Çinli AI büyük modelleri, ABD'yi dokuz hafta önde olmakla birlikte, yoğun programlama senaryolarında gerçek maliyetleri GPT Codex paketlerinden çok daha yüksek. ZhiPu 2025 yılında 3 milyar yuandan fazla zarar etti; Kimi ve diğer paketlerin kotası sınırlı ve yoğun saatlerde trafiğe kısıtlama uygulanıyor. Ana neden, veri merkezlerinin sayısı (Çin'de 449, ABD'de 5427) yetersiz olması nedeniyle Codex benzeri yüksek verimlilikli paketlerin sunulamaması. Şu anda geliştiriciler, performans, fiyat ve kararlılık olmak üzere üç boyutta denge kurmak zorunda; Çinli modeller, yalnızca bazı performans göstergelerinde uluslararası üst düzey modellere yakın olup, genel olarak popüler olmasına rağmen ticari olarak başarı sağlayamıyor.

Yazan ve Kaynak: EnHaber FunTalk

Son bir ayda, Silicon Valley AI dünyası GPT-5.6, fable5 ve Grok-4.5'in ardı ardına piyasaya sürülmesiyle büyük hamleler yaptı.

Bir süre içinde, yerel geliştiriciler ve programcı topluluğu canlanarak, GPT-5.6 gibi öncü modellerle ilgili tartışmalar ve değerlendirmeler yükseldi.

Bu ay Kimi-K3 gibi yeni yerli modeller de ortaya çıkmasına rağmen, genel olarak yerli büyük modeller şu anda birinci sınıf geliştirici topluluğunda “iyi değerlendiriliyor ama yaygın olarak kullanılmıyor” durumunda kalıyor.

En son verilere göre kullanım açısından: OpenRouter'un 22-28 Haziran verilerine göre, Çin modellerinin haftalık kullanım miktarı 2,039 trilyon Token, ABD modelleri ise 425 milyar Token olarak gerçekleşti; Çin modelleri dokuz haftadır önde.

Ancak bununla karşılaştırıldığında, yerel AI altı çetesi gelir performansı pek tatmin edici değil: Kamuya açık finansal raporlar, Zhipu'nun 2025 yılı gelirinin 724 milyon Yuan, kaybının ise 3 milyar Yuanı aştığını gösteriyor; MiniMax ise 79 milyon ABD doları (yaklaşık 570 milyon Yuan); Moonshot ve diğer dört şirket henüz tam yıllık gelirlerini açıklamadı.

Başlıca şirketler olsa bile, gelirleri hâlâ milyarlarca yuan seviyesinde kalıyor.

Karşılaştırıldığında, AI lider şirketlerinden Anthropic'in ARR'si yaklaşık 60-70 milyar dolar seviyesinde olup, ana güç kaynağı B2B API ve AI kodlama senaryolarıdır.

Bu, keskin bir soruyu gündeme getiriyor:

Neden "ucuz" ve "yüksek talepli" olarak tanımlanan yerel modeller, hâlâ AI Coding gibi yüksek değerli senaryolarda uluslararası üst düzey modellere karşı hâlâ yeterince rekabet edemiyor?

Son zamanlarda, birden fazla birinci sınıf geliştiriciyle bu konuda derinlemesine görüşmeler yaparak, çok karşıt bir gerçek keşfettim:

Yerli büyük modeller, bir anlamda oldukça "pahalı".

Tam da bu "pahalılık" nedeniyle, bazı performans açısından ilerleme kaydeden yerli modeller, kendilerinin parlayan yönlerini gerçekten ortaya koyamıyor.

01 “Düşük fiyat” illüzyonu

Yerli büyük modelleri söz konusu ettiğinizde, birçok kişi DeepSeek, Kimi gibi temsilcileri akla getirir ve bunlarla en çok ilişkilendirilen etiketlerden biri de düşük fiyat, ucuza gelir;

Sadece token birim fiyatına bakıldığında, yerel modellerin GPT-5.6 ve Fable 5 gibi en üst düzey modellerle kıyaslandığında gerçekten önemli bir avantajı vardır; GLM-5.2 ve DeepSeek V4 örneğini alalım: GLM-5.2 için milyon token girdi/çıktı fiyatı 1,4/4,4 dolar, DeepSeek-V4-Pro için 0,435/0,87 dolar; GPT-5.6 Sol için 5/30 dolar, Claude Fable 5 için ise 10/50 dolar.

Ancak bu “düşük fiyat” izlenimi, dışarıdaki kişilerin uzun süredir sürdürülen bir yanlış anlayışıdır.

Özellikle yoğun programlama senaryolarında, yerel büyük modellerin birim fiyatı avantajlı değil, hatta paketli GPT ve Claude'den birkaç kat daha pahalı.

Li Guang (takma ad), AI alanında bir araştırmacıdır ve iş gereği, her gün AI kodlama senaryolarında milyarlarca Token tüketmektedir. Bu tüketim miktarında, GLM-5.2 gibi yerel büyük modeller kullanılırsa, toplam maliyet çok korkutucu düzeyde olacaktır.

Li Guang'ın paylaştığı Token hesap özeti

Konuşma gününde Li Guang tarafından tüketilen Token sayısı yaklaşık 4 milyar'a yaklaştı; burada hafif bir hesaplama yapılırsa, eğer GLM-5.2 kullanmışsa, maliyet yaklaşık olarak şöyledir: (86,39 milyon normal giriş × 1,4 dolar + 3,38 milyar önbellek giriş × 0,26 dolar + 19,06 milyon çıktı ve çıkarım × 4,4 dolar) ≈ 1.084 dolar. 1 doların 7,2 yuan olduğu varsayımıyla, yaklaşık 7.800 Çin yuanıdır.

Lee Guang'ın bu kadar serbestçe Token harcamasının nedeni, GPT CodeX paketini açmasıdır,

CodeX paketinin tam olarak nasıl çalıştığını basitçe açıklayalım: Özetle, bu paket programlama senaryoları için tasarlanmıştır; aslında sınırsız değildir, Codex'i ChatGPT aboneliklerine dahil eder: Plus aylık 20 ABD doları, Pro ise aylık 100 ABD dolarından başlar ve miktar, Plus'a göre yaklaşık 5 ila 20 katıdır; limit dolduğunda Credits satın alarak kullanımını devam ettirebilirsiniz.

Benzer şekilde, Anthropic'ın Claude Code'u da benzer bir abonelik paketi sunar: Claude Pro aylık 20 dolar, Max 5x ve Max 20x sırasıyla aylık 100 ve 200 dolar; Claude web sitesi ve Claude Code, her 5 saatlik ve haftalık limiti paylaşır; limit dolduğunda API fiyatı ile devam edilebilir.

Bu paket altlığında, büyük Token maliyeti tamamen ortadan kalktı.

Yerel geliştiriciler için, yoğun AI kodlama senaryolarında günlük milyarlarca, hatta on milyarlarca token tüketmek oldukça yaygın bir durumdur.

Liu, bir AI kodlama yoğun geliştiricisidir ve şirketin masraf ödememesine rağmen Codex üzerinde haftada 300 Çin yuanı harcıyor.

Ancak bu maliyet bile, yerel modellerle karşılaştırıldığında çok daha "ucuz" görünüyor, çünkü aynı 300 yuan ile GLM 5.2'nin eşdeğer token miktarı satın alınamaz.

Xiao Liu'nun Token Faturası

Yerel geliştiriciler için GPT'nin Codex paketi, şu anda satın alınabilecek en ucuz token; ZhiPu ve Kimi'den birkaç kat daha ucuz. Bu tersine algılanabilir, ancak gerçek şu ki, yerel modeller yüksek yoğunluklu kodlama senaryolarında tamamen karşılaştırılamaz.

Şunu belirtmek gerekir: Codex, gerçek anlamda sınırsız bir paket değildir; en üst seviye olan 200 dolar üzerinden haftada yaklaşık 2 milyar limit vardır.

Ancak bazı geliştiriciler, "ara sunucu" gibi yöntemlerle modeli kullandığından, bazı modellerin gerçek maliyeti resmi kanallardan çok daha düşük olabiliyor; bu da bazen daha düşük fiyatlara daha fazla Token satın almanıza olanak tanıyor ve böylece 300 liraya 12 milyar Token satın alma durumu ortaya çıkıyor.

Aslında, yerel modeller fiyatlandırma açısından benzer paketler çıkarmamış değildir; ancak detaylı incelendiğinde, bu paketlerin limitleri Codex'e kıyasla oldukça kısıtlıdır.

02 Yerli fiyatlamanın acısı

Ülkemizdeki büyük modellerin fiyatlandırma durumu, bir cümleyle ifade edilebilir:

Kendi kendine servisli bir yemek yerine girdiğinizi sandınız, ancak sonunda satıcının hâlâ ağırlığa göre ücret aldığını fark ettiniz.

Örneğin, paketler açısından, Çin'deki Kimi ve GLM-5.2: Kimi Code, 49, 99, 199 ve 699 yuan olmak üzere dört seviyede ve krediler haftalık olarak yenilenir; GLM Coding Plan'ın Lite, Pro ve Max sürümleri sırasıyla her 5 saatte yaklaşık 80, 400 ve 1600 Prompt, haftalık olarak yaklaşık 400, 2000 ve 8000 Prompt sunar ve GLM-5.2'nin yoğun saatlerde kredi tüketimi 3 katına çıkar.

Ali'nin Qoder örneğini alarak, B2B müşteri bakımında çalışan bir arkadaşım Ami'nin (takma adı) açıklamasına göre: "Qoder, bir zamanlar en iyi AI IDE'lerden biriydi, ancak kendi yeni fiyatlandırması avantajını yok etti."

Paketler açısından: Qoder CN Kişisel Pro ve Pro+ sırasıyla 59 ve 169 Yuan/ay, 2000 ve 6000 Kredi içerir; Takımlar ve VPC sürümleri ise sırasıyla 99 ve 199 Yuan/kişi/ay, her ikisi de 3000 Kredi içerir; VPC sürümü 50 kullanıcıdan başlamaktadır.

“Bu yıl onlar靈碼'ı birleştirdikten ve fiyatlandırmayı ayarladıktan sonra, bildiğim kadarıyla, en az yirmi ile otuz kadar şirket yenileme yapmayı bıraktı.” A Mi daha sonra açıkladı.

Ami'nin testine göre, Qoder Kurumsal Sürüm 199 paketi, onun kullanım tarzına göre 3 günde tükeniyor; yoğun geliştirici kullanımına göre ise bir günde tükenebilir.

Aynı şekilde, paketler açısından yerel kullanıcıları karışık duygulara iten GLM-5.2'dir.

Geliştirici Xiao Wei'ye göre: "GLM-5.2 paketi neredeyse yok sayılabilir; paket olsa bile yoğun saatlerde hala trafiği kısıtlanıyor ve kullanıcıları 'arkadan vurma' durumu yaşıyor."

36Kr'e göre: GLM-5.2 paketleri, önceki konser biletlerinden bile daha zor alınabiliyordu; her gün sabah onda tam olarak yenilendi ve alıp alamayacağınız tamamen hızınıza bağlıydı.

Ocak 2026'da Zhipu, hesaplama gücü sıkıntısı nedeniyle günlük satış miktarını orijinal miktarın %20'sine düşürdüğünü duyurdu; her gün sabah 10:00'da bir miktar miktar serbest bırakılıyor ve birkaç dakika içinde tükendi.

Sonuçta, yerel modellerin paket ve fiyat konusundaki "cimriliği" temelde yetersiz hesaplama gücü nedeniyle oluşan bir zorluktur.

2025 Çin İletişim ve Bilgi Teknolojileri Enstitüsü ve Sanayi ve Bilgi Teknolojileri Bakanlığı verilerine göre, Çin'de mevcut veri merkezleri sayısı 449, ABD'de ise 5427'dir. Toplam hesaplama gücü açısından Çin 1053 EFLOPS, ABD ise 2400 EFLOPS'tur.

Ancak burada önemli olan: ABD'nin 2.400 EFLOPS'lik hesaplama gücü içinde yüksek performanslı GPU'lar oranı çok yüksek; Çin'in hesaplama gücü içinde ise büyük ölçüde Huawei Ascend, Cambricon gibi yerel çipler bulunuyor ve tek bir çipin performansı H100 ile hâlâ nesil farkı var.

Artan hesaplama gücü talebine karşılık, Mart 2026 itibarıyla ZhiPu, Alibaba Cloud, Tencent Cloud ve Baidu, Token fiyatlarında %5 ile %460 arasında artış yapmıştır.

Açıkçası, yerel modellerin “düşük fiyat” ve “fiyat savaşı” artık geçmişte kalmıştır.

Yerel bir model değil de buffet yapmak istememenin nedeni, hesaplamayı yapmış olmak: Şu anki hesaplama maliyetleri ve zarar durumuyla, aylık abonelik, kullanıcıların sistemi aşırı kullanmamasına dair sabit bir aylık ücretle bahis oynamak demektir. Ülkemizdeki geliştiricilerin ve programcıların günde milyarlarca hatta yüz milyarlarca Token harcaması gibi kullanım biçimleriyle, bu iş modeli çok kısa sürede maliyet çizgisini aşacaktır.

OpenAI ve Anthropic'in programlama paketleri, yüksek varlıklı kurumsal müşterilere satılıyor—Cursor, GitHub Copilot gibi büyük müşteriler, Anthropic'e yıllık 1,4 milyar dolar gelir sağlıyor.

Yüksek hesaplama gücüyle desteklenen bu iş modeli, "sabit aylık ücret" karşılığında "uzun vadeli müşteri tutma" stratejisini benimser; müşteri kalitesi yüksektir ve ARPU oranı da nispeten yüksektir, maliyetler dengelenir.

Karşılaştırıldığında, ülkede Alibaba gibi bir bulut devi olsa da sorun şudur: Alibaba Cloud FY2026 sonrası ayarlanmış EBITA marjı sadece %7,5'tir; Bulut Akıllı Grup gelir büyümesi hızlı olsa da kârı fazla değildir.

Ayrıca, geleneksel bulut sağlayıcıların "sınırsız bulut sunucusu" satmalarının nedeni, kullanıcıların 24 saat boyunca tam yükte olmamalarıdır. Bir ECS'nin gerçek CPU kullanım oranı sadece %10 olabilir; bulut sağlayıcı, bir fiziksel sunucuyu on kişiye aşırı satabilir.

Ancak büyük modellerin çıkarım işlemi farklıdır: Her token için gerçek bir GPU hesaplama gücü tüketilir. Kullanıcı 24 saat boyunca sürekli olarak işlem yaparsa, bulut sağlayıcılarının HBM belleği, GPU çekirdekleri ve elektrik masrafları tamamen sabit giderlerdir ve hiçbir fazladan satış imkanı yoktur.

03 Modelin "Altın Üçgeni"

Fiyat faktörlerinin dışında, yerel geliştiriciler için Codex ve Claude Code'u seçmenin nedeni, kesinlikle güçlü programlama performansıdır.

Ancak performans açısından, yerel modeller bazı önyargılarda düşünüldüğü gibi değil.

Çok sayıda geliştiriciyle görüşmeler sonucu, özellikle GLM-5.2 gibi en son yerel büyük modellerin, test yapma ve hata düzeltme gibi yardımcı ve ikincil görevleri üstlenebileceği yaygın bir görüş ortaya çıkmıştır.

Ancak daha karmaşık ve uzun süreli asenkron görevlerde, yerel modeller şu anda GPT, Claude gibi en üst düzey modellerle büyük bir farka sahiptir.

Geliştirici Xiao Zhang, bu yıl Mart ayında bir yerel model kullanarak programlama yaptı; GLM, Qwen ve GPT ile aynı görevi karşılaştırdı; yalnızca GPT görevi tamamladı ve sayfa gereksinimlerini karşıladı; bu, çok seviyeli ve çok sütunlu içerik karşılaştırması ve sonuç üretimi içeren bir projeydi.

Diğer geliştirici Xiao Wei, deneyimine göre Kimi 2.7 ve Dōubāo 2.1 Pro'nun performansının da iyi olduğunu, ancak genel olarak bir kademe daha zayıf olduğunu (ikinci takımda yer aldığını) belirtti, ancak bunların genel olarak Claude Sonnet 4.6'yi geçtiğini ekledi.

Şu anda geliştirici topluluğunda yaygın olarak kabul edilen görüş, GLM-5.2'nin ilk Opus seviyesine ulaşan yerel model olduğudur.

Gerçek, karmaşık ve uzun süreli asenkron görevlerde kullanılabilir ve yerini almıştır.

Dünya bilgisi gibi birçok boyutta gerçek Opus modeliyle hâlâ büyük bir fark olsa da, bu onun yerel modelde yeni bir yükseklik olmaktan alıkoymaz.

Ancak gerçek şu: Bu, sadece başlangıç aşamasında olan az sayıda “üst düzey” kullanıcı, performansla ilgili olmayan diğer faktörlerle zorlanıyor.

Özellikle önbellek verimliliğinin düşük olması ve yoğun saatlerde hala hız sınırlaması uygulanması gibi faktörler, geliştiricilerin gerçek deneyimini kötüleştiriyor.

Bu, mevcut model karşılaştırmalarındaki başka bir boyutu ortaya çıkarıyor: istikrar.

Birinci çizgi geliştiriciler ve programcıların deneyiminde, model seçimi artık basit bir performans karşılaştırması değil,而是—

Performans—Fiyat—Stabilite'nin "Altın Üçgeni".

Bu üç boyutta, yerel modeller sadece birinci boyuttaki bazı göstergeleri elde etti.

Son zamanlarda, Çin'deki Kimi, 2,8 trilyon parametre, yerel çokmodallik ve 1.000.000 Token bağlamına sahip, uzun mesafeli programlama, bilgi işleri ve derin çıkarımlara odaklanan açık ağırlıklı en üst düzey modeli K3'ü yayınladı.

Çok sayıda değerlendirme arasında, Artificial Analysis üzerindeki zeka indeksi 57 puanla küresel olarak üçüncü sırada; Arena ön uç programlama listesinde ise 1679 puanla birinci oldu ve performansının Claude Fable 5 ile yarışabileceğine dair söylentiler dolaşıyor.

Ancak, parlak puanlar ve sıralamaların ardında, geliştiricilerin en çok endişelendiği bir kelime: fiyat performans oranı.

K3'ün piyasaya sürülmesinden sonra birçok geliştirici, Kimi'nin hâlâ Codex ile karşılaştırıldığında maliyet-verimlilik açısından pahalı olduğunu ve miktarın yetersiz olduğunu belirtti. API fiyatlarına yalnızca bakıldığında K3, “ucuz” olarak kabul edilemez: her milyon Token önbellekleme/giriş/çıkış için sırasıyla 2/20/100 Yuan; GPT-5.6 Sol için 0,5/5/30 ABD Doları; K3, Sol'dan daha düşük olsa da, GPT-5.6 Luna'nın 0,1/1/6 ABD Doları ile açıkça daha yüksek.

K3 kullanılırken geliştiriciler, API bağlantısının kesildiğini ve hatta sabah boyu kesildiğini belirtti.

Şu anki duruma göre, yerel geliştiriciler yerel modeller için ödeme yapmak istemiyor değil, ancak yerel modeller şu anda hesaplama gücü kısıtlı ve maliyet yüksek olduğu için Codex gibi maliyet-verimlilik açısından uygun paketleri açamıyor ve sadece görünürde buffet tarzı, aslında sınırlı olan “Dazhong Dianping paketi” (Zhipu’nun Coding Plan’ı gibi) açabiliyor.

Paketlerin deneyimi istikrarsız ve maliyet-etkinliği belirsiz olduğu için kullanıcılar kullanım sonrası tutulamıyor. Bu, şu anda hesaplama kapasitesi altyapısı maliyetlerinin yüksek olduğu durumda kullanıcıların rasyonel bir seçimidir.

Bu, başkalarının moralini yükseltmek veya kendi cesaretimizi kırmak için değil, yalnızca bir riski hatırlatmak içindir.

Şu anda, yerel modeller, GPT ve Claude'yi yakalamak yolunda performansa büyük vurgu yapıyor, ancak yerel büyük modellerin geliştirilmesinden uygulamaya kadar tırmanması gereken, sadece performans değil, çok daha fazla da dağ var.

Beklememiz gerekiyor; yerli hesaplama altyapısının büyük ölçekli üretime geçip, teknoloji, fiyat ve istikrar açısından bir güç oluşturması için. O zaman ürünümüz kullanıcı beklentilerini karşılayabilecektir.