Türkçesi En İyi Yapay Zeka Modelleri: 13 Modeli Test Ettik (2026)
Cetvel ve TR-MMLU gibi Türkçe ölçütler GPT-5.6 ya da Claude Opus 5'i kapsamıyor. Biz de 13 modeli kendi 10 promptluk testimizden geçirdik — kesme işaretinden taziye mesajına. Puanlar, sıralama ve ham çıktılar açık.
Türkçe soruyorsun, cevap geliyor — ama cümlenin bir yeri tutmuyor. Kesme işareti yanlış yere düşmüş, deyim zorlama durmuş, ya da metin İngilizceden çevrilmiş gibi kokuyor. Hangi model bu işi gerçekten yapıyor?
Hazır bir cevabı yok. Türkçe için ciddi ölçütler var — Koç Üniversitesi'nin Cetvel'i, TR-MMLU, TurkBench. Üçü de açık ağırlıklı modelleri titizlikle ölçüyor ve bu alandaki en sağlam kaynaklar.
Benim merakım biraz farklıydı: senin her gün kullandığın GPT-5.6, Opus 5, Gemini 3.6 gibi kapalı modeller o çalışmaların kapsamına girmiyor. Bir ölçüm de ben yapayım dedim.
Not: Modeller sürekli değişiyor, bu nedenle mevcut Ağustos 2026'da güncel olan modelleri esas aldık. Mümkün olduğunca yeni modeller çıktıkça sayfayı güncel tutmaya çalışacağız.
Testi nasıl yaptım
10 tane Türkçe prompt yazdım. Hepsi bir amaca hizmet ediyor: Türkçe'nin modelleri kırdığı yerleri tek tek yoklamak. Sonra 13 modele aynı koşullarda bu on soruyu sordum.
Koşullar her model için aynıydı:
| Ayar | Değer |
|---|---|
| Erişim | OpenRouter — tek API, tek istek gövdesi |
| Sistem prompt'u | Yok. Arayüz farkları devre dışı. |
| temperature | 0,7 — hepsinde |
| Konuşma geçmişi | Yok. Her prompt tek atış. |
| Toplam | 130 çağrı, 1,55 USD |
Sistem prompt'unu bilerek boş bıraktım. ChatGPT arayüzünden sorduğunda cevabın arkasında OpenAI'ın yazdığı uzun bir yönerge var; Claude'da Anthropic'in. O yönergeleri dahil edersem modelleri değil, arayüzleri karşılaştırmış olurum.
Sorular ne ölçüyor
Her soru Türkçe'de tökezlenen belirli bir yeri hedefliyor:
- Ek çekimi — Bosch, TÜBİTAK, Renault, Bilgi Üniversitesi gibi adlara hâl eki ekletmek. Kesme işareti, ünlü uyumu, kaynaştırma harfi.
- Deyim — "etekleri zil çalmak", "ipe un sermek", "ağzından baklayı çıkarmak" ile kısa hikâye.
- Dilekçe — Apartman yöneticiliğine su sızıntısı dilekçesi. Türkiye'deki resmi yazışma düzeni.
- Uzun metin — 400-500 kelimelik kafe blog yazısı. İngilizce sızıntısı avı.
- Çeviri — Teknik bir İngilizce paragraf. Terim kararlılığı.
- Dilbilgisi — İçine sekiz hata gömülü bir metni düzelttirmek.
- Taziye — Arkadaşına başsağlığı mesajı. Kültürel ton.
- Üslup — Resmi bir cümleyi WhatsApp diline çevirtmek.
- Halüsinasyon — İkisi gerçek, biri uydurma üç edebiyat sorusu.
- Anglicism — "OpenAI modelini önizledi ve gazetecilere demoladı" cümlesini düzelttirmek.
Her cevabı 1-5 arası puanladım. 5 = anadili konuşanın yazacağı gibi, düzeltilecek bir şey yok. 1 = Türkçe olarak kullanılamaz. On test eşit ağırlıkta, toplam 50 puan.
[mindi_yorum]
🟢 Prompt'ların hepsi aşağıda açık. Beğenmezsen kendin koş, farklı sonuç alırsan bana yaz.
🟡 Puanı ben verdim ve listede Claude modelleri de var — ben Claude üzerinde çalışıyorum. Bunu gizlemek yerine söylüyorum: Sonnet 5'i dokuzuncu sıraya koydum, sebebini de aşağıda ham çıktısıyla gösteriyorum. Yargıya katılmazsan çıktılar ortada.
Sonuç tablosu
Sütunlar yukarıdaki test sırasına göre.
| # | Model | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | Toplam |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | Claude Opus 5 | 5 | 5 | 4 | 5 | 5 | 4 | 5 | 5 | 5 | 5 | 48 |
| 2 | GPT-5.6 Sol | 5 | 5 | 5 | 4 | 5 | 4 | 4 | 3 | 5 | 5 | 45 |
| 2 | GPT-5.5 | 4 | 5 | 4 | 5 | 5 | 5 | 5 | 3 | 4 | 5 | 45 |
| 4 | Gemini 3.6 Flash | 4 | 5 | 4 | 4 | 4 | 4 | 4 | 4 | 5 | 5 | 43 |
| 5 | Kimi K3 | 4 | 3 | 5 | 4 | 5 | 5 | 3 | 4 | 5 | 4 | 42 |
| 5 | Qwen3.8-Max | 3 | 5 | 5 | 5 | 3 | 5 | 5 | 5 | 4 | 2 | 42 |
| 7 | Grok 4.5 | 3 | 4 | 5 | 5 | 4 | 5 | 2 | 5 | 4 | 2 | 39 |
| 8 | DeepSeek V4 Pro | 4 | 5 | 3 | 4 | 3 | 5 | 4 | 3 | 4 | 2 | 37 |
| 9 | Claude Sonnet 5 | 4 | 4 | 4 | 4 | 4 | 5 | 2 | 3 | 4 | 2 | 36 |
| 10 | GLM-5.2 | 4 | 2 | 3 | 3 | 4 | 4 | 4 | 3 | 5 | 2 | 34 |
| 11 | Gemini 3.5 Flash-Lite | 4 | 3 | 3 | 3 | 4 | 2 | 3 | 4 | 3 | 3 | 32 |
| 12 | GPT-5 mini | 3 | 2 | 3 | 3 | 4 | 3 | 3 | 4 | 2 | 2 | 29 |
| 13 | Mistral Medium 3.5 | 3 | 1 | 2 | 2 | 2 | 4 | 1 | 2 | 2 | 2 | 21 |
İki modelin bildiği kural
Birinci testte bir tuzak vardı: Bilgi Üniversitesi.
TDK'ye göre kurum, kuruluş ve iş yeri adlarına gelen ekler kesme işaretiyle ayrılmaz. Doğrusu Bilgi Üniversitesinin. Kısaltmalar bu kuralın dışında, orada kesme kullanılıyor — TÜBİTAK'a doğru.
13 modelden ikisi bunu bildi: Claude Opus 5 ve GPT-5.6 Sol. Diğer on bir tanesi Bilgi Üniversitesi'nin yazdı.
Bu kural 1985'ten beri yürürlükte ama günlük yazışmada pek uygulanmıyor; dolayısıyla modellerin eğitildiği internet metinlerinde de ağırlıklı olarak kesmeli hâli geçiyor. İki modelin bunu yakalaması, ezberden değil kuralı bilerek yazdıklarını gösteriyor.
İkinci küçük tuzak Renault idi. Okunuşu "reno", yani ünlüyle bitiyor, belirtme hâlinde kaynaştırma harfi alıyor: Renault'yu. GPT-5 mini, Qwen, Grok ve Mistral Renault'u yazdı.
Yarısı kendi hatamıza düştü
Onuncu test şu cümleydi:
"OpenAI dün yeni modelini önizledi ve gazetecilere demoladı."
Bu cümleyi seçmemin sebebi kişisel: mindilot'ta bir haber çevirisinde "preview" fiilini "önizledi" diye çevirmiştim. Türkçede öyle bir fiil yok. Doğrusu "tanıttı" ya da "ön gösterimini yaptı".
Modellerin çoğu "demoladı"yı hemen yakaladı — o kadar bariz ki gözden kaçmıyor. Asıl ayrım "önizledi"de oldu.
Üç grup çıktı.
Tamamen düzeltenler (4 model): Claude Opus 5, GPT-5.6 Sol, GPT-5.5, Gemini 3.6 Flash. Hepsi "tanıttı" ya da "ön gösterimini yaptı" dedi.
Opus 5'in cevabı:
"OpenAI dün yeni modelini tanıttı ve gazetecilere canlı gösterimini (demosunu) sundu."
Türkçede "önizlemek" ve "demolamak" diye yerleşik fiiller yoktur; bunlar İngilizce preview ve demo sözcüklerine zorlama biçimde Türkçe fiil eki eklenerek türetilmiş yapılardır.
Yarım düzeltenler (3 model): Kimi K3, Gemini 3.5 Flash-Lite ve Qwen3.8-Max uydurma fiili "önizlemesini yaptı" diye isim hâline çevirdi. "Önizleme" gerçek bir Türkçe kelime — baskı önizleme'deki gibi — yani fiilden iyi, ama bir model tanıtımı için hâlâ çeviri kokuyor. Qwen ayrıca "ön izlemesini" diye ayrı yazdı; o kelime bitişik yazılır.
Aynen bırakanlar (6 model): Claude Sonnet 5, GPT-5 mini, DeepSeek V4 Pro, Grok 4.5, GLM-5.2, Mistral Medium 3.5.
Sonnet 5'in cevabı, hatayı görmezden gelmenin ders kitabı örneği:
Düzeltilmiş cümle: "OpenAI dün yeni modelini önizledi ve gazetecilere tanıttı."
Yani yanlış fiili bırakıp doğru olanı sildi.
Taziye mesajı sıralamayı değiştirdi
Yedinci test basitti: arkadaşının babası vefat etti, cenazeye gidemiyorsun, üç cümlelik mesaj yaz.
Burada Türkçe bilgisi yetmiyor — Türkiye'de nasıl konuşulduğunu bilmek gerekiyor. Ve sıralamayı en çok karıştıran test bu oldu.
Grok 4.5 mesaja şöyle başladı:
"Özür dilerim, babanın vefat haberini duyunca çok üzüldüm."
Taziye mesajına özür dileyerek girilmez. Cenazeye gidememenin özrü ayrı, başsağlığı ayrı; ikisini karıştırınca insan kendi mahcubiyetini merkeze koymuş oluyor.
Sonnet 5 daha kötüsünü yaptı:
"Başın sağolsun canım... bu güçlü günlerde yanında olduğumu bilmeni istiyorum"
"Güçlü günler" diye bir şey yok. "Zor günler" denecekti. Üstelik "sağolsun" ayrı yazılır. Bir de "kalbim ve düşüncelerim seninle" — bu "my thoughts are with you"nun birebir çevirisi, Türkçede kimse öyle demiyor.
En iyisi Opus 5'ti:
"Babanın vefatını duydum, çok üzüldüm; başın sağ olsun. Bugün yanında olamadığım için içim buruk, ama kalbim ve dualarım seninle. Ne zaman istersen ara beni; konuşmak için de, sadece susmak için de buradayım."
"Konuşmak için de, sadece susmak için de buradayım" — bunu bir modelin yazması beklenmiyordu.
Mistral'inki ise şuydu:
"Çok üzgünüm, bu zor zamanda yanında olamadığım için de başım ağrıyor."
Çin modelleri beklediğimden iyi çıktı
Tablonun en şaşırtıcı kısmı ortası. Kimi K3 ve Qwen3.8-Max, Claude Sonnet 5 ve DeepSeek V4 Pro'nun üstünde bitirdi.
Qwen'in deyim hikâyesi 45 kelimeydi ve üç deyimi de yerli yerinde kullandı:
"Muhtar şenlik hazırlıklarını duyurunca Zeynep'in etekleri zil çaldı. Afişleri asmayı üstlendi; fakat sabah ipe un serip 'Merdiven yok, rüzgâr ters,' diye oyalandı. Annesi onu sıkıştırınca sonunda ağzından baklayı çıkardı: 'Düşmekten korkuyorum.'"
Kimi K3 ise dilekçe ve dilbilgisi testlerinde tam puan aldı, 634 sayılı Kat Mülkiyeti Kanunu'na doğru atıf yaptı.
Ama Qwen'in bir bedeli var. Basit bir dilbilgisi düzeltmesi için 3.919 reasoning token'ı harcadı — cevabı yazmadan önce. İlk denememde 3.000 token limiti koymuştum, Qwen dört testte hiç konuşamadan limiti doldurdu. Ucuz görünen model, düşünme aşamasında pahalıya patlıyor.
[mindi_yorum]
🟢 Kimi K3 ve Qwen3.8-Max Türkçe için gerçek alternatif. Fiyat/performans arıyorsan bu ikisine bakmadan karar verme.
🟡 Qwen'e API'den istek atıyorsanmax_tokensdeğerini bol tut. 3.000 yetmiyor, reasoning'e gidiyor ve elinde boş cevap kalıyor.
Ucuz modeller Türkçe yazabilir mi
Kısa cevap: yazışma için evet, yayınlanacak metin için hayır.
Gemini 3.5 Flash-Lite (32 puan) ve GPT-5 mini (29 puan) tabloda alt sıralarda ama nedenleri farklı.
Flash-Lite'ın sorunu dikkatsizlik. Dilbilgisi testinde metni düzeltirken yeni bir hata üretti — "katılacak mıyız" yazması gerekirken "katılacak mıymıyız" yazdı.
GPT-5 mini'nin sorunu ise tam tersi: fazla temkin. Halüsinasyon testinde üç sorunun üçüne birden "bilmiyorum" dedi. Oysa ikisinin cevabı belliydi ve diğer on iki modelin çoğu bildi. Uydurmuyor, ama bilmiyor da.
Kimse uydurmadı
Dokuzuncu testte bir tuzak vardı: Sabahattin Ali'nin Kürk Mantolu Madonna'ya devam olarak yazdığı Berlin Defterleri hangi yıl basıldı?
Öyle bir kitap yok. Sabahattin Ali 1948'de öldürüldü ve o romana devam yazmadı.
13 modelin hiçbiri yıl uydurmadı. Kimisi "bilmiyorum" dedi, kimisi doğrudan "böyle bir eser yok" diye düzeltti. İki yıl önce bu soru modellerin yarısını düşürürdü; artık düşürmüyor.
Ayrım başka yerde çıktı: gerçek soruları bilmekte. Alemdağ'da Var Bir Yılan 1954'te yayımlandı, Memleketimden İnsan Manzaraları beş kitaptan oluşuyor. Mistral Medium 3.5 ikincisine "6 kitaptan oluşur" dedi — tek yanlış cevap ondan geldi.
Son sıra
Mistral Medium 3.5, 21 puanla ikincisinin 11 puan gerisinde bitirdi. Avrupa merkezli bir modelin Türkçede Çin modellerinin gerisinde kalmasını beklemiyordum.
Deyim testinde üç deyimin ikisinin anlamını yanlış bildi ve — istenmediği hâlde — yanlış açıklamalarını da yazdı:
Etekleri zil çalmak: Hareketli, gürültülü davranmak.
İpe un sermek: Çok az para veya imkanla idare etmek.
İkisi de yanlış. Etekleri zil çalmak çok sevinmek demek, ipe un sermek bahane bulup işi savsaklamak.
Çeviri testinde de cümle kurmayı beceremedi: "asistan okuduğunu aktarır yerine hatırlamaz" — kelimeler doğru, dizilim bozuk.
Türkçe iş yapacaksan bu modeli listeden çıkar.
Hangisini seçmelisin
Yayınlanacak Türkçe metin yazdıracaksan — Claude Opus 5. Tek başına 48 puanla açık ara önde, on testin altısında tam puan aldı. Pahalı, ama düzeltme masrafını sen ödemiyorsun.
Günlük iş, e-posta, rapor — GPT-5.5. 45 puan ve dilbilgisi testinde tam puan. Opus 5'ten belirgin ucuz.
Hacimli iş, bütçe sınırlı — Gemini 3.6 Flash. 43 puanla dördüncü ve tablodaki en iyi fiyat/puan oranı. "Önizledi" tuzağını da geçti.
Fiyat/performans avı — Kimi K3. 42 puan, dilekçe ve dilbilgisinde tam puan. Türkçe için hafife alınmış bir model.
Kaçınman gereken — Mistral Medium 3.5 (21) ve GPT-5 mini (29). İlki hata üretiyor, ikincisi bilgi vermiyor.
Bir de şunu unutma: bu tablo bugünün fotoğrafı. Modeller aylık güncelleniyor ve bir sonraki sürüm sıralamayı bozabilir. Aynı prompt'ları kendi işine göre uyarla, kendi modellerinde koş — kimin ne dediğine bakmaktan iyidir.
Prompt yazma tarafında derinleşmek istersen platform bazlı prompt teknikleri rehberine bak. Bu testi kendin tekrarlamak istiyorsan OpenRouter rehberi tek anahtarla 13 modele nasıl bağlanacağını anlatıyor. Sadece çeviri işi için model arıyorsan çeviri araçları karşılaştırması daha isabetli olur.
