Gemini 3.1 Pro API: 1 Milyon Token Bağlamla Neler Yapılır?

Bir modelin bağlam penceresi 1 milyon tokena çıktığında değişen şey sadece bir sayı değil, uygulama mimarisinin kendisi. google/gemini-3.1-pro-preview ile yüzlerce sayfalık dokümanı, orta ölçekli bir kod tabanının tamamını ya da saatlerce süren toplantı transkriptini tek bir isteğin içine koyabiliyorsunuz. Daha önce parçalama, özetleme ve vektör araması gerektiren birçok iş, artık düz bir "prompt + veri" çağrısına dönüşüyor.

Bu yazıda 1M bağlamın somut karşılığını, gerçek kullanım desenlerini, multimodal tarafını ve Python ile nasıl başlayacağınızı adım adım ele alıyoruz. Ayrıca her işin Pro gerektirmediğini, hangi durumda google/gemini-3.5-flash ile aynı sonucu çok daha ekonomik alacağınızı da netleştireceğiz. Tüm örnekler, Gemini ailesine TL bakiyesi ve tek OpenAI-uyumlu API ile erişim sağlayan Onysoft Gemini kataloğu üzerinden çalışıyor; yabancı kart ya da VPN gerekmiyor.

1 Milyon Token Somut Olarak Ne Demek?

Token, modelin metni işlerken kullandığı en küçük birimdir; İngilizcede 1 token kabaca 0,75 kelimeye denk gelir, Türkçe ekli yapısı nedeniyle biraz daha fazla token üretir. Bu ölçekle bakınca google/gemini-3.1-pro-preview'in 1 milyon tokenlık penceresi kabaca şunlara karşılık gelir:

• Yüzlerce sayfa doküman: yaklaşık 700 bin İngilizce kelime — 1.500 sayfa civarı teknik şartname, sözleşme veya birkaç kalın kitap, tek istekte.
• Bütün bir kod tabanı: on binlerce satır kaynak kodu; orta ölçekli bir mikroservis projesinin tamamı, testleri ve README dosyalarıyla birlikte.
• Saatlerce transkript: haftalarca birikmiş toplantı kayıtlarının dökümü ya da bir sezonluk podcast arşivi.

Pratik fark şu: eskiden "önce parçala, her parçayı özetle, özetleri birleştir" diye kurguladığınız boru hatlarının çoğu tek çağrıya iniyor. Model, dokümanın 30. sayfasındaki tanımla 900. sayfadaki istisna maddesini aynı anda görebiliyor; bilgi parçalar arasında kaybolmuyor. Kaç token tuttuğunu kestirmek içinse kabaca "dosya boyutu / 4 bayt" pratik bir başlangıç tahminidir.

Gerçek Kullanım Desenleri: RAG'sız Doğrudan Bağlam

1M bağlamın en somut getirisi, birçok senaryoda RAG boru hattını tamamen atlayabilmeniz. Külliyatınız 1 milyon tokenın altındaysa chunking stratejisi, embedding modeli, vektör veritabanı ve retrieval isabeti diye dört ayrı problem yerine tek bir işiniz kalır: doğru soruyu sormak.

• Dev doküman analizi: API sözleşmeleri, mevzuat metinleri, teknik şartnameler — "bu iki bölüm çelişiyor mu?" gibi dokümanın tamamını görmeyi gerektiren sorular ancak tam bağlamla güvenilir yanıtlanır.
• Kod tabanı incelemesi: repo'nun tamamını verip mimari tutarsızlık, ölü kod veya güvenlik riski sorabilirsiniz; model dosyalar arası bağımlılıkları gerçekten görür, tahmin etmez.
• Log ve transkript sorgulama: günlük hata loglarını ya da müşteri görüşme kayıtlarını yapıştırıp örüntü ve kök neden analizi isteyebilirsiniz.

RAG öldü mü? Hayır: milyonlarca dokümanlık arşivlerde ve sık güncellenen verilerde retrieval hâlâ şart. Ama "50 dosyalık proje için vektör DB kurma" dönemi kapanıyor. Denemek için kod bile gerekmez; Playground'a içeriği yapıştırıp doğrudan test edebilirsiniz.

Multimodal Güç: Sadece Metin Değil

Gemini 3.1 Pro'nun uzun bağlamı yalnızca metinle sınırlı değil; model multimodal girişleri de aynı pencerede işler. OpenAI-uyumlu mesaj formatında görselleri content parçası olarak gönderebilir, metinle görseli aynı istekte birleştirebilirsiniz. Bu, uzun bağlamla birleşince ilginç desenler açıyor:

• Diyagram + kod birlikte: mimari diyagramın görselini ve ilgili kaynak kodu aynı isteğe koyup "uygulama bu diyagrama uyuyor mu?" diye sorabilirsiniz.
• Ekran görüntüsüyle hata ayıklama: hatalı UI'ın ekran görüntüsü, ilgili bileşen kodu ve konsol logları tek bağlamda — model üçünü birlikte değerlendirir.
• Görselden yapılandırılmış veri: tablo ve grafik içeren sayfa görüntülerinden JSON çıkarımı.
• Uzun kayıtların analizi: saatlik toplantı ve destek görüşmesi transkriptleri, metin olarak pencereye rahatça sığar.

Not: bunlar anlama tarafı. Aynı sk-ony- anahtarıyla üretim tarafına da erişirsiniz — video için veo3, görsel için flux-2 gibi — ama o ayrı bir yazının konusu.

Python ile 5 Dakikada Başlangıç

Onysoft, OpenAI-uyumlu bir API sunduğu için mevcut openai Python paketiniz olduğu gibi çalışır; tek değişiklik base_url ve anahtar. Aşağıdaki örnek, bir kod tabanı dökümünü tek istekte incelemeye gönderiyor:

from openai import OpenAI

client = OpenAI(
    api_key="sk-ony-...",  # Onysoft anahtarınız
    base_url="https://api.onysoft.com/v1",
)

with open("repo_dump.txt", encoding="utf-8") as f:
    codebase = f.read()  # örn. ~600K tokenlık kod tabanı

stream = client.chat.completions.create(
    model="google/gemini-3.1-pro-preview",
    messages=[
        {"role": "system",
         "content": "Kıdemli bir kod inceleme asistanısın."},
        {"role": "user",
         "content": "Bu kod tabanındaki güvenlik risklerini "
                    "dosya adı ve satır aralığıyla listele:\n\n" + codebase},
    ],
    stream=True,
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

Uzun bağlamlı isteklerde stream=True kullanmanızı öneririz: ilk tokenlar gelmeye başladığında kullanıcıya anında geri bildirim verirsiniz. Endpoint POST /v1/chat/completions; parametrelerin tamamı API dokümantasyonunda.

Ne Zaman Flash Yeter? Maliyet Dengesi

Her iş 1M bağlam ve derin akıl yürütme gerektirmez; Pro'yu varsayılan yapmak en yaygın bütçe hatasıdır. Pratik bir karar çerçevesi:

• google/gemini-3.5-flash: özetleme, sınıflandırma, veri çıkarımı, yüksek hacimli otomasyon. Bağlamınız görece küçükse ve görev tek adımda çözülüyorsa Flash çoğu zaman aynı kalitede sonucu çok daha düşük maliyetle verir.
• google/gemini-3.1-flash-lite: etiketleme, yönlendirme gibi mikro görevlerde en ekonomik seçenek.
• google/gemini-3.1-pro-preview: tam pencereyi kullanan dev bağlam işleri, çok adımlı akıl yürütme, dosyalar arası kod analizi.

İyi çalışan bir desen: önce Flash ile eleme (triage) yapın, yalnızca derin analiz gerektiren vakaları Pro'ya yükseltin. 1M bağlam arayıp farklı bir model karakteri isteyenler için katalogda anthropic/claude-fable-5 de aynı pencereyi sunuyor. Güncel TL fiyatları model kataloğunda; kendi trafiğinizle ay sonu maliyetini maliyet hesaplayıcıda kıyaslayabilirsiniz.