Google, 13 Ağustos 2026'da duyurduğu Gemini 3.7 Flash'ı yazılım geliştirme ve çok adımlı ajan işleri için konumlandırıyor. Bu, Eylül ayında yeniden tanıtılmış bir model değil; Ağustos duyurusunun geliştiriciler açısından değerlendirmesi. Şirketin paylaştığı test sonuçları ile belirli bir ekibin kendi deposunda alacağı sonuçları ayrı tutmak gerekiyor.

Duyuruda yıl sonuna kadar bir milyon girdi tokenı için 0,75 dolar, çıktı tokenı için 3,75 dolar tanıtım fiyatı veriliyor. Google, 1 Ocak 2027 için sırasıyla 1,50 ve 7,50 dolar belirtiyor. Bunlar şirketin ilan ettiği API tarifeleri; vergi, diğer araçlar ve bir uygulamanın toplam işletme gideri bu iki sayıdan ibaret değil.

Daha ucuz model, her görevde daha ucuz sonuç demek mi?

Örnek olarak bir hatanın çözümünü düşünelim. İlk denemede çalışan bir yama ile aynı depoyu tekrar tekrar okuyan beş başarısız deneme aynı iş için farklı miktarda kaynak tüketir. Karşılaştırmada tamamlanan görev başına toplam token, deneme sayısı, test süresi ve insanın düzeltmeye ayırdığı zaman birlikte tutulmalı. Bu bir hesaplama yöntemi önerisi; burada ölçülmüş bir NetMercek performans sonucu sunmuyoruz.

Google, FrontierCode 1.1 Main ve DeepSWE v1.1 gibi değerlendirmelerde önceki modele göre iyileşme bildiriyor. Buna karşılık tek bir yüzde, sizin uygulamanızın test kapsamını, özel kütüphanelerini veya yıllardır biriken tasarım kararlarını temsil etmez. Özellikle bir modelin yaptığı değişiklik derleniyor olsa bile iş kuralını bozup bozmadığını ayrıca ölçmek gerekir.

Geçişi küçük bir değerlendirme setiyle sınamak

Pratik bir başlangıç, daha önce çözülmüş ve beklenen sonucu bilinen birkaç görev seçmektir: bir hata düzeltmesi, bir veritabanı sorgusu, bir arayüz değişikliği ve belgeye dayalı bir soru. Her modele aynı başlangıç durumunu, aynı araç yetkilerini ve aynı süre sınırını verin. Başarıyı yalnızca metnin ikna ediciliğiyle değil, önceden belirlenmiş testlerle değerlendirin.

Ajan görevlerinde yetki kapsamı ayrıca kayda değer. Dosya okuma, kod değiştirme ve dışarıya işlem gönderme birbirinden farklı riskler taşır. Model yükseltmesi, üretim ortamında daha geniş erişim açmayı otomatik olarak gerektirmez. Deneme ortamında sırları sınırlandırmak ve geri alınabilir değişikliklerle başlamak, hangi model seçilirse seçilsin değerlendirmeyi daha anlaşılır kılar.

NetMercek'in yorumu şu: Bu duyurunun geliştiriciye sunduğu fırsat, daha düşük başlangıç tarifesiyle kendi iş yükünü yeniden sınamak. Son karar için tanıtım döneminin bitişini maliyet hesabına eklemek, başarısız denemeleri saymak ve 'çalışan çıktı' tanımını yazılı hâle getirmek, bir sıralama tablosunda üstte görünmekten daha kullanışlıdır.