📉 Spot: Gemini 4 Argon'un tanıtıcı fiyatı (1M token'da 2 dolar girdi / 10 dolar çıktı) 30 Kasım'da bitiyor, 1 Aralık'ta fiyat iki katına çıkıyor — sınıfının beşte biri fiyatla satışa çıkan model, zam sonrası Claude Opus 5.5 ile aynı fiyata, GPT-6 Astra'nın ise yarı fiyatına geliyor.
⏱️ 7 dk okuma
📌 Bu Yazıda
- 📌 Fiyat tablosu: $2/$10 rakiplerin yanında nerede
- 📌 1 Aralık zammı: tanıtıcı fiyat ne söylüyor
- 📌 Aynı liste, iki cüzdan: Argon–Carbon ayrışması
- 📌 1M'lik ortak havuz: long decode'un agentic matematiği
- 📌 Tablo tek taraflı değil: nerede önde, nerede geride
- 📌 Lansmanın arka planı: takvim ve Reuters'ın aktardığı
- 📌 Murat Karakaya Akademi Yorumu
- 📌 Kaynakça
📉 Google'ın 13 Ekim'de geliştiricilere açtığı Gemini 4 Argon'u asıl tanımlayan şey fiyatı: tanıtıcı 1M token'da 2 dolar girdi / 10 dolar çıktı, modelin oynadığı akıl yürütme sınıfının giriş fiyatının beşte biri; 1 Aralık'ta fiyatın iki katına çıkması ise şu sorunun cevabını verecek — alıcılar tanıtıcı fiyatta edindikleri alışkanlığı yeni tabloda da sürdürür mü? Argon bu deneyin sondası, haberin öznesi fiyat bandının kendisi. 🔎 Google'ın resmî dokümanları modeli "efficient frontier reasoning model" olarak adlandırıyor; "strongest" sıfatı 10 Kasım'da çıkan kardeş model Carbon'da duruyor, "amiral gemisi" ifadesiyse 13 Ekim haberinde Reuters'a ait [1][4][11]. 🗓️ Bu yazı hazırlandığında (12 Kasım) tanıtıcı fiyat hâlâ geçerli, bitmesine 18 gün kaldı; yeni fiyat tablosu 1 Aralık sabahı yürürlüğe giriyor [6].
1. Fiyat tablosu: $2/$10 rakiplerin yanında nerede
💵 Resmî fiyatlama sayfasının sayıları sade: 1M token başına girdi 2,00 dolar, çıktı (thinking tokenları dahil) 10,00 dolar, önbellekli girdi 0,10 dolar — hepsi 30 Kasım'a kadar; 1 Aralık'tan itibaren girdi 4,00, çıktı 20,00, önbellek 0,20 dolar [6]. "Yeni gelenler" sayfası aynı rakamları "introductory price" etiketiyle tekrarlıyor; modelde ücretsiz katman yok, erişim ücretli plandan başlıyor [6][10]. Rakiplerin resmî sayfalarıyla yan yana koyunca tablo netleşiyor:
| Model (üst sınıf akıl yürütme) | Girdi /1M | Çıktı /1M | Not |
|---|---|---|---|
| Gemini 4 Argon (tanıtıcı, 30.11'e dek) | $2,00 | $10,00 | cached $0,10; ücretsiz katman yok [6] |
| Gemini 4 Argon (1.12'den) | $4,00 | $20,00 | [6] |
| Gemini 4 Carbon (tanıtıcı) | $2,00 | $10,00 | Argon ile aynı fiyat [6][11] |
| OpenAI GPT-6 Astra | $10,00 | $50,00 | cached $1; long-context 2x; Batch/Flex $5/$25 [13] |
| Anthropic Claude Fable 5.1 | $10,00 | $50,00 | cache-read $0,25; Batch %50 indirim [14] |
| Anthropic Claude Fable 5.2 | $8,00 | $40,00 | Fable 5.1'in halefi [14] |
| Anthropic Claude Opus 5.5 | $4,00 | $20,00 | [14] |
🪜 Okuma şöyle: tanıtıcı fiyat döneminde Argon, GPT-6 Astra ve Claude Fable 5.1'in 10/50 dolarlık girdi-çıktı sınıfının beşte biri fiyatında satılıyor [6][13][14]. 1 Aralık'tan sonra üstteki fiyatların yarısına iner, Anthropic'in Claude Opus 5.5'iyle ise birebir aynı fiyata gelir. Tabloda sabit kalan bir satır da var: OpenAI'nin tanıtıcı etiketi taşımayan, kalıcı 2/10 dolarlık GPT-6.1 Sol'u — yani "ucuz akıl yürütme" pazarı iki katmanda birden yarışıyor: geçici tanıtıcı fiyat ile kalıcı düşük fiyat [13]. Fiyat tartışmasının ağırlık merkezi de kaymış durumda; Anthropic, Fable 5.1 duyurusunda maliyeti önbellek okuma indirimleriyle (%75, 0,25 dolar) ele alıyor, çünkü agentic işlerde asıl kalem önbellek okumaları [14][15].
2. 1 Aralık zammı: tanıtıcı fiyat ne söylüyor
📅 Artışın kapsamı resmî sayfada net çizilmiş: yalnız fiyat tablosu — girdi, çıktı, önbellek, üçü birden iki katına çıkıyor; doküman "introductory pricing through November 30, 2026" diyor, gerekçe yazmıyor [6][10]. Reuters da aynı şekilde yalnız "rates set to double after November 30" aktarımını yapıyor, yorumsuz [4]. Fiyat artışının arkasına Google'ın yayımladığı bir gerekçe bulunamadı; bu, taranan resmî sayfaların yokluk beyanıdır.
⚖️ Bir kalıp gözlemi, yorum etiketiyle: aynı "tanıtıcı fiyat → süresi dolunca 2x" yapısı ailenin bir önceki üyesi Gemini 3.8 Flash'ta da var — 31 Aralık 2026'ya kadar 0,75/3,75 dolar, sonra 1,50/7,50 [2][6]. Bana kalırsa bu, tanıtıcı fiyatın ailede geçici bir jest değil standart bir lansman yöntemi olduğunu düşündürüyor: pazara düşük fiyatla girilir, süre bitince hedef fiyatta kalınır. Bu bir çıkarım; resmî açıklama yok.
3. Aynı liste, iki cüzdan: Argon–Carbon ayrışması
🔀 10 Kasım'da geliştiriciye açılan Gemini 4 Carbon, Argon'un tanıtıcı fiyatıyla birebir aynı per-token fiyatını taşıyor — doküman "same per-token price" diyor açıkça [9][11]. Ayrışma fiyat satırında değil, tüketimde: latest-model sayfası Argon'u "Moderate", Carbon'u "Deliberate" hızda gösteriyor; Argon "faster responses and lower token spend per turn" olarak tanımlanıyor, Carbon ise "strongest reasoning model" sıfatıyla zor problemlerde hipotez keşfine daha çok thinking token harcıyor [2][11][12]. Aynı fiyat listesi aynı fatura anlamına gelmiyor yani; görev başına maliyeti, modelin tur başına kaç token yaktığı belirliyor. Argon hacim ve hızın, Carbon derinliğin modeli — ve ikisi arasındaki seçim, sanırım 1 Aralık'tan sonra fatura tarafında daha da keskinleşecek [1][11].
4. 1M'lik ortak havuz: long decode'un agentic matematiği
🧮 Argon'un teknik vitrini tek sayıya sığıyor: 1.048.576 token'lık birleşik bağlam penceresi — girdi, thinking ve çıktı aynı havuzu paylaşır; varsayılan senkron çıktı 65.536 token, long decode ile tek yanıt "1M − girdi"ye kadar uzayabilir [1][7]. 64K üzeri üretim süreklilik "hop"larına bölünür (background/streaming hop başına ≤64K, non-streaming ≤32K), sunucu tarafı süreklilik 24 saate kadar sürebilir [7]. Fatura mekanizmayı izliyor: her hop, o ana kadar üretilen her şeyi girdi olarak yeniden gönderdiğinden total_input_tokens şişer; Google'ın kendi örnek hesabında 201K gerçek bağlama karşılık yaklaşık 397K girdi tokenı yazılıyor [7]. Teselli tarafı şu: tekrarlanan girdi implicit cache üzerinden %95 indirimle sayılıyor, tanıtıcı dönemde bu 0,10 dolar/1M demek [6][7].
🖥️ Kullanmayacağınız yerleri dokümanın kendisi sayıyor: kısa ve çok turlu araç çağıran ajanlar, girdi limitinin yakınındaki promptlar ve gecikmeye duyarlı işler — her tur ortak havuzu doldurur, süreç dakika mertebesine uzayabilir [7]. Taşıma notları da kayda değer: explicit context caching kaldırılmış (implicit, en az 4096 token'lık prompt), temperature/top_p/top_k yok sayılıyor, istemci timeout'u en az 15 dakika öneriliyor [10]. Bir de net ayrım: max_output_tokens tavanı düşünce cevap kesiliyor — resmi rehberin deyişiyle azaltmak daha az düşündürmez, erken keser; thinking seviyesini ise üç kademede (low/medium/high) kalite eşiğini geçen en düşük seviyeden seçmek öneriliyor [7][10]. Yetenek tablosunun sınırı da çizili: girdi multimodal (metin, görsel, video, ses, PDF), çıktı yalnız metin; computer use, code execution ve function calling var, görsel/ses üretimi yok [1].
5. Tablo tek taraflı değil: nerede önde, nerede geride
📊 Google'ın kendi model kartının Ekim tablosu, rakip sütunları GPT-6 Astra, Claude Fable 5.1 ve Claude Opus 5.5:
| Kategori | Benchmark | Argon | Astra | Fable 5.1 | Opus 5.5 |
|---|---|---|---|---|---|
| Knowledge work | Vals Index | 68,9% | 63,1% | 65,8% | 67,0% |
| Knowledge work | AutomationBench | 51,3% | 41,4% | 31,4% | 42,5% |
| Knowledge work | Vals Finance Agent v2 | 65,4% | 53,5% | 58,9% | 58,6% |
| Knowledge work | Harvey Legal Agent | 19,6% | 5,4% | 6,7% | 3,8% |
| Agentic coding | DeepSWE v1.1 | 77,9% | 74,1% | 67,4% | 74,2% |
| Agentic coding | FrontierSWE v2 | 55,0% | 65,5% | 56,3% | 62,3% |
| Agentic coding | Terminal-bench 4.0 | 57,4% | 58,2% | 57,9% | 66,4% |
| Science/math | Terminal-Bench Science 0.1 | 57,6% | 68,1% | 52,6% | 63,3% |
| Science/math | RiemannBench | 76,0% | 72,0% | 65,6% | 69,6% |
| Long context | GraphWalks 256k–1M (F1) | 84,2% | 71,8% | 65,0% | 66,8% |
| Computer use | Agent's Last Exam | 39,5% | 34,2% | — | 38,2% |
| Cybersecurity | CWE-bench v1 | 68,0% | 68,0% | 58,0% | 67,0% |
📉 Tablonun dürüst okuması iki satırda yazılıyor: bilgi işi, hukuk/finans ajanları, uzun bağlam ve derin araştırmada Argon önde; FrontierSWE v2, Terminal-bench 4.0 ve fen alanında Astra ile Opus önde [5]. Bağımsız taraftan aktarılan sayılar da tabloyu tek sesli kılmıyor — not: bu ölçümler teknik blogların ikinci aktarımı, birincil liderlik sayfaları bu turda canlı çekilmedi. Artificial Analysis lansman haftasında Index 52,56 ile 8. (223 model); 15 Ekim anlık görüntüsünde görev başına ~1,99 dolar, ~%15 halüsinasyon oranı (Astra max %51'e karşı) ve görev başına ~62K çıktı tokenı (Astra max 27K — aktaranlar bunu konuşkanlık vergisi diye notluyor); 28 Ekim'de Argon (high) 50 puanla Fable 5.1 xhigh'a eşit, Astra max 57 ve Opus max 58 arkasında [16][19][20]. Epoch Capabilities Index'te 165 puanla izlenen 260 model arasında 5. — Opus 5.5 167, Astra 166 [18]. CursorBench'te %52,8 default effort "Opus 5.5 ile aynı seviye"; Scale AI'ın Humanity's Sixth Sense'inde 55,4 ile 1.; LMArena metin tarafında 1.525 ile ilk sırada ama ön sonuç, 4.942 oy — Code Arena WebDev'de ise 1.679 ile 8.; yani "her alanda birinci" anlatısının karşılığı yok [16][17].
⚠️ Metodoloji hanesini de yazalım: apidog'un 19 satırlık analizi, Google'ın kıyas tablosunda beş satırın iki taraflı karışık kaynaklı olduğunu, kayıpların üçünün bu satırlarda düştüğünü; max-thinking kıyasının tavanları karşılaştırdığını, oysa API varsayılanının medium olduğunu savunuyor; machinenotes "self-reported" uyarısını ayrıca vurguluyor [16][18]. Saha gözlemleri aynı dağınık deseni çiziyor: quantslant'ın kendi dört kod görevinde 51/51 birim test, 0,028 dolar, 25 saniyelik koşu "test ettiği bu sınıf ve fiyatın en ucuz modeli" dedirtiyor — ama terminal/repo ajan işinde bağımsız veriler Opus 5.5'e işaret ediyor; XDA aynı dağınık yan projede Claude Code 9/16'ya karşı Argon 7/16 ölçmüş; kaganerkan "belge, hukuk ve analiz işinde seçerim, otonom yazılımcı olarak seçmem" diyor [17][23][24]. Üçü de tek-operatör gözlemi, kıyas kriterleri yok; bu yüzden burada "test edenlerin gözlemi" düzeyinde duruyorlar.
🛡️ Siber tarafın bağımsız ölçümleri de iyi ve kötü yanları birlikte gösteriyor: Simbian Cyber Defense Benchmark'ında (Ekim, 32 model) %43,7 kapsamla 3. — Google modelleri içinde ilk ilk üç derecesi ve kendi nesline göre +11 puanla en büyük sıçrama; öte yandan %65,4 cache isabeti ilk beşin en kötüsü ve "rastgele reddetme" davranışı raporlanıyor [21]. Averlon'un ölçümlerinde CTI-REALM 0,62 (sahanın en iyisi 0,72), RealVuln'da 361 açık bulguyla 55,1 — 536 bulgudan 275'i eşleşmemiş; çevirisi "kapsamlı araştırmacı, zayıf editör" [22].
6. Lansmanın arka planı: takvim ve Reuters'ın aktardığı
🛰️ Reuters'a göre bu çıkış, aylarca gecikme ve DeepMind liderlik değişimi (Demis Hassabis'in CEO'luk kenara çekilmesi, Gemini ekibinden ayrılanlar) sonrası OpenAI ve Anthropic'e karşı zemin kazanma hamlesi; eylülde Gemini 3.5 Pro'nun iptali duyurulmuştu [4]. Yine Reuters'a göre erken test eden müşteriler arasında Deloitte, LexisNexis, Ambience Healthcare ve Isomorphic Labs var — bu isimler Google'ın resmî duyurularında geçmiyor; orada genel "early access program" diliyle Chrome/ADK/xTB/vLLM vakaları ve isimli siber güvenlik ortağı Wiz duruyor, dolayısıyla isim listesi yalnız bu atıfla taşınabilir [4][8].
🧾 Program tarafında blog ve Reuters'ın ortaklaştığı iki genişleme var: 10.000 bilim insanına Antigravity'nin en yüksek kotasının 6 ay ücretsiz verilmesi (başvurular açık) ve siber savunuculara guardrails'siz Argon açan Fairwind Programı'nın yüzlerce yeni partnere yayılması [4][8]. Güvenlik hanesi: model kartı, biyoloji ve siber güvenlikte "CCL cannot be ruled out" (corroborated uplift) değerlendirmesiyle korumalar altında dağıtım diyor; adversarial setlerde ihlallerin ~2x azaldığı, shortcut girişimlerinin %2'ye indiği kayıtlı [5][8]. Mimari notu da ekleyelim: Argon bir öncekinin fine-tune'u değil, MoE transformer, native multimodal, TPU'larda JAX + ML Pathways ile eğitilmiş, bilgi kesimi Mart 2026; parametre sayısı açıklanmıyor [5]. 🗓️ Ailenin takvimi tek satırda: 13 Ekim Argon → 10 Kasım Carbon → 30 Kasım tanıtıcının son günü → 1 Aralık yeni tablo; ana duyuru "Gemini 4 family'nin kalanı" sözünü de veriyor [3][8][12][6].
Murat Karakaya Akademi Yorumu
🧭 Verilerin söylediği şu: bu lansmanda iki şey öne çıkıyor — teknik tarafta 1M'lik ortak havuz ve tanıtıcı dönemde sınıfının beşte biri giriş fiyatı; fiyat tarafında kapsamı ve tarihi net, gerekçesiz bir iki katına çıkış. Bağımsız ölçümler Argon'u tablonun üst sırasına koyuyor ama tek başına değil: ECI'de 5., AA'da 8., metin arenası ön sonuçta 1., kod arenasında 8. [16][17][18][19][20]. Hukuk-finans-belge işlerinde Google'ın tablosu ile bağımsız aktarımlar aynı yönü gösteriyor; otonom kod tarafında bağımsız veri Opus 5.5'i işaret etmeye devam ediyor [5][17][23][24].
🧠 Kanaatimize gelince: fiyatlama stratejisi bir alışkanlık yaratma aracıdır ve karar anı 1 Aralık sabahıdır. Kullanım, 4/20 dolar bandında tanıtıcı fiyattaki hızını sürdürürse Google ucuz model değil yeni bir fiyat tavanı satmış olacak; talep o anda azalırsa elimizde bir müşteri edinme maliyeti deneyi kalmış demektir. Gemini 3.8 Flash emsali (aynı yapı, tarih 31 Aralık) ailenin bu yönteme güvendiğini düşündürüyor; gerekçe yayımlanmadığı için bu okumanın tamamı benim yorumum — veriler tarihi ve sayıları söylüyor, niyeti söylemiyor.
🎯 Okura üç somut yol. Bir: hukuk, finans, uzun belge ve derin araştırma işi tablodaki en güçlü alan; 1M'lik havuz burada gerçek avantaj — ama uzun decode bütçe yönetimidir, bedava 1M çıktı değil; hop başına yeniden-gönderilen girdi faturaya yazılmaya devam eder [7]. İki: terminal ve repo ağırlıklı otonom kod işi için bağımsız veri Argon'u işaret etmiyor; 7/16'lık XDA örneği küçük, yön ise tutarlı — bu işi Argon'a bağlamayı düşünüyorsanız 1 Aralık gelmeden kendi görevlerinizde deneyin, ölçtüğünüz görev başına maliyeti 1 Aralık sonrası 4/20 faturanızla karşılaştırın [17][23]. Üç: gecikmeye duyarlı ajanlarda long decode'u varsayılan yapmayın; thinking seviyesini resmî rehber gibi kalite eşiğini geçen en düşük kademeyle kurun ve migration notlarını (implicit cache eşiği, yok sayılan sampling parametreleri, 15 dk timeout) taşıma öncesi temizleyin [7][10].
Kaynakça
- 🔗 ai.google.dev — "Gemini 4 Argon resmî model sayfası" · erişim: 12.11.2026
- 🔗 ai.google.dev — "Latest Gemini models — fiyat/karşılaştırma" · erişim: 12.11.2026
- 🔗 blog.google — "Build with Gemini 4 Argon" (13.10.2026) · erişim: 12.11.2026
- 🔗 reuters.com — "Google launches flagship AI model Gemini 4 Argon for developers, businesses" (13.10.2026) · erişim: 12.11.2026
- 🔗 deepmind.google — "Gemini 4 Argon — DeepMind model card" · erişim: 12.11.2026
- 🔗 aistudio.google.com — "Gemini API resmî fiyatlama sayfası" · erişim: 12.11.2026
- 🔗 aistudio.google.com — "Long decode resmî dokümantasyon" · erişim: 12.11.2026
- 🔗 blog.google — "Introducing Gemini 4 Argon" (13.10.2026) · erişim: 12.11.2026
- 🔗 aistudio.google.com — "Gemini 4 Carbon model sayfası" · erişim: 12.11.2026
- 🔗 aistudio.google.com — "What's new in Gemini 4 Argon" · erişim: 12.11.2026
- 🔗 aistudio.google.com — "What's new in Gemini 4 Carbon (Carbon/Argon seçimi)" · erişim: 12.11.2026
- 🔗 blog.google — "Gemini 4 Carbon for developers" (10.11.2026) · erişim: 12.11.2026
- 🔗 developers.openai.com — "OpenAI resmî API fiyatlama sayfası" · erişim: 12.11.2026
- 🔗 platform.claude.com — "Anthropic resmî model fiyatlama dokümanı" · erişim: 12.11.2026
- 🔗 anthropic.com — "Claude Fable 5.1 / Mythos 5.1 duyurusu" · erişim: 12.11.2026
- 🔗 apidog.com — "Bağımsız 19 satır analiz + AA/Cursor/Scale aktarımları" · erişim: 12.11.2026
- 🔗 quantslant.com — "Bağımsız kod testi (13.10 koşusu) + Arena notu" · erişim: 12.11.2026
- 🔗 machinenotes.com — "Epoch ECI 165 #5 + self-reported uyarısı" · erişim: 12.11.2026
- 🔗 blog.sandbase.ai — "AA alan kırılımı (12.10 anlık görüntüsü) + AA null alanlar" · erişim: 12.11.2026
- 🔗 aihustleguy.com — "28.10 AA anlık kıyas tablosu + tek-operatör gözlemleri" · erişim: 12.11.2026
- 🔗 simbian.ai — "Cyber Defense Benchmark #3/32, cache isabeti nüansı" · erişim: 12.11.2026
- 🔗 averlon.ai — "CTI-REALM/RealVuln/VulnGym bağımsız ölçümleri" · erişim: 12.11.2026
- 🔗 xda-developers.com — "Aynı projede Claude Code vs Argon saha testi" · erişim: 12.11.2026
- 🔗 kaganerkan.com — "Bağımsız değerlendirme: belge/analiz güçlü, otonom kod zayıf" · erişim: 12.11.2026
Etiketler: #MuratKarakayaAkademi #Gemini4Argon #YapayZeka #LLMFiyatlandirma #AkilYurutmModelleri #GoogleDeepMind
