Yapay zekâ token fiyatları neden 1 doların altına düştü?

Silicon Data LLM Token Expenditure Index’in milyon token başına 1 doların altına inmesinin temel nedeni, piyasanın daha ucuz modellere yönelmesi ve sağlayıcıların API fiyatlarını art arda düşürmesi oldu. Geniş piyasa göstergesi 31 Ağustos 2026’da 97 sente geriledi. Bu, endeksin oluşturulmasından bu yana görülen en düşük seviye ve yaz başındaki zirvenin yarısından daha azı anlamına geliyor. 4

Ancak bu rakamı doğru okumak gerekiyor. Endeks, piyasanın bir milyon çıkarım token’ı için ödediği kullanım ağırlıklı fiyatı ölçüyor; toplam yapay zekâ harcamasını ya da kullanılan token miktarını göstermiyor. Dolayısıyla endeksin düşmesi, yapay zekâ hizmetlerinin birim bazında ucuzladığını gösterir; talebin azaldığını tek başına kanıtlamaz. 278

Rekor düşüşün arkasındaki mekanizma

Fiyatları aynı anda aşağı çeken birkaç gelişme yaşandı:

• Daha ucuz Çin modelleri pay kazandı. Açık ve düşük maliyetli modeller, geliştiricilere premium ve kapalı sistemlere alternatif sundu. Kullanımın bu modellere kayması, piyasa fiyatının bileşik ortalamasını aşağı çekti. 3839
• Fiyat, rekabet silahına dönüştü. API indirimleri, model geliştiricilerinin kullanıcı kazanmasına, dağıtımı hızlandırmasına ve pazar payını korumasına yardımcı oldu. Yetenek farklarının daraldığı bir pazarda fiyat, belirleyici unsurlardan biri hâline geldi. 39
• Çıkarım ekonomisi iyileşti. Üretim ve sunum maliyetlerinin düşmesi, sağlayıcıların daha fazla çıktıyı daha düşük ücretle sunmasını kolaylaştırdı. Bununla birlikte, mevcut kanıtlar bütün sağlayıcıların aynı maliyet yapısına sahip olduğunu göstermiyor.
• Küresel rakipler de karşılık verdi. Fiyat indirimleri Çin’le sınırlı kalmadı; önde gelen küresel sağlayıcılar da düşük maliyetli katmanlarda fiyat kırarak baskıyı tüm pazara yaydı. 3637

Endeksin seyri genel olarak aşağı yönlüydü: Haziran başında milyon token başına 2 doların üzerindeyken ağustosun ilk günlerinde yaklaşık 1,16-1,18 dolara geriledi ve ay sonunda 1 doların altına geçti. 1384 Ara dönem rakamlarında ise tam bir uyum yok. Örneğin 27 Temmuz için kamuya açık bir kaynakta 1,43 dolarlık değer verildi. Bu nedenle kesin ara seviyelerden çok, genel düşüş eğilimi daha güvenilir görünüyor. 12

Çinli laboratuvarlar fiyat savaşını nasıl büyüttü?

En görünür hamle, DeepSeek’in mayıs ayında V4-Pro API fiyatındaki yüzde 75’lik indirimi kalıcı hâle getirmesiydi. Şirket, yeni fiyatların kullanım türüne göre değişmekle birlikte önceki seviyenin dörtte biri olarak kalacağını açıkladı. 33

Diğer Çinli sağlayıcılar da peşinden geldi. Xiaomi, MiMo-V2.5 modellerinin API fiyatlarını yüzde 99’a varan oranlarda düşürdü. ByteDance, Tencent, MiniMax ve Alibaba’nın da aynı dönemde önemli indirimlere gittiği bildirildi. 3946

Bu strateji, rekabetin ölçütünü değiştirdi. Alıcılar artık yalnızca “en yetenekli model hangisi?” sorusunu sormuyor; dolar başına performans, gecikme süresi, bağlam işleme kapasitesi, güvenilirlik ve dağıtım esnekliğini de karşılaştırıyor. Modellerin rutin görevlerde birbirine yeterince yaklaşması, büyük fiyat farklarının kullanımı hızla başka sağlayıcılara yönlendirmesine yol açabiliyor.

Bununla birlikte fiyat savaşı ağustosta bir dönüm noktasına ulaştı. DeepSeek, yeni amiral gemisi modellerinde fiyatları artırdı ve yoğun saat/yoğun olmayan saat tarifesine geçti. Yoğun olmayan saatlerde fiyat, yoğun saat tarifesinin yarısı olarak belirlendi. Bu hamle, sağlayıcıların sınırsız talebi mümkün olan en düşük fiyatla karşılamasının sürdürülebilir olmayabileceğine işaret ediyor. GPU kullanımını dengelemek ve altyapı maliyetlerini karşılamak da gerekiyor. 35

Token fiyatları düşerken yapay zekâ harcamaları neden artıyor?

Görünen çelişki aslında basit bir denklemle açıklanabilir:

Toplam harcama = token başına fiyat × kullanılan token sayısı

Fiyat yüzde 90 düşse bile kullanım yüzde 90’dan daha fazla artarsa toplam harcama yine yükselebilir. Ucuzlayan çıkarım, daha önce maliyeti karşılanamayan iş yüklerini ekonomik hâle getiriyor. Otomatik müşteri hizmetleri, yazılım geliştirme, belge işleme, uzun bağlamlı uygulamalar ve yapay zekâ ajanlarının yürüttüğü iş akışları bunlar arasında yer alıyor.

Bazı analizler, token fiyatlarının 2023’ten bu yana yüzde 90’dan fazla gerilediğini, buna karşın toplam yapay zekâ harcamalarının yaklaşık iki katına çıktığını bildiriyor. Bu tablo, talebin yok olduğu bir pazardan çok, ucuz çıkarımın ekonomik açıdan uygulanabilir kullanım alanlarını genişlettiği bir pazara işaret ediyor. 1922

Çin’in daha geniş token ekonomisi de talep hakkında önemli bir sinyal veriyor. Ulusal Veri İdaresi, günlük token tüketiminin mart ayında 140 trilyonun üzerine çıktığını; bu rakamın önceki yıl sonundaki 100 trilyona göre yüzde 40’tan fazla artış gösterdiğini açıkladı. 2632 Çin’in büyük telekom operatörleri de yapay zekâ bilişim kapasitesine yatırım yapıyor. China Telecom, ilk yarıda akıllı bilişim gelirinin yüzde 95 arttığını bildirirken China Unicom’un bilişim altyapısı sermaye harcaması yıllık bazda yüzde 80’den fazla yükseldi. 1718

Bu veriler her model sağlayıcısının kârlı olduğunu kanıtlamıyor. Gösterdikleri şey, birim fiyatların düşmesinin altyapı yatırımlarını ve kullanım hacmini çok daha büyük bir ölçeğe taşıyabileceği.

Sermaye harcaması açığı yapay zekâ iş modeli hakkında ne söylüyor?

İyimser yorum, düşen çıkarım fiyatlarının kitlesel benimsemenin başlangıcı olduğu yönünde. Daha erişilebilir yapay zekâ hizmetleri, yeterli token hacmi yaratarak bulut kapasitesi, veri merkezleri, çipler, ağ ekipmanları ve elektrik için yapılan yatırımları destekleyebilir.

Şüpheci yorum ise getirilerin zamanlamasına odaklanıyor. Allianz Research’e atıf yapan raporlar, yapay zekâ sermaye harcamalarıyla satış büyümesi arasındaki farkı yaklaşık yüzde 46 olarak veriyor. Bu oran, 2001’deki telekomünikasyon aşırılığı döneminde görülen yaklaşık yüzde 32’lik farkın üzerinde. 202223

Bu karşılaştırma bir uyarı niteliğinde; yapay zekânın telekom balonunu aynen tekrarladığını kanıtlamıyor. Altyapı gelecekte çok daha büyük iş yüklerini destekleyebilir. Yine de sağlayıcılar ve altyapı alıcıları üç temel riskle karşı karşıya:

1. Fiyat deflasyonu: Daha yetenekli modellerin bile zamanla daha düşük fiyatlarla satılması.
2. Kapasite kullanım riski: Yüksek sabit altyapı maliyetlerinin geçici kullanım artışlarından ziyade kalıcı talep gerektirmesi.
3. Gelire dönüştürme riski: Token hacminin, düşen gerçekleşen fiyatları telafi edecek ve büyük sermaye taahhütlerine getiri sağlayacak kadar hızlı büyümemesi.

Endeksi okumanın doğru yolu

Silicon Data endeksindeki yeni dip, en iyi şekilde yapay zekâ talebinin değil, fiyatlama gücünün ve ödeme isteğinin göstergesi olarak okunmalı. Endeks, piyasanın çıkarımın her birimi için daha az ödediğini söylüyor. Bunun nedenleri arasında kullanımın daha ucuz modellere kayması ve sağlayıcıların agresif fiyat rekabeti yürütmesi bulunuyor. 7814

Bundan sonraki kritik soru şu: Düşen fiyatlar yeterince yeni iş yükünün önünü açarak toplam geliri büyütecek mi, yoksa fiyat savaşı kullanım artışını geride bırakıp sektörü pahalı altyapı ve zayıf getirilerle mi baş başa bırakacak? Mevcut kanıtlar ilk ihtimali bir talep hikâyesi olarak destekliyor; ikinci ihtimal ise ciddi bir finansal risk olmaya devam ediyor. Sonucu ise henüz kesinleştirmiyor.