Önce kısa yanıt: 13 Ağustos 2026'da Mixedbread, Toast 1 adlı bir model piyasaya sürdü. Bu, sohbet ettiğiniz genel bir model değil; tek işi belgelerinizi taramak ve kanıtlarla geri dönmek olan uzmanlaşmış bir arama ajanı. Bir işletme sahibinin dikkatini hak eden şey ürünün adı değil, gün yüzüne çıkardığı gerçek: Bugün yapay zekâ için ödediğiniz paranın büyük bir kısmı düşünmeye değil, arama eylemine gidiyor ve bu ikisini ayırmak maliyeti ciddi ölçüde düşürürken yanıtların kalitesini de aynı anda artırıyor.

Gerçekte ne duyuruldu

Şirketin resmî duyurusuna göre Toast 1, tek bir görev için eğitilmiş bir arama ajanıdır: Bir soruyu alır, alt sorgulara böler, kaynaklarınızdan kanıt toplar, bunları inceler ve ardından ilgili malzemeden oluşan seçilmiş bir paket teslim eder. Nihai yanıtınızı yazmaz; büyük modelin daha sonra üzerinde akıl yürüteceği ham malzemeyi hazırlar.

Şirket, özellikle arama kalitesinde öncü modellerle aynı düzeyde ya da onlardan daha iyi olduğunu, üstelik on kata kadar daha düşük maliyetle ve on iki kat daha hızlı çalıştığını belirtiyor. Bunlar sağlayıcının verdiği rakamlardır ve öyle okunmalıdır; ancak daha önemli iddia mimariyle ilgilidir: Kurulumunuzu değiştirmenizi gerektirmez ve verilerinizi başka bir yere taşımadan, zaten sahip olduğunuz erişim dizininin üzerinde çalışır.

Duyurulan lansman fiyatı, milyon girdi token'ı başına 0,30 $, önbelleğe alınmış milyon girdi token'ı başına 0,036 $ ve milyon çıktı token'ı başına 0,72 $. Uygulamada şirket, tek bir sorgunun maliyetini sekiz saniyelik medyan gecikmeyle yaklaşık 0,016 $ ile 0,023 $ arasında gösteriyor; en yüksek kaliteli yapılandırmada bu, on bir saniyelik medyanla yaklaşık 0,05 $ ile 0,07 $ arasına çıkıyor.

Bu bir işletme sahibi için neden önemli: aramanın ekonomisi

Şirketinizin belgeleri üzerine bir asistan kurduğunuzda, maliyetin büyük kısmının yanıtı oluşturmakta olduğunu varsayarsınız. Gerçek bunun tam tersidir. Model, üç faydalı satır bulmak için onlarca belge okur ve siz kullandığı için değil, okuduğu her şey için ödeme yaparsınız. Arşiviniz büyüdükçe faturanın büyümesinin, yanıtların yavaşlamasının ve doğru yanıtın giderek daha fazla gürültü içinde kaybolmasının nedeni budur.

Uzmanlaşmış bir arama ajanının yaptığı, bu ağır işi tam da bunun için eğitilmiş daha ucuz ve daha hızlı bir modele aktarmak, ardından yoğunlaştırılmış bir sonucu büyük modele iletmektir. Büyük model oyunda kalır, ancak yeteneğini başka hiçbir şeyin iyi yapamadığı işlere harcar: anlamak, çıkarım yapmak ve kararı çerçevelemek.

Pratik kural: Bir arşivcinin işine benzeyen bir iş için öncü model fiyatı ödemeyin. Düşünmeyi pahalı modelden, aramayı ucuz modelden satın alın.

İki bağımsız kıyaslama testinden gelen rakamlar

Pazarlama iddiaları tartışmaya açıktır; yayımlanmış kıyaslama testleri ise daha nettir. Databricks'in karmaşık ve gerçekçi kurumsal finans durumlarına ilişkin doksan soruda yanıt doğruluğunu ölçmek için yayımladığı OfficeQA Pro v2'de, Toast 1'in alt ajan olarak kullanılabildiği GPT-5.6 Sol, görev başına yaklaşık 1,15 $ maliyetle %70 doğruluğa ulaştı. Karşılaştırma için, önceki en iyi performans görev başına yaklaşık 4 $ ile %60'a ulaşmıştı; aynı model arama ajanı olmadan ise yalnızca %33'te kaldı. Arama katmanını eklemek doğruluğu kabaca iki katına çıkardı ve aynı anda maliyeti düşürdü.

Harvey'in hukuk bürosu bilgi kıyaslamasında, otuz üç görevlik bir alt kümede yanıt kalitesi sabit kalırken token tüketimi yalnızca aramayı iyileştirerek 80,6 milyondan 47 milyona, ardından uzmanlaşmış arama ajanı eklendiğinde 23 milyona düştü; iş, tur sayısının yarısında tamamlandı ve maliyet %60'ın üzerinde azaldı.

Ortak derse dikkat edin: Modelin akıl yürütme yeteneği değişmedi. Ona ulaşan malzemenin kalitesi değişti. Müşteri projelerinde gördüğümüz de tam olarak budur: Başarısız olan kurumsal asistanların zekâsı nadiren eksiktir; eksik olan beslenmeleridir.

Bu, Suudi işletmenizde nerede karşınıza çıkar

  • Sözleşmeler ve anlaşmalar. "Sözleşmelerimizden hangileri otuz gün önceden bildirimle feshe izin veriyor?" gibi bir soru, akıl yürütme sorusu değil bir arama sorusudur ve bugün hukuk departmanındaki bir çalışanın saatlerini alıyor.
  • İhale dokümanları ve RFP'ler. Teklif verip vermemeye karar vermeden önce yüzlerce sayfadan yeterlilik şartlarını, cezaları ve teslim tarihlerini çıkarmak.
  • Faturalar ve hakedişler. Kârın nereden sızdığını bulmak için tek bir maliyet kalemini yıllar boyunca belgeler içinde takip etmek.
  • İnsan kaynakları arşivi. Dosyalara ve birbirinden kopuk sistemlere dağılmış izin politikaları, ödenekler ve oturma izni bitiş tarihleri.
  • Müşteri desteği. Bir yanıt uydurmak yerine ürün kılavuzlarından ve toplantı tutanaklarından yanıt veren bir asistan.

Bu durumların her birinde sahip olduğunuz gerçek varlık model değil, arşivdir. Bir model bir haftada değiştirilebilir; iyi düzenlenmiş bir arşiv ise yalnızca bir kez kurulur.

Satın almadan önce sormanız gereken üç soru

Birincisi: Aylık aboneliğin değil, tek bir sorunun bana maliyeti nedir? Sağlayıcınızın sayısal bir yanıtı yoksa, ölçek büyüdüğünde faturanızın neye dönüşeceğini bilemezsiniz.

İkincisi: Arama katmanı modelden ayrı mı? Ayrım, yarın her şeyi yeniden kurmadan büyük modeli değiştirebileceğiniz anlamına gelir ve sağlayıcıların fiyat dalgalanmalarına karşı en güçlü güvencedir.

Üçüncüsü: Belgelerim nerede duruyor ve oradan dışarı çıkıyorlar mı? Bu, teknik bir sorudan önce bir yönetişim sorusudur ve arşiviniz müşteri veya çalışan verisi içeriyorsa Kişisel Verilerin Korunması Kanunu (PDPL) kapsamındaki yükümlülüklerinizi doğrudan etkiler.

Origami'de buna nasıl yaklaşıyoruz

Belirli bir model satmıyoruz ve bir müşteriye, bu hafta haberlere çıktı diye operasyonunu tek bir sağlayıcıya bağlamasını tavsiye etmiyoruz. Bizim kurduğumuz, modeli değiştirilebilir bir parça olarak tutan mimaridir: size ait düzenli bir bilgi kaynağı, bağımsız bir arama katmanı, kimin neyi göreceğini tanımlayan net yetkiler ve aylık fatura yerine sorgu başına ölçülen maliyet.

Şirketiniz hiç faydalanmadığı büyük bir arşivin üzerinde oturuyorsa, elinizdeki en dar kapsamlı, tekrarlayan ve pahalı soruyla başlayın; süreyi ve maliyeti öncesinde ve sonrasında ölçün. Küçük ve ölçülmüş bir adım, hiçbir göstergeye bağlanmamış geniş bir yapay zekâ programından daha değerlidir.

Kaynaklar