Bu video, üç farklı yapay zeka modelini (Kimi K3.1 Pro, DeepSeek V4.1 Flash ve Claude Opus 5.5) aynı komutla sınayan bir performans ve doğruluk testidir. Video yapıcısı, modellere tam olarak aynı komutu verip üç Türkiye oyunu yazmasını istemiş; 1453'te gemilerin karadan Haliç'e indirilmesi oyunu, Cumhuriyet kutlaması oyunu ve Türkiye turu oyunu. Modern dil modelleri (LLM) milyarlar parametreli sinir ağlarıdır ve aynı komuta farklı çıktılar verebilir; bu test, çıktı kalitesinin ve tutarlılığının model mimarisine, eğitimine ve çıkarım ayarlarına nasıl bağlı olduğunu gösteriyor.

Kimi K3.1 Pro üç oyunu ilk denemede başarıyla tamamladı ve hiçbir düzeltmeye ihtiyaç duymadı. DeepSeek V4.1 Flash ise ilk denemede "düşünme" modunu kullanıp uzun zaman harcadıktan sonra eksik kod döndü ve her üç oyun da siyah ekran verdi. Bunun nedeni, DeepSeek'in o4 benzeri "düşünme" modunun yanlış ayarlanmasıydı. Düşünme devre dışı bırakılıp kontekst sınırı 64 bin tokena çıkarıldığında, aynı komutu 24–47 saniye içinde işledi, ama her oyunda biri tarih, diğerleri görsel hata olmak üzere hatalar bıraktı: gökyüzünde kızak yolu, sıfırlanan skor, "NaN" göstergesi ve tarih bilgisinde yanılgılar. Bonus olarak Claude Opus 5.5 de aynı komutla kusursuza yakın bir sonuç verdi ve hatta ekstra olarak Ayasofya hazineleri oyunu da yarattı.

Maliyet tarafında DeepSeek yaklaşık 25 kat daha ucuz ve 10 kattan fazla hızlı çalıştı; Kimi'nin üç oyunu 0,68 dolar, DeepSeek'in (ikinci denemesi) 0,026 dolar tuttu. Bu, düşük bütçeli operasyonlar için DeepSeek'in cazip olmasını sağlasa da, doğruluk açısından önemli fark vardır. LLM'lerde ücretlendirme genellikle giriş ve çıkış token sayısına dayalıdır; daha büyük modeller ve "düşünme" modu daha yüksek maliyete sebep olur. Video, yapay zeka seçimi yaparken sadece fiyata bakmanın riskli olduğunu gösteriyor: ucuz model hızlı sonuç verebilir ama metin, sayı, tarih ve mantık açısından hataları siyah ekran kadar ciddi olabilir.

Bu video, kendi operasyonları için yapay zeka seçecek yazılımcı ve işletmecilere faydalıdır. Her model kendi bağlamda optimal olabilir: hızı ve maliyeti ön planda olan hızlı prototipleme için DeepSeek, yüksek doğruluk gereken istihdam ve yasal dokümanlarda Claude veya Kimi tercih edilebilir. Video son bölümde, test sonucunun asıl dersini anlatıyor: "Ucuz model seç ve çıktıyı kesin kontrol et; pahalı model seç ve ilk defada doğru bekle ama hız açısından sabırlı ol. Hangisi seçersen seç, hata kontrol edilmeden üretime gitmez." Türkiye oyunlarında tarih ve coğrafya bilgisi kritiktir; yapay zeka bu alanlarda körlükle özür dilemez, kontrol kaçak hata verebilir.