Bu video, Çin yapay zeka modellerinin yazılım kodlama yeteneğini karşılaştıran ve tekrarlanabilir bir test sunuyor. DeepSeek V4.1 Flash ve Kimi K3.1 Pro, tamamen aynı istemler (prompt) ile Türkiye tarihinden ilham alan üç farklı oyun yazmasını isteniyor: 1453 yılında Ottoman gemilerinin kara yoluyla Haliç'e indirilmesi, Cumhuriyet döneminin heyecanını yansıtan bir oyun ve Türkiye turizminin hava yollarıyla anlatılması. Video, bu iki modelin kod kalitesi, hata ayıklama becerisi ve performans açısından nasıl farklılaştığını somut örneklerle gösteriyor.

DeepSeek V4.1 Flash test sırasında ilk denemede siyah ekran çıkması, genişletilmiş düşünme (extended reasoning/chain-of-thought) özelliği etkinken meydana geliyor; bu, üretken yapay zekaların karmaşık problem çözerken zaman zaman başarısız olabilmesinin bir örneğidir. Düşünme kapasitesini kapatıldığında (token tasarrufu için), DeepSeek 50 saniyenin altında çalışan kod üretiyor ancak çıktıda mantık hataları bırakıyor. Test 24 Ekim 2026'de OpenRouter API üzerinden gerçekleştirilmiş olup, model ağırlıkları ve API istekleri o tarihteki sürümlere ait. Bu tip karşılaştırmalar, modellerin ürün ortamında ne kadar güvenilir olduğunu değerlendirmek için önem taşıyor.

Yapay zeka modellerinin kod yazması, günümüzde yazılım geliştirme süreçlerine entegre ediliyor. Ancak, bu sistemlerin ürettiği kodun her zaman sonrasında test ve doğrulamaya ihtiyacı vardır. Hata oranı, modelin mimarisi (parametre sayısı, eğitim veri seti, ince ayar), istem detayı, sıcaklık ayarı ve düşünme adımlarının kullanılıp kullanılmadığına bağlı olarak değişir. Açık kaynak modeller (DeepSeek gibi) ve kapalı kutu ticari çözümler (Kimi gibi) farklı tavizler sunuyor: DeepSeek veri gizliliğine ve maliyet-performans oranına vurgu yaparken, Kimi API hizmeti modunda hızlı ve odaklı çıktılar vermeye yöneliklenmiş.

Video, sadece iki modeli değil, yapay zeka kod yazımının pratik sınırlamalarını da ortaya koymaktadır. DeepSeek ve Kimi arasındaki farklar, bu modellerin hangi görevlerde tercih edilmesi gerektiğini göstermekte; mevcut yapay zeka durum (state-of-art), henüz üretim kodunu insan müdahalesi olmaksızın doğru türetememekte ve hata ayıklama gerektirmektedir. Video bulguları yazılım mühendisliği ekipleri için anlamlıdır: otomasyonun nerede yardımcı, nerede riski olduğunu anlamak gelecek nesil araç seçiminde kritiktir.