DeepSeek V4 Flash, Vercel AI Gateway trafiğinde açık ağırlıklı modelleri yüzde 60’ın üzerine taşıdı

Vercel AI Gateway üzerindeki model trafiği, yapay zekâ pazarındaki önemli bir tercihi görünür hâle getirdi: Geliştiriciler, uygun görevlerde en pahalı ve en güçlü modeli kullanmak yerine, yeterli performansı daha düşük maliyetle sunan modellere yöneliyor.

Açık ağırlıklı modeller, 25 Ağustos 2026 Salı günü ağ geçidinden geçen toplam token hacminin yüzde 54’ünü oluşturdu. Özel mülkiyetli modellerin payı ise yüzde 46’da kaldı. Bir önceki cumartesi açık ağırlıklı modellerin payı yüzde 62’ye ulaşırken kapalı modeller yüzde 38’de kaldı.4

Buradaki ölçüm, modellerin işlediği token sayısını gösteriyor. Gelir, kâr veya her bir modeli kullanan şirket sayısı hakkında doğrudan bir sonuç vermiyor.

Token hacminde açık model üstünlüğü

Ağustos ayındaki ölçüm	Açık ağırlıklı modeller	Özel mülkiyetli modeller
Bir önceki cumartesi	yüzde 62	yüzde 38
25 Ağustos Salı	yüzde 54	yüzde 46

Bu tabloya göre açık ağırlıklı modeller, salı günü 8 puanlık; önceki rekor ölçümde ise 24 puanlık üstünlük sağladı. Ancak bu oranlar, platformdaki toplam istek sayısını değil, işlenen token hacmini ifade ediyor.

DeepSeek V4 Flash neden öne çıktı?

Değişimin başlıca katalizörü DeepSeek V4 Flash oldu. Vercel, modelin AI Gateway üzerinde güncellenmiş ağırlıklarla varsayılan olarak çalışmaya başladığını ve Terminal-Bench puanının nisan ayındaki önizlemede 56,9’dan 82,7’ye yükseldiğini açıkladı. Bu, 25,8 puanlık bir artış anlamına geliyor.19

Güncellemenin mevcut kullanıcılar açısından önemli bir avantajı da model kimliğinin veya uygulama kodunun değiştirilmesini gerektirmemesi oldu. deepseek/deepseek-v4-flash çağrılarını kullanan uygulamalar, yeni ağırlıkları otomatik olarak almaya başladı.19

Dolayısıyla V4 Flash’ın cazibesi yalnızca ucuz olmasından kaynaklanmıyor. Güçlenen ajan tabanlı performans, modeli kodlama, araç kullanımı ve yüksek hacimli iş akışları için daha elverişli hâle getirdi. Vercel’e göre model; akıl yürütme, araç kullanımı ve örtük önbelleklemenin yanı sıra 1 milyon tokenlık bağlam penceresini destekliyor.27

Fiyat farkı da bu konumlandırmayı güçlendirdi. Reuters’ın aktardığına göre DeepSeek V4 Pro’nun giriş fiyatı V4 Flash’ın yaklaşık 9 katı, çıkış fiyatı ise 14 katı seviyesindeydi.17 Bağımsız karşılaştırmalar da test ve yapılandırmaya göre değişmekle birlikte V4 Flash’ın belirgin bir fiyat avantajına sahip olduğunu gösteriyor.25

Kapalı modeller neden geriledi?

Mevcut haber akışı, özel mülkiyetli model hacmindeki düşüşü Anthropic’in daha pahalı Fable 5 modeline yönelik ticari talebin zayıflamasına bağlıyor.4 Bu açıklama, maksimum model yeteneğinden çok işlem hacmi ve birim maliyete önem veren görevler için makul görünüyor. Ancak Vercel’in paylaştığı trafik verileri, her müşteri veya istek için tek bir neden olduğunu kanıtlamıyor.

Vercel’in ürün tanımında Fable 5; uzun süren, belirsiz ve çok aşamalı görevler için konumlandırılıyor.3 Bu nedenle ağustos ayındaki değişim, açık modellerin her durumda daha iyi olduğu anlamına gelmiyor. Daha çok bir yönlendirme stratejisine işaret ediyor: Uygun ve tekrarlanan işleri düşük maliyetli modellere, daha karmaşık ve yüksek değerli görevleri ise primli kapalı modellere ayırmak.

Token hacmi, yapay zekâ harcaması değildir

En önemli ayrım, kullanım ile gelir arasındaki fark. Vercel’in daha önce yayımladığı verilere göre açık ağırlıklı modeller, ağ geçidi token hacminin yüzde 29’unu işlerken toplam harcamanın yüzde 4’ünden daha azını oluşturuyordu.44

Bunun nedeni, token sayısının giriş ve çıkış tokenları için ödenen birim fiyatı hesaba katmaması. Dolayısıyla ağustos ayındaki geçiş, açık ağırlıklı modellerin ağ geçidindeki iş yükünün daha büyük bölümünü üstlendiğini gösteriyor; sağlayıcılar için daha fazla ticari gelir ürettiklerini değil.

Daha pahalı özel mülkiyetli modeller, daha az token işleseler bile toplam harcamadan orantısız derecede yüksek pay almaya devam edebilir.

Geliştiriciler için çıkarım ne?

Vercel’deki trafik değişimi, model seçiminin giderek daha bilinçli yapılması gerektiğini gösteriyor:

• Ölçekli işler için verimlilik modellerini değerlendirin: Yüksek hacimli içerik üretimi, kodlama desteği ve rutin araç çağrıları token başı maliyete özellikle duyarlı olabilir.
• Ağırlık güncellemelerinden sonra yeniden test yapın: DeepSeek V4 Flash örneğinde olduğu gibi, uygulama düzeyinde model kimliği değişmeden performans profili farklılaşabilir.19
• Kaliteyi ekonomiyle birlikte ölçün: Bir benchmark artışı, modelin her üretim iş yükü için en iyi seçenek olduğunu kanıtlamaz. Gerçek kullanım doğruluğu, güvenilirlik, gecikme, gizlilik ve sağlayıcı erişilebilirliği ayrıca incelenmelidir.
• Token kadar harcamayı da takip edin: Token hacminde lider olan bir model, otomatik olarak harcama veya toplam değer lideri değildir.

Vercel’in ağustos verilerinden çıkan daha geniş sonuç şu: Açık ağırlıklı modeller, yeterli yeteneği ciddi bir maliyet avantajıyla birleştirdiklerinde üretim hacminde öne geçebiliyor. DeepSeek V4 Flash bu değişimin en net örneği. Ancak tablo, tüm özel mülkiyetli modellerin bir anda ortadan kalkacağından çok, her iş yükü için güvenilir biçimde çalışabilen en düşük maliyetli modelin seçileceği daha karma bir döneme işaret ediyor.