--- title: "DigitalOcean'ın Yeni Çıkarım Yönlendiricisi (Inference Router) Basit İstemler İçin Hangi Modelleri Seçiyor?" url: https://blog.edumints.com/digitalocean-in-yeni-cikarim-yonlendiricisi-inference-router-basit category: "LLM" date: 2026-10-22T09:05:09.844Z publisher: Edumints Blog lang: tr-TR source_name: "dev.to" source_url: https://dev.to/remdore/what-digitaloceans-new-inference-router-picks-for-simple-prompts-19i --- # DigitalOcean'ın Yeni Çıkarım Yönlendiricisi (Inference Router) Basit İstemler İçin Hangi Modelleri Seçiyor? 12 Ekim itibarıyla DigitalOcean, Inference (Çıkarım) platformundaki yönlendirme (routing) çalışma mantığını değiştirdi. Eskiden `router:general`, `router:software-engineering`, `router:writing` ve `router:knowledge-base-document` olmak üzere dört hazır yönlendirici bulunuyordu. Artık tek bir model adı (`inference-router`) ve isteğe bağlı olarak `balanced` (dengeli), `budget` (bütçe) veya `quality` (kalite) şeklinde üç `routing_preference` (yönlendirme tercihi) seçeneği mevcut. Siz isteği gönderiyorsunuz, yönlendirici modeli seçiyor ve dönen yanıt hangi modelin seçildiğini, dolayısıyla hangisi için ödeme yapacağınızı size bildiriyor. Küçük bir uygulamanın gün boyu gönderdiği sıradan istekler (tek satırlık kod sorusu, basit aritmetik, kibar bir e-posta, "merhaba" mesajı) için bu yeni yönlendiricinin hangi modelleri seçtiğini görmek amacıyla kapsamlı bir test gerçekleştirildi. Aynı 20 istem; dört eski hazır ayara, üç farklı tercihle yeni yönlendiriciye ve doğrudan dört sabit modele gönderilerek her çağrı için seçilen model, token sayısı ve süre kayıt altına alındı. ## Test Kurulumu Her biri kısa yanıtlara sahip yirmi kısa istem kullanıldı: - **Kod (code):** Bir metni ters çevirmek için tek satırlık Python kodu, en büyük beş dosyayı bulmak için bash komutu, bir KeyError çözümü, ikinci en yüksek maaşı bulan SQL sorgusu, posta kodu (ZIP code) regex ifadesi. - **Akıl Yürütme (reasoning):** 17 × 23 işlemi, tren varış saati hesabı, bir tasım (syllogism) sorusu, küçük bir Django uygulaması için Kubernetes mi yoksa tek bir sanal makine (VM) mi tercihi. - **Yazma (writing):** Ürün tanıtım yazısı, daha kibar bir yeniden yazım, dört satırlık şiir, toplantı reddi mesajı, tek cümlelik özet, Almanca çeviri. - **Genel Kültür (trivia):** Avustralya'nın başkenti, Middlemarch kitabının yazarı. - **Ekli Belge Sorusu:** Hiçbir şey eklenmemiş olmasına rağmen "ekteki politika belgesi" hakkında bir soru. - **Selamlama:** "hi" (merhaba). - **Liste:** Üç mülakat ipucu. Her çağrı, yalnızca `max_tokens: 600` parametresi ayarlanarak `https://inference.do-ai.run/v1/chat/completions` adresine gönderildi ve 15 Ekim tarihli DigitalOcean fiyatlandırma sayfasındaki girdi/çıktı oranlarıyla fiyatlandırıldı. Altı istemin yanıtı bir betik tarafından doğrulanabilir nitelikteydi (`391`, `17:15`, `Canberra`, `George Eliot`, `"no"`, `[::-1]`). Tüm yapılandırmalar bu soruların tamamını doğru yanıtladı; dolayısıyla bu analiz hangi modelin daha zeki olduğuyla değil, doğrudan **maliyet ve davranış** biçimiyle ilgilidir. ## Yeni Yönlendirici Neleri Seçti? Her üç tercih de istemlerin büyük çoğunluğu için **Kimi K3** modelini seçti: - **balanced:** 14 Kimi K3, 3 GPT-6 Astra, 2 Claude Opus 5.5, Diğer: GLM-5.3 - **budget:** 15 Kimi K3, 1 GPT-6 Astra, 2 Claude Opus 5.5, Diğer: Sonnet 5.5, GLM-5.3 Flash - **quality:** 14 Kimi K3, 3 GPT-6 Astra, 2 Claude Opus 5.5, Diğer: GLM-5.3 Flash Kimi K3, milyon girdi tokenı başına 3$ ve milyon çıktı tokenı başına 15$ maliyete sahiptir. Testteki en pahalı model olan GPT-6 Astra ise 10$ ve 50$ olarak fiyatlandırılmaktadır. Astra, her üç tercihte de *"Avustralya'nın başkenti neresidir? Tek kelime."* sorusunu aldı ve beş token ile *"Canberra"* yanıtını verdi. `budget` (bütçe) tercihi diğer ikisinden neredeyse hiç farklılık göstermedi. Yalnızca birer kez Sonnet 5.5 ve GLM-5.3 Flash seçerken, geri kalan her şeyi Kimi K3, Opus veya Astra'ya gönderdi. Dokümantasyonda `budget` seçeneğinin *"kaliteyi hâlâ tarttığı, bu yüzden en ucuz modelin otomatik olarak kazanmadığı"* belirtilse de, bu basit istemlerde tek bir istisna dışında hiçbir zaman ucuz bir model seçilmedi. ## Maliyet ve Performans Tablosu Aynı 20 istemin tek geçişlik sonuçlarına göre 1.000 istek başına maliyet, ortanca gecikme süresi (median latency) ve boş yanıt sayıları şu şekildedir: - **inference-router, budget:** 5.55$ maliyet | 9.0 sn gecikme | 3 boş yanıt - **inference-router, quality:** 5.04$ maliyet | 8.3 sn gecikme | 3 boş yanıt - **inference-router, balanced:** 4.94$ maliyet | 6.7 sn gecikme | 2 boş yanıt - **Kimi K3 (doğrudan):** 5.92$ maliyet | 7.7 sn gecikme | 4 boş yanıt - **Claude Opus 5.5 (doğrudan):** 3.48$ maliyet | 2.9 sn gecikme | 0 boş yanıt - **Eski router:general:** 0.31$ maliyet | 2.9 sn gecikme | 3 boş yanıt - **Claude Haiku 5.5 (doğrudan):** 0.07$ maliyet | 2.0 sn gecikme | 0 boş yanıt - **DeepSeek V4 Flash (doğrudan):** 0.05$ maliyet | 2.5 sn gecikme | 0 boş yanıt Bu istem setinde yeni yönlendiriciyi kullanmak, her istek için doğrudan **Claude Opus 5.5** çağırmaktan daha pahalıya mal oldu, iki kattan fazla zaman aldı ve Opus'un hiç boş yanıt döndürmediği yerde boş yanıtlar üretti. Üstelik `budget` seçeneği, üç tercih arasında **en pahalı** olanıydı. En küçük örnek olan `"hi"` isteminde bile maliyet ve gecikme farkı açıkça görüldü. **Pratik Çıkarımlar:** Yazılım geliştirme süreçlerinde otomatik model yönlendiricilere (model routers) körü körüne güvenmek, basit görevlerde bile beklenmedik maliyet artışlarına ve yüksek gecikme sürelerine yol açabilir. Üretim ortamında `budget` gibi etiketlere güvenmek yerine, kendi iş yükünüzü temsil eden küçük bir veri setiyle **Claude Haiku 5.5** veya **DeepSeek V4 Flash** gibi hızlı ve ekonomik modelleri doğrudan test etmek hem bütçeyi hem de kullanıcı deneyimini korumanızı sağlar. [](https://dev.to/remdore/what-digitaloceans-new-inference-router-picks-for-simple-prompts-19i) --- Bu konuyu derinlemesine öğrenmek isterseniz: [Modeller: Hangisi, Ne Zaman?](https://edumints.com/kesfet/google-ai-studio-kullanm-rehberi-joou) modülüne göz atın. --- **Kaynak:** dev.to (https://dev.to/remdore/what-digitaloceans-new-inference-router-picks-for-simple-prompts-19i) **Yayıncı:** [Edumints Blog](https://blog.edumints.com) · Alıntılarken bu URL'ye bağlantı verin: https://blog.edumints.com/digitalocean-in-yeni-cikarim-yonlendiricisi-inference-router-basit