OpenAI ve Anthropic LLM fiyatlarını yüzde 80'e kadar düşürdü: yapay zeka özelliklerinin ekonomisi yeniden şekilleniyor

Ne oldu

Max Woolf'un 25 Ekim'de yayımladığı ayrıştırmaya ve 30 Ekim'de dev.to'da özetlenen bir makaleye göre OpenAI ve Anthropic, Temmuz 2026'dan bu yana dil modellerinin fiyatlarını yüzde 80'e kadar düşürdü. dev.to yazısı bu indirimlerin pratikte neyi değiştirdiğini ele alıyor; temel argümanı ise manşetteki rakamın, bir API faturasında asıl önemli olan kısmı gözden sakladığı.

dev.to'nun aktardığı Woolf'un rakamlarına göre OpenAI'nin küçük "Luna" segmenti Temmuz'da yaklaşık yüzde 80 ucuzladı, ardından Eylül'de GPT-6 Luna'nın çıkışıyla bir kez daha yarıya indi. OpenAI'nin amiral gemisi "Sol" modelleri Ağustos ve Eylül boyunca kademeli olarak ucuzladı ve GPT-6.1 Sol cache-read fiyatlarını yeniden yarıya düşürdü. Anthropic ise Sonnet 5'teki lansman indiririmini kalıcı hale getirdi, Fable 5.1'de cache-read fiyatlarını keskin biçimde düşürdü ve Opus 5.5'i genel olarak Opus 5'in yüzde 40–60 altında fiyatladı.

Woolf indirimleri rekabete bağlıyor: açık ağırlıklı modeller ve geniş bir inference sağlayıcısı yelpazesi artık o kadar benzer kalite sunuyor ki fiyat, geriye kalan tek ayrıştırıcı faktör haline geliyor.

Cache read'ler agent faturalarını domine ediyor

Makalenin merkezindeki nokta, birçok iş yükü için input ve output liste fiyatlarının bakılacak yanlış yer olduğu. Woolf'a atıfla, agentic kodlamada cache read'lerin token harcamasının yüzde 96–99'unu oluşturduğunu aktarıyor: agent'lar her turda büyük ölçüde özdeş bir sistem prompt'u, araç tanımları ve dosya bağlamı yükünü yineliyor ve bunların neredeyse tamamı cache'ten sunuluyor. Bu tür bir iş yükü için, makalenin örneğiyle, cache read'lerdeki yüzde 75'lik bir indirim, output tokenlarındaki yüzde 20'lik indirimden çok daha önemli; paylaşılmayan prefix'i olmayan tek atımlık bir özetleyici için ise denge tersine döner.

Önerilen ilk adım ölçümleme. Her iki büyük API de istek başına kullanım raporluyor ve input, output, cache-read ve cache-write tokenlarını özellik bazında loglamak, opak bir birleşik faturayı özellik başına birim maliyetlere dönüştürüyor — "yapay zekanın" toplamda neye mal olduğunu bilmek ile bir ticket-triage özelliğinin bin ticket başına neye mal olduğunu bilmek arasındaki fark.

Prompt'ları cache'in tutacağı şekilde tasarlamak

Cache read'ler artık neredeyse bedavaysa,.corollary isteklerin öncelikle cache'lenebilir olması gerektiğidir. Makalenin kuralı, kararlı içeriği prompt'un başına, istek başına içeriği ise sonuna koymak. Anthropic'in Messages API'si kararlı prefix'i bir cache-control işaretçisiyle açıkça belirtiyor; OpenAI ise cache'lemeyi uzun prompt'lara otomatik olarak uyguluyor ama aynı sıralama ilkesi geçerli. Bir sistem prompt'unun en üstüne konan tek bir zaman damgası, ardından gelen her şeyin cache'ini geçersiz kılabilir. Makalenin işaret ettiği cache kırıcılar arasında sistem prompt'larındaki dinamik değerler, her çağrıda farklı sırada serileştirilen araç tanımları ve kararsız anahtar sırasıyla yeniden serileştirilen JSON bağlamı var.

Yönlendirme, taşınabilirlik ve yeniden fiyatlandırma

Küçük modeller artık milyonca token başına centlerle fiyatlandığına göre makale, alışkanlıkla her isteği bir amiral gemisi modele göndermeye karşı argüman ediyor. Sınıflandırma, çıkarma ve özetleme gibi görevleri küçük bir modele eşleyen — ve daha büyük modelleri akıl yürütme ile kod için saklayan — bir yönlendirme katmanı, ekipler küçük modeli taahhüt öncesinde birkaç yüz gerçek girdi üzerinde benchmark'larsa çoğu ürünü karşılıyor. Ayrıca sağlayıcıları tek bir arayüzün arkasına saklamayı, model ID'lerini ve fallback'leri konfigürasyonda tutmayı öneriyor; böylece bir fiyat değişikliğine, uygulama kodunu yeniden yazmak yerine bir environment variable'ı düzenleyip eval'leri yeniden çalıştırarak yanıt verilebilir.

Bu tavsiyelerin yanında iki uyarı geliyor. Daha ucuz, otomatik olarak yeterince iyi olduğu anlamına gelmiyor: birçok dar görev için düz kod — desen eşleştirme, geleneksel bir sınıflandırıcı, bir veritabanı sorgusu — hâlâ bir LLM'den daha iyi performans gösteriyor ve fiyat indirimleri bunu değiştirmiyor. Ayrıca abonelik planları API fiyatlarını izlemeyebilir; dev.to'ya göre Woolf kendi abonelik kotasını düşürdü ve plan paylarının API maliyetleri yeniden tırmanmadan önce sıkılaşmasını bekliyor.

Neden önemli

Bu boyutta bir düşüş, yalnızca birkaç ay önce maliyet nedeniyle reddedilen özelliklerin birim ekonomisini değiştiriyor ve makale, rafa kaldırılmış fikirlerin güncel fiyatlarla yeniden fiyatlandırılmasını öneriyor — her birinin bugünkü fiyatların iki katında hâlâ anlamlı olup olmadığına dair bir stres testiyle. Daha geniş çerçevede, indirimler inference'ın metalaştığının kanıtı. Sağlayıcılar arasında kalite yakınsadıkça fiyatlar iki yöne de hareket edebilir ve tasarrufu yakalayan geliştiriciler, hangi tokenlar için ödeme yaptıklarını tam olarak bilen ve modelleri konfigürasyonu düzenleyerek değiştirebilenler olacak.