde gözlemlenen canlı verilerini yansıtır. Fiyatlar, kullanılabilirlik ve bağlam pencereleri bu tarihten sonra değişebilir; bir rotayı kesinleştirmeden önce TokenLab model dizinini tekrar kontrol edin.
• Toplayıcı/kullanım liderlik tablosu rakamları (ör. OpenRouter model listesi), bu güncelleme geçişinde canlı rakamlarla yeniden doğrulanmamış, kategori örneği olarak referans verilmiştir.

Sıralamaları Canlı Bir Model Dizini ile Çapraz Referanslama

Statik liderlik tabloları hızla eskir. Bir modelin fiyatı veya kullanılabilirliği, özellikle sağlayıcılar oranları ayarladıkça veya eski sürümleri kullanımdan kaldırdıkça, bir liderlik tablosunun son güncellemesinden sonraki haftalar içinde değişebilir. Taahhütte bulunmadan önce herhangi bir sıralamayı canlı, sık güncellenen bir kaynakla çapraz kontrol edin.

Model sıralamalarına göz atarak, üç ayrı kaynağı manuel olarak çapraz referanslamak yerine, güncel fiyatlandırmanın yanı sıra kullanım, maliyet katmanı ve görev uyumu sinyallerini tek bir görünümde görün.

Sıralamaları Bir Karara Dönüştürme

Hangi liderlik tablosu türünün sorunuza gerçekten yanıt verdiğini belirledikten ve fiyatlandırmayı güncel bir kaynakla doğruladıktan sonra, kısa listenizi 2-3 modele indirin ve bunları bir kıyaslamanın test setine karşı değil, kendi istemlerinize karşı test edin. Sıralamalar size neyin makul olduğunu söyler. Kendi verileriniz üzerinde, yukarıdaki görev başına maliyet formülünü kullanarak yapacağınız küçük bir değerlendirme, ürününüz için neyin doğru olduğunu söyler.

Kısa liste testinizi çalıştırmadan önce modalite, fiyat ve bağlam penceresine göre filtreleme yapabileceğiniz TokenLab model dizininde başlayın.

SSS

LLM liderlik tablosu ile LLM API liderlik tablosu arasındaki fark nedir? Genel bir LLM liderlik tablosu, genellikle API erişimi, fiyatlandırma veya hız sınırları referansı olmaksızın, kıyaslamaları veya insan oylarını kullanarak ham model yeteneğini sıralar. Geliştiriciler için bir LLM API liderlik tablosu; bir modelin sadece sabit bir test setinde iyi puan alıp almadığını değil, üretim entegrasyonunda kullanılabilir olup olmadığını belirleyen operasyonel ayrıntıları, token başına fiyatı, bağlam penceresini ve kullanılabilirliği içermelidir.

Yukarıdaki fiyatlandırma tablosu bir kıyaslama liderlik tablosu mudur? Hayır. Bu, TokenLab'in canlı model verilerinden alınan, çıktı token maliyetine göre sıralanmış bir fiyatlandırma özetidir. Bu modeller için yetenek kıyaslama puanlarını içermez çünkü bu güncelleme için kaynaklı bir kıyaslama verisi mevcut değildi. Bunu bütçeye göre kısa listeye almak için kullanın, ardından yeteneği kendi değerlendirmenizle veya özel bir kıyaslama kaynağıyla doğrulayın.

OpenRouter'ın model listesi gibi kullanım tabanlı sıralamalara güvenmeli miyim? Kullanım tabanlı sıralamalar, tek bir kıyaslama çalışmasından ziyade gerçek trafiği yansıttıkları için gerçek geliştiriciler arasında neyin popüler ve uygun maliyetli olduğuna dair yararlı bir sinyaldir. Ancak popülerlik, göreviniz için en iyi uyum anlamına gelmez. En çok kullanılan modelin iş yükünüz için doğru olduğunu varsaymadan önce, yüksek kullanımlı modelleri göreve özel karşılaştırmalarla çapraz kontrol edin.

Pahalı bir test yapmadan, daha ucuz bir modelin özel görevim için gerçekten daha ucuz olup olmadığını nasıl anlarım? İş hattınızdan 50-100 gerçek istek çekin, bunları 2-3 kısa listeli modelle çalıştırın ve deneme başına token sayılarını artı başarı/başarısızlık durumlarını kaydedin. Bu makaledeki görev başına maliyet formülünü uygulayın: (başarıya ulaşmak için ortalama çağrı sayısı) x (giriş token'ları x giriş fiyatı + çıkış token'ları x çıkış fiyatı) / 1.000.000. Bu, liste fiyatından tahmin etmek veya büyük bir teste taahhütte bulunmak yerine, küçük, ucuz bir örneklemden gerçek bir rakam elde etmenizi sağlar.

Bir model kararı almadan önce fiyatlandırmayı ne sıklıkla tekrar kontrol etmeliyim? Sağlayıcıların fiyatlandırmayı ne sıklıkla güncellediği ve yeni model sürümleri yayınladığı göz önüne alındığında, 30-60 günden eski herhangi bir fiyatlandırma anlık görüntüsünü potansiyel olarak eski kabul edin. Entegrasyonunuzu kesinleştirmeden hemen önce TokenLab model dizinindeki güncel fiyatlandırmayı ve kullanılabilirliği tekrar doğrulayın.