Token, yapay zekâ modelinin metni okurken kullandığı en küçük parçadır; bağlam penceresi ise modelin tek seferde aklında tutabildiği toplam token miktarıdır. Google'ın belgelerine göre bir token yaklaşık dört karaktere denk gelir. Dolayısıyla “1 milyon tokenlik bağlam”, modele bir kerede çok büyük bir belge yığınını, kod deposunu ya da uzun bir sohbet geçmişini verebildiğiniz anlamına gelir.

Gemini 4 Argon gibi yeni modellerin duyurularında bu rakamı sık görüyorsunuz. Ancak rakamın gerçekte neyi ifade ettiğini ve neden “ne kadar büyükse o kadar iyi” olmadığını bilmek, hangi yapay zekâ aracını ne için kullanacağınızı seçerken işinize yarar.

Token tam olarak nedir?

Bir dil modeli metni harf harf ya da kelime kelime okumaz. Metni önce tokenlara böler. Bir token bazen tek bir karakter, bazen bütün bir kelime olabilir; uzun kelimeler birkaç tokena ayrılır. Model, yazdığınız her şeyi bu parçalar üzerinden işler ve cevabını da yine tokenlar halinde üretir.

Google'ın Gemini belgesi iki pratik ölçü veriyor:

  • Bir token yaklaşık 4 karaktere denk gelir.
  • 100 token, yaklaşık 60-80 İngilizce kelimedir.

Bu oranlar İngilizce metne göre verilmiş. Türkçe ekli bir dil olduğu için kelimelerin kaç tokena bölündüğü model ve sağlayıcıya göre değişebilir; kaynaklarda Türkçe için kesin bir oran yok, bu yüzden kendi metninizi denemeniz en güvenli yoldur. Google, istek göndermeden önce token sayısını öğrenmeniz için bir sayım işlevi (count_tokens) sunuyor.

Metin dışındaki içerikler de token olarak sayılır. Google'ın belgesine göre 384 piksele kadar bir görsel 258 token tutar, daha büyük görseller 768x768 pikselik parçalara bölünür ve her parça 258 token sayılır. Ses ise saniye başına 32 token tüketir.

Bağlam penceresi: modelin çalışma belleği

Anthropic, bağlam penceresini modelin cevap üretirken başvurabildiği tüm metin olarak tanımlıyor ve bunu modelin “çalışma belleği” diye niteliyor. Bu, modelin eğitildiği devasa veri yığınından farklı bir şey. Pencereye şunlar girer:

  • Sizin yazdığınız mesajlar ve önceki konuşma geçmişi
  • Sistem talimatları ve araç tanımları
  • Yüklediğiniz belgeler, görseller ve araçların döndürdüğü sonuçlar
  • Modelin ürettiği cevabın kendisi

Gemini 4 için Google, girdi, düşünme ve çıktı tokenlarının tek bir 1.048.576 tokenlik pencereyi paylaştığını belirtiyor. Gemini 3 ve 2.5 modellerinde girdi ve çıktı ayrı bütçelerle sayılıyordu. Yani pencerenin tamamını girdiye ayıramazsınız; cevap için de yer kalması gerekir. Google, Gemini 4'te tek seferlik çıktıyı varsayılan olarak 65.536 tokenla sınırlıyor.

1 milyon token ne kadar eder?

Google'ın uzun bağlam sayfası bu rakamı şu örneklerle somutlaştırıyor:

  • Satır başına 80 karakterle yaklaşık 50.000 satır kod
  • Beş yıl boyunca gönderdiğiniz bütün kısa mesajlar
  • Ortalama uzunlukta sekiz İngilizce roman
  • Ortalama uzunlukta 200'den fazla podcast bölümünün dökümü

Yukarıdaki 100 token = 60-80 kelime oranından basit bir hesapla, 1 milyon token kabaca 600 bin ila 800 bin İngilizce kelimeye denk gelir. Bu bizim hesabımız, resmî bir rakam değildir.

Yine de pencere büyüdü diye her şeyi içine atmak iyi fikir değil. Bunun üç sebebi var.

Büyük pencere neden her zaman daha iyi değil?

Anthropic'in belgesi açık konuşuyor: daha fazla bağlam otomatik olarak daha iyi demek değildir. Token sayısı arttıkça doğruluk ve bilgiyi hatırlama başarısı düşer; belge bu olguya “context rot” (bağlam çürümesi) diyor. Bu yüzden pencereye ne koyduğunuzu seçmek, pencerenin ne kadar büyük olduğu kadar önemli.

Google ise uzun bağlamlarla ilgili şu uyarıları yapıyor:

  • Aynı anda birden fazla ayrı bilgiyi bulmak, tek bir bilgiyi bulmaktan daha az güvenilir. Gerekirse işi birkaç isteğe bölün.
  • Girdi uzadıkça ilk cevabın gelmesi genellikle gecikir.
  • Aynı malzemeyi defalarca soruyorsanız bağlam önbelleği (context caching) maliyeti düşürebilir.

Son olarak, bu kapasitelerin hepsi ücretli API kullanımında ya da aboneliğin kapsamında geçerli olur; hangi planda hangi sınırın açık olduğunu sağlayıcının kendi sayfasından kontrol etmelisiniz.

Uzun bağlamdan daha iyi sonuç almanın yolları

Google'ın önerileri günlük kullanımda da işe yarar:

  1. Sorunuzu en sona koyun. Uzun bir belgenin ardından soru geldiğinde performans genellikle daha iyi oluyor.
  2. Gereksiz içeriği çıkarın. Modele yalnızca görev için gereken tokenları verin.
  3. Aynı belgeyi tekrar tekrar yüklemeyin. Önbellek varsa kullanın.
  4. Çok uzun sohbetlerde özetleyin. Anthropic, sohbet uzadıkça eski kısımların özetlenerek (compaction) taşınmasını öneriyor; bazı sohbet arayüzleri ise en eski mesajları çıkararak pencereyi yönetiyor.

Bu haberlerde neden önemli?

Bir modelin bağlam penceresinin 1 milyon token olması, ona bir kod deposunu, uzun bir sözleşmeyi ya da saatlerce toplantı dökümünü bir kerede verebileceğiniz anlamına geliyor. Anthropic'in belgesine göre Claude'un birçok güncel modeli de 1 milyon tokenlik pencere sunuyor; yani bu rakam artık tek bir şirkete özgü değil. Asıl fark, pencerenin içindeki bilgiyi ne kadar güvenilir kullanabildikleri. Şirketlerin duyurularındaki rakam kapasiteyi gösteriyor, doğruluğu değil; bu yüzden bir modeli seçerken kendi belgelerinizle deneme yapmak en sağlam yöntem.

Bilgiler Ekim 2026 itibarıyla Google ve Anthropic'in geliştirici belgelerine dayanıyor; modeller ve sınırlar hızla değiştiği için güncel rakamlar için sağlayıcıların sayfalarına bakın.

Sık sorulan sorular

Token ile kelime aynı şey mi?

Hayır. Bir token bazen tam bir kelime, bazen kelimenin bir parçası, bazen tek bir karakterdir. Google'a göre İngilizcede 100 token yaklaşık 60-80 kelimedir.

Bağlam penceresi dolarsa ne olur?

Anthropic'in belgesine göre girdi tek başına pencereyi aşarsa API “prompt is too long” hatası döndürür. Sohbet arayüzleri ise eski mesajları çıkararak pencereyi kaydırabilir; bu durumda model konuşmanın başını “unutur”.

Bağlam penceresi modelin hafızası mıdır?

Bir bakıma kısa süreli hafızasıdır. Anthropic bunu modelin çalışma belleği olarak tanımlıyor ve eğitildiği veriden ayırıyor. Pencere dışında kalan bilgiye model o konuşmada ulaşamaz.

Pencere büyükse modelin doğruluğu da yüksek midir?

Garanti değildir. Anthropic, token sayısı arttıkça doğruluk ve hatırlamanın düşebileceğini, buna bağlam çürümesi dendiğini belirtiyor. Önemli işlerde sonucu kendi belgelerinizle sınayın.