Google dün Gemini 4 Neon’u çıkardı ve Carbon ile Hydrogen’in tam arasına koydu. Microsoft kendi kodlama modellerini ve yalnızca olasılık döndüren bir karar modelini tanıttı, Tencent Hy4 flash ağırlıklarını açtı, RadixArk adlı küçük bir laboratuvar da 27 milyarlık bir modeli 1.200 görevle eğitti. Kimse “en zekisi benim” demiyor, vitrinde aynı cümle var: yeterince zeki, daha ucuz.
Duyuruları, model kartlarını, fiyat sayfalarını okudum, karşılaştırdım. Hiçbirini çalıştırmadım.
🧪 Gemini 4 Neon, Carbon ile Hydrogen arasında nereye oturuyor?
Duyuruyu 18 Kasım’da Koray Kavukcuoğlu yaptı. Google’ın duyurusuna göre Neon, en zor ve uzun soluklu işlere ayrılan Gemini 4 Carbon ile hızlı gündelik işlerin modeli Gemini 4 Hydrogen’in arasında duruyor. Model kartında Carbon’dan uyarlandığı yazıyor. Kardeşler için Carbon yazısı ve 9 ile 15 Kasım haftalığı duruyor.
Gemini API fiyat sayfası ücretli katmanda 1 milyon input token için 3 dolar, 1 milyon output token için 15 dolar yazıyor. Thinking token’ları buna dahil, ücretsiz katman yok. Context 1.048.576 token ve input ile output aynı havuzdan yiyor. Cloud dokümantasyonu senkron output’u 64K’da kesiyor, arka planda çalışan “long decode” ile 1M’ye kadar çıkılabiliyor. Google Antigravity tarafında yeni bir “Orchestrator” var: planı Neon yapıyor, işi paralel Hydrogen subagent’ları yürütüyor.
Benchmark rakamları Google’ın. Şirkete göre Neon, xhigh seviyesinde Artificial Analysis Intelligence Index’te 61 puanla genelde üçüncü sırada. AA Coding Agent Index’te 58,6 ile birinci olduğunu da yine Google aktarıyor. Model kartındaki tabloyu sevdim, çünkü Neon her satırı kazanmıyor. Claude Opus 5.5, Terminal-Bench 4.1’de yüzde 65,8’e karşı 65,2 ile, FrontierCode 2.0’da yüzde 47,3’e karşı 46,2 ile az farkla önde. Neon ise 256K ile 1M arasındaki GraphWalks testinde yüzde 95,2’ye karşı 66,8 ile açık ara kazanıyor. Aynı tabloda GPT-6.2 Sol her satırda Neon’un gerisinde.
Artificial Analysis’in changelog’unda Neon low’dan xhigh’a 44, 55, 60 ve 61 puanla görünüyor, Carbon’a göre de küçük bir zeka artışı, yaklaşık yüzde 17 daha düşük görev başına maliyet diye tarif ediliyor. Google’ın duyurusu ise varsayılan high seviyesinde görev başına maliyetin Carbon’dan yüzde 32 düşük olduğunu söylüyor. Aynı model, iki ayrı rakam. Bütçeyi ben küçüğüne göre yapardım.
Asıl ilginç kısım fiyat sayfasının dipnotunda, hesabı da oradan çıkardım. Carbon 30 Kasım’a kadar kampanyayla 2 / 10 dolar, 1 Aralık’tan itibaren 4 / 20 dolar. Yani ay sonuna kadar Neon token başına Carbon’dan pahalı, Aralık’ta tablo tersine dönüyor. Neon daha az token harcadığı için görev başına maliyette yine öne geçebilir, Google ile AA da hesabı bu açıdan yapıyor.
Carbon’u kampanya fiyatından kullananlar, 30 Kasım’dan önce Neon’u high seviyesinde kendi işleriyle denesin.

💸 Microsoft’un kodlama modeli gerçekten Opus’un yüzde 5’ine mi geliyor?
Microsoft AI, 17 Kasım’da Ignite’ta yedi yeni model çıkardı, ikisi kodlama için. Microsoft’un duyurusuna göre MAI Code 2 çok dosyalı işler ve repo genelinde reasoning için, Flash ise rutin düzeltmeler için. Microsoft ikisinin de çok uzun soluklu agent işleri için henüz ayarlanmadığını açıkça yazmış, bunu şirketin kendi ağzından duymak hoşuma gitti. İkisi de şu an GitHub Copilot’ta.
GitHub’ın Copilot fiyat sayfasında MAI Code 2, 1 milyon token için 0,50 dolar input, 2,50 dolar output. Bu bir kampanya fiyatı ve 17 Mayıs 2027’de bitiyor, sonrasında 1 / 5 dolara çıkıyor.
Microsoft’un manşet iddiası şu: MAI Code 2, Claude Opus 5.5’in performansının yüzde 96’sını maliyetin yüzde 5’ine veriyor. Flash ise GPT-6 Luna ve Claude Haiku 5.5 ile kıyaslanabilir düzeyde, maliyeti de sırasıyla onların yüzde 65’i ve yüzde 20’si. Bu ikilinin fiyat tabanını Haiku 5.5 ve GPT-6 Luna yazısında konuşmuştuk.
Dipnotlara inince resim değişiyor. Bütün modeller maksimum reasoning seviyesinde koşturulmuş, dört benchmark’ın üçü Microsoft’un iç eval platformu MSBench’te çalıştırılmış, MAI Code 2’nin maliyeti de yüzde 50’lik kampanya fiyatıyla gösterilmiş. Yani manşetteki yüzde 5, Mayıs 2027’de bitecek indirimli fiyata dayanıyor. Yanlış demiyorum, Microsoft’un rakamı diyorum.
Model kartına göre context 1.050.000 token. Günü Copilot’ta geçenler için model seçicideki en ucuz ciddi kodlama modeli artık Microsoft’un kendisi. 2027 bütçesini yapmadan önce kampanyanın bitiş tarihini not edin.
🎯 Microsoft karar modelini neden Jev’in önüne koyuyor?
Microsoft-Decision-1.1, 17 Kasım’da Microsoft Foundry’de, OpenRouter’da ve Vercel AI Gateway’de genel kullanıma açıldı. Microsoft’un duyurusuna göre 4.000’den fazla müşteri kullanmış.
Bu model metin yazmıyor. Sabit cevap seçenekleri için kalibre edilmiş olasılık döndürüyor, yönlendirme, sınıflandırma, doğrulama gibi işlerde kullanılıyor. Altında Gemma 4 26B A4B var. Foundry’de input 1 milyon token için 0,042 dolar, output ücretsiz.
Microsoft’a göre Artificial Analysis Decision Index v2.1’de 68 puan alıyor ve Jev 1.14, Gemini Decision 1 ile GPT-6 Luna (Decisions) önünde. AA’nın o sayfasına bakmadım, rakam Microsoft’un.
Pazartesi Perplexity’nin Decider’ı vardı, bugün Microsoft çıtayı Jev olarak koyuyor. Clef ile Jev’i karşılaştırdığımda karar modelleri niş bir fikirdi. Output’un bedava olması, her tool çağrısından önce modele sormayı ucuz kılıyor.
📊 Hangisinin ağırlıkları indirilebiliyor?
Fiyatlar 1 milyon token başına ABD doları, her şirketin kendi sayfasından.
| Model | Şirket | Tarih | Açık ağırlık? | 1M token fiyatı (input / output) | Context |
|---|---|---|---|---|---|
| Gemini 4 Neon | 18 Kasım | Hayır | 3 / 15 dolar | 1M | |
| MAI Code 2 | Microsoft | 17 Kasım | Hayır | 0,50 / 2,50 dolar, 17 Mayıs 2027’ye kadar kampanya, sonra 1 / 5 dolar (GitHub Copilot) | 1,05M |
| MAI Code 2 Flash | Microsoft | 17 Kasım | Hayır | 0,05 / 0,25 dolar kampanya, sonra 0,10 / 0,50 dolar | 1,05M |
| Microsoft-Decision-1.1 | Microsoft | 17 Kasım GA | Hayır (Gemma 4 26B A4B tabanlı) | 0,042 dolar input, output ücretsiz (Foundry Global Standard) | 33K (OpenRouter) |
| Hy4 flash | Tencent | 16 Kasım, ağırlıklar 17 Kasım | Evet, Tencent Hy License 1.0 | yaklaşık 0,070 / 0,281 dolar (30 Kasım’a kadar yüzde 50 indirim) | 1M |
| DaisyRose-27B | RadixArk | 18 Kasım | Evet, Apache 2.0 | yalnızca kendi sunucunda | 262K |
📦 Hy4 flash’ın ağırlıkları geldi, peki kim ne yapabilir?
2 ile 8 Kasım haftalığında Tencent’in Hy4 ağırlıkları için “önümüzdeki günlerde” dediğini yazmıştım. Söz tutuldu. Tencent 16 Kasım’da Hy4 flash’ı duyurdu, ağırlıklar ertesi gün Hugging Face’e düştü.
Tencent’in basın bülteninde API fiyatı 1 milyon token için yaklaşık 0,070 dolar input, 0,281 dolar output. 30 Kasım’a kadar WorkBuddy’de ücretsiz, TokenHub’da yüzde 50 indirimli. Model kartına göre toplam yaklaşık 220B parametre (bülten 224B diyor), token başına aktif olan 12B, context 1M.
Performans rakamları Tencent’in iç benchmark’ı WorkIndex’ten: Hy4 flash 42,1, Hy4 preview 39,7, görev başına maliyet preview’un 13’te 1’i. Şirket içi test, notlarımızda bulunsun.
Lisans dosyasını doğrudan okudum. Adı “Tencent Hy License, Version 1.0”, Apache 2.0’dan türetilmiş ama metin Apache License olmadığını açıkça söylüyor. Önemli kısım 10. madde. Modeli üçüncü taraflara servis olarak sunuyorsanız (bir API mesela), herhangi bir 12 aylık dönemde dünya geliriniz 50 milyon doları geçtiğinde Tencent’ten ayrıca yazılı lisans almanız gerekiyor. Aylık aktif kullanıcısı 100 milyonu aşan bir ürüne koymadan önce de aynı kural geçerli.
Kendi makinende çalıştırmak daha zor. Tencent’in AngelSlim GGUF paketleri 125,73 ile 156,79 GiB arasında. llama.cpp desteği 32517 numaralı PR’da bekliyor, bugün itibarıyla merge edilmedi. README 128GB’lık makineler için hız tablosu veriyor ama bu boyutta dosyaların oraya nasıl sığdığını anlatmıyor. Bende bir DGX Spark var, Hy4 flash’ı üzerinde çalıştırmadım, o rakamları birinin tekrar üretmesini bekliyorum. Başkasına host etmeden önce lisansı okumak şart.

🌼 1.200 elle hazırlanmış görev, 27B’lik bir modeli ne kadar değiştirir?
RadixArk ilk modelini 18 Kasım’da yayımladı. RadixArk’ın blogundaki anlatıma göre DaisyRose-27B, Qwen3.8-27B üzerine yalnızca reinforcement learning ile eğitilmiş. Supervised fine-tune yok, distillation yok. Lisans Apache 2.0, ağırlıklar Hugging Face’te. Tokenizer ve chat template tabanla aynı, Qwen3.8-27B’nin çalıştığı yere doğrudan takılıyor.
Hikayenin kahramanı tarif. Eigent AI ile hazırlanan yaklaşık 1.200 uzun soluklu görev var ve her biri taban modelin yaptığı bir hatayı tetiklemek için kurulmuş. Her deneme sandbox’ta 1,5 saate kadar sürebiliyor, eğitim 144 H200 GPU’da 18 gün sürmüş. Gerçekten çözmeden geçilebilen görevler ya düzeltilmiş ya atılmış.
Rakamlar RadixArk’ın kendi harness’ından: Terminal-Bench 4.1 pass@1 yüzde 5,6’dan yüzde 12,0’a çıkıyor. Aynı tabloda GPT-6 Luna 15,2 görünüyor, o da farklı bir harness’tan gelen leaderboard rakamı. DaisyRose tabanından iyi, her şeyden değil. Bunu da çalıştırmadım.
Sık sorulanlar
Gemini 4 Neon, Carbon’dan ucuz mu?
Token başına 30 Kasım’a kadar hayır. 1 Aralık’ta Carbon 4 / 20 dolara çıkınca evet.
Hy4 flash’ı evde çalıştırabilir miyim?
Standart llama.cpp ile henüz hayır. GGUF dosyaları 125 ile 157 GiB arasında ve 32517 numaralı PR merge edilmedi.
Gözüm şunlarda: Neon’un Safety & Security Report’u, 1 Aralık’taki Carbon zammı, MAI Code 2’nin OpenRouter’a gelişi, llama.cpp’deki o PR, 128GB’lık Hy4 flash rakamlarını tekrar üretecek biri ve DaisyRose’un bağımsız leaderboard’lardaki yeri. Listenin ortası kalabalıklaştı, faturayı ödeyen için fena haber değil.
Kaynaklar
- https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/
- https://deepmind.google/models/model-cards/gemini-4-neon/
- https://aistudio.google.com/docs/pricing
- https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/gemini/4-neon
- https://antigravity.google/blog/gemini-4-neon-in-google-antigravity/
- https://artificialanalysis.ai/changelog
- https://microsoft.ai/news/introducing-mai-code-2-and-mai-code-2-flash/
- https://microsoft.ai/news/microsoft-ignite-2026/
- https://microsoft.ai/pdf/MAI-Code-2-And-MAI-Code-2-Flash-Model-Card.pdf
- https://docs.github.com/en/copilot/reference/copilot-billing/models-and-pricing
- https://commandline.microsoft.com/microsoft-decision-model-ga/
- https://openrouter.ai/microsoft/microsoft-decision-1.1
- https://www.tencent.com/tencent-launches-hy4-flash-to-power-high-speed-cost-efficient-ai-deployment-for-everyday-workflows/
- https://huggingface.co/tencent/Hy4-flash
- https://huggingface.co/tencent/Hy4-flash-FP8
- https://huggingface.co/tencent/Hy4-flash/blob/main/LICENSE
- https://github.com/tencent-hunyuan/hy4-flash
- https://huggingface.co/AngelSlim/Hy4-flash-GGUF
- https://github.com/ggml-org/llama.cpp/pull/32517
- https://www.radixark.com/blog/daisyrose-27b
- https://huggingface.co/RadixArk/DaisyRose-27B