OpenCode ile Çoklu Model Stratejim: DeepSeek, Gemini ve Claude’u Tek Terminalde Birleştirmek

Bir Türk geliştiricinin AI CLI araç kutusu — fiyat/performans, özelleştirme ve model çeşitliliği üzerine samimi bir yazı.

Giriş: Tek Terminal, Onlarca Model

Bir gece yarısıydı. Claude Code’u ilk kez çalıştırdığımda terminalde sihirli bir şey oluyor gibiydi. “Abi bu ne ya” dediğimi hatırlıyorum. Doğal dille kod yazmak, refactor etmek, hata ayıklamak — her şey bir sohbet kadar doğaldı. Ama fatura gelince o büyü biraz soldu.

Claude Code harika bir araçtı, kimse bir şey demiyorum. Ama ayda 200–300 dolar harcamak, özellikle Türkiye’de geliştirme yapan biri için, “acaba ben bu kadar verimli miyim?” sorusunu sorduruyordu. Üstelik tek bir modele bağlı kalmak — ne kadar akıllı olursa olsun — can sıkıcıydı. Bazen bir görev için Claude mükemmelken, başka bir şey için Gemini ya da DeepSeek çok daha isabetli sonuçlar veriyordu. Ama hepsini ayrı ayrı kullanmak, ayrı ayrı faturalar, ayrı ayrı arayüzler… düzensizlikti.

Sonra Antigravity ile tanıştım. Birden fazla modeli aynı yerde kullanabilmek harikaydı. Ama ne kadar uğraşırsam uğraşayım, CLI’da verdiği his Claude Code’un yanında sönük kalıyordu. Arayüz daha az esnekti, context yönetimi tam oturmamıştı, terminal akışı OpenCode’daki gibi pürüzsüz değildi. Çözüm ararken bir arkadaşım “OpenCode’a bak” dedi. Açık kaynak, özgür, CLI tabanlı, her modeli destekliyor — kulağa fazla iyi geliyordu.

Denemeye başladığım an bıraktım. Yani gerçekten, o kadar netti.

**OpenCode’da** ilk yaptığım şey, kendi model stratejimi tanımlamak oldu. DeepSeek V4 Flash’ı ana model olarak koyup yanına Gemini 2.5 Pro, Claude Sonnet, hatta küçük işler için hafif modeller ekledim. Hepsini tek bir terminalde, tek bir konfigürasyon dosyasıyla yönetiyorum. Ayda ortalama 10–30 dolar arası bir maliyetle, 15'ten fazla modele anında erişimim var. İstediğim zaman model değiştiriyorum, istediğim zaman yeni bir model ekliyorum. Kimse bana “bu yetmiyor, üst plana geç” demiyor.

Bugün DeepSeek V4 Flash günlük işlerimin beyni durumunda. Ama bir kod review istediğimde Claude’a yönleniyorum, bir beyin fırtınası yapacaksam Gemini 2.5 Pro’yu açıyorum, hızlı bir script lazımsa açıp küçük bir modeli çalıştırıyorum. Her modelin güçlü olduğu alanda kullanıyorum. Ve bunların hepsi aynı terminalde, aynı workflow’da, aynı dosya sistemiyle çalışıyor.

Peki bunu nasıl kurdum? DeepSeek, Gemini, Claude — üçünü nasıl birbirine bağladım? Her model ne zaman devreye giriyor? Ve en önemlisi, maliyeti nasıl ayda 10 dolara kadar indirdim?

Anlatıyorum.

Photo by Microsoft Copilot on Unsplash

Multi-Model Stratejim: Hangi Model Ne Zaman?

**OpenCode**’u kurduktan sonra yapmam gereken en önemli şey, hangi modeli hangi görevde kullanacağımı belirlemekti. Çünkü “en iyi model” diye bir şey yok. Her modelin can yakıcı bir zayıflığı, can kurtaran bir gücü var. Önemli olan doğru aleti doğru işe sürmek.

DeepSeek V4 Flash — Ana Model

Günlük hayatımın %80'ini bu model kaldırıyor. Commit mesajı yazmaktan dosya oluşturmaya, test yazmaktan hızlı refaktöre kadar her şeyde bir numaram. Neden mi?

Hız/token/oran dengesi piyasadaki hiçbir modelde yok. DeepSeek’in altyapısı sayesinde token üretim hızı inanılmaz — büyük bir dosyada düzenleme yaparken beklemek zorunda kalmıyorum. Fiyatı ise komik: Claude Sonnet’ten kabaca 10–20 kat daha ucuz. Aradaki kalite farkı, çoğu günlük iş için hissedilmiyor bile. Hatta bazı görevlerde (özellikle yapısal değişikliklerde) Sonnet’ten daha isabetli olduğunu söyleyebilirim.

Elbette her şey mükemmel değil. Çok karmaşık mantık gerektiren işlerde bazen yüzüne gözüne bulaştırabiliyor. Reasoning gereken konularda — “şu fonksiyonun yan etkilerini analiz et ve güvenli bir refaktör planı çıkar” gibi — zaman zaman zayıf kalıyor. İşte o anlar için yedekte başka modellerim var.

OpenCode config’inde şöyle tanımlı:

"deepseek-v4-flash": {
  "provider": "deepseek",
  "model": "deepseek-v4-flash"
}

DeepSeek V4 Pro — Flash Yetmediğinde

Flash’ın yetersiz kaldığını hissettiğim an direkt V4 Pro’ya geçiyorum. Genelde üç durumda ihtiyaç duyuyorum:

1. Zor refaktörler: Bir modülü tamamen yeniden yazmak, dependency graph’ını değiştirmek gibi işler.

2. Mimari kararlar: “Bu servisi monolitik mi bırakmalıyım, yoksa ayırmalı mıyım?” tarzı kararları V4 Pro’ya danışıyorum.

3. Uzun bağlam gereken işler: 10.000 satırlık bir kod tabanında “şu dosyadaki pattern’i şununla değiştir” dediğimde Flash context’i daraltabiliyor. Pro daha geniş bir perspektifle yaklaşıyor.

Geçiş süresi sıfır. OpenCode’da bir tuşla model değiştiriyorum, aynı session’da devam ediyorum. Fiyat farkı Flash’a göre daha yüksek tabii, ama Claude’a göre hâlâ çok uygun.

Gemini 3 — Görsel Anlama ve Devasa Context

Bu modeli iki spesifik senaryoda kullanıyorum. Birincisi: görsel anlama. Bir UI screenshot’ı atıp “şu butonun padding’ini iki katına çıkar” dediğimde Gemini 3 bunu kusursuz yapıyor. PDF’leri okuyor, diyagramları analiz ediyor, hatta el yazısını bile çözebiliyor. Bu konuda piyasadaki en iyi model.

İkincisi: devasa context penceresi. 1 milyon token — bu, neredeyse tüm kod tabanını tek seferde modele vermek anlamına geliyor. “Şu klasördeki 500 dosyayı tara, deprecated API kullanımı bul” dediğimde bunu yapabilecek başka model yok.

Antigravity üzerinden kullanıyorum. Antigravity, Google Cloud’un Gemini ve Anthropic modellerine erişim sağlayan bir auth proxy sistemi. Yani Google Cloud hesabın varsa, herhangi bir API key derdi olmadan Claude ve Gemini modellerine erişebiliyorsun. Fatura doğrudan Google Cloud hesabına yansıyor.

Config’de şöyle görünüyor:

"antigravity-gemini-3-flash": {
  "variants": {
    "minimal": { "thinkingLevel": "minimal" },
    "low": { "thinkingLevel": "low" },
    "medium": { "thinkingLevel": "medium" },
    "high": { "thinkingLevel": "high" }
  }
}

Claude Opus 4.6 Thinking — Derin Analiz ve Reasoning

Elimdeki en güçlü model. Ama pahalı. O yüzden sadece gerçekten ihtiyacım olduğunda çağırıyorum.

Hangi durumlar? Extension/reasoning gereken kritik işler. Bir algoritma analizi, bir güvenlik açığı değerlendirmesi, ya da “şu legacy kodun tamamını analiz et ve modern bir mimari öner” gibi görevler. Thinking modunda çalışırken 32K token budget ile derinlemesine düşünüyor — yani cevap vermeden önce sorunu içten içe 30 bin kelime analiz ediyor. Sonuçlar gerçekten etkileyici.

Antigravity üzerinden Claude Opus’a erişiyorum. Google Cloud altyapısı sayesinde latency oldukça düşük, doğrudan Anthropic API’sine göre daha stabil olduğunu söyleyebilirim.

Bu modeli haftada birkaç kez kullanıyorum. Sık kullanmak maliyeti şişiriyor, ama gerektiğinde ulaşabileceğini bilmek büyük bir güvence.

NVIDIA NIM — Failover ve Model Çöplüğü

Bu en sevdiğim kısım olabilir. NVIDIA NIM, 8 farklı modele ücretsiz erişim sağlıyor. Şu an kullandıklarım:

• Qwen3 235B — Çin’in en iyi modeli, code generation’da şaşırtıcı derecede iyi.

• Kimi K2 — Uzun context işlerinde başarılı.

• Llama 4 Maverick — Meta’nın son modeli, genel amaçlı kullanımda sağlam.

• MiniMax M3 — Hızlı ve hafif, basit script’ler için ideal.

• GLM-5.1 — Çin ekosistemi için spesifik işlerde.

• Nemotron Ultra — NVIDIA’nın kendi modeli, matematik/reasoning’de güçlü.

• DeepSeek R1 — Reasoning modeli olarak yedek.

• DeepSeek V3 — Flash yetmezse ikinci yedek.

Bunlar ne işe yarıyor? Failover. Ana modelim bir sebepten düşerse (API rate limit, kesinti, falan) OpenCode otomatik olarak NIM’deki modellerden birine geçiyor. Aynı zamanda yeni modelleri test etmek ve karşılaştırma yapmak için de biçilmiş kaftan. Hem de free tier sayesinde ek maliyet yok.

Gemini CLI Modelleri — Yedekteki Yedek

Ayrıca Gemini CLI’nın kendi altyapısı üzerinden Gemini 2.5, 3 ve 3.1 preview modellerine de erişimim var. Bunlar birincil rotam değil, ama şu senaryolarda iş görüyor:

• DeepSeek ve Antigravity aynı anda erişilemez durumdaysa.

• Gemini 3.1 preview gibi henüz Antigravity’de olmayan yeni bir modeli denemek istediğimde.

• Context’in gerçekten çok büyük olduğu uç durumlarda.

Stratejinin Özeti

Bu stratejinin güzel tarafı, her modele gerektiği kadar ödeme yapıyorum. Flash günlük işlerin bel kemiği, pahalı modeller sadece gerçekten ihtiyaç duyduğumda devreye giriyor.

OpenCode’u Türk Geliştirici Gibi Yapılandırmak

Modelleri seçtim, fiyatları dengeledim, sıra geldi OpenCode’u gerçekten benim çalışma şeklime döndürmeye. Çünkü kutudan çıkan haliyle OpenCode herkes için aynı. Ama bir geliştiricinin iş akışı, bir diğerininkine benzemez.

Üç Katmanlı Config: Ana, Makine, Proje

OpenCode’un config sistemi üç katmanlı. Her katmanın bir sorumluluğu var.

Birinci katman — ana config (~/.config/opencode/opencode.jsonc): Tüm makinelerimde ortak olan ayarları tutuyor: provider’lar, plugin’ler, MCP sunucuları. GitHub’da private bir repo’da duruyor, her makineye clone’layıp sembolik link veriyorum.

İkinci katman — override config (opencode.override.jsonc): Makineye özel ayarlar. Evdeki MacBook Pro’da reducedConsumption kapalı, token’ı sonuna kadar kullanıyorum. İş yerindeki dizüstünde açık — hem pil hem de dikkat dağınıklığı açısından. İki makinede farklı varsayılan modeller kullanıyorum mesela. Override dosyasını .gitignore yapıp her makinede ayrı tutuyorum.

Üçüncü katman — proje bazlı config (proje/opencode.json): Her projenin ihtiyacı farklı. karlidag projesinde ikas-MCP var (e-ticaret platformu). Başka bir projede sadece temel plugin’ler yeterli. Proje bazlı config sayesinde her yere aynı şeyi kurmuyorum.

Photo by Stem List on Unsplash

Beş Plugin, Beş Süper Güç

superpowers — İşe yeni başlarken ne yapacağımı bilmiyorsam, bu plugin devreye giriyor. Önce brainstorming, sonra design doc, ardından plan, en son implementation. Her adımda AI bana rehberlik ediyor.

autosave-conversation — Oturum bittiğinde her şey otomatik kaydediliyor. Geçen hafta yaptığım bir refaktörün detaylarına geri dönmem gerektiğinde açıp bakıyorum.

history-search— 200 oturumluk bir konuşma geçmişinde arama yapmak, “aaaa şu pattern’i bir yerlerde görmüştüm” dediğinizde tam bir can kurtarıcı.

superlocalmemory— Proje hafızası. Bir projede öğrendiğim bir pattern’i AI bir daha unutmuyor. Sürekli aynı şeyi tekrar açıklamaktan kurtulmak paha biçilemez.

quota — Token kullanım takibi. “Bu ay ne kadar harcadım?” sorusuna anında cevap veriyor.

23 Tema: Light Theme Takıntısı

Evet, 23 tane light tema. Biliyorum, çok fazla. Ama gece çalışmıyorum, gündüz çalışıyorum. Ofis ışığı, güneş, beyaz duvarlar — dark tema göz yoruyor. Light tema okunabilirlik demek.

Her tema farklı bir renk paleti. Milkshake serisi (pembe, yeşil, mor tonları), Coffee Cream (sıcak kahverengi tonları, uzun coding session’lar için), GitHub Plus (tanıdık GitHub renkleri), Solarized Light (klasik, göze en az yoranlardan). Her tema bir CSS token sistemi üzerine kurulu:

Gitlab’den indirmek için : https://gitlab.com/fatihtoprak/opencode-light-themes Github’dan indirmek için : https://github.com/fatihtoprakk/opencode-light-themes

Not : Bu reporsitory aynı zamanda Oh My Opencode üzerinde de eklenmiş durumda. https://github.com/awesome-opencode/awesome-opencode#themes

.theme-milkshake-peach {
 - bg-primary: #FFF5F0;
 - text-primary: #2D1B12;
 - accent: #FF8C6B;
}

Hangi ruh halindeysem o temayı açıyorum. Bazen sabah Coffee Cream ile başlayıp öğleden sonra Milkshake Blue’a geçiyorum.

AGENTS.md: Projenin Beyni

Her projenin kökünde bir **AGENTS.md** dosyası var. AI’ın her oturumda okuyup projeyi sıfırdan öğrenmesini engelliyor. Proje bağlamı, kodlama kuralları, bilinen sorunlar — hepsi tek dosyada. AI her oturumda bunu okuyor, projeyi hiç unutmuyor. Bu dosya olmadan her oturumda aynı şeyleri anlatmak zorunda kalıyordum. Şimdi bir kere anlatıyorum, bitiyor.

Bu yapıyı kurmak bir akşamımı aldı. Ama o akşamdan beri her gün bana saatler kazandırıyor.

Superpowers ile Workflow Otomasyonu

Bir önceki bölümde plugin’leri sayarken superpowers’a değinmiştim. Şimdi biraz daha derine iniyorum. Çünkü bu, OpenCode’u sıradan bir AI CLI olmaktan çıkarıp seninle birlikte düşünen bir geliştirme ortağına dönüştüren şey.

Superpowers Nedir?

Superpowers bir plugin’den fazlası — bir geliştirme metodolojisi plugin’i. Ne yaparsan yap, seni disiplinli bir sürece bağlar. Skill adı verilen şablonlarla çalışır. Yeni bir özellik mi ekleyeceksin? Önce brainstorming skill’i devreye girer, sorular sorar: “Bu özellik neden gerekli?”, “Hangi kullanıcı senaryolarını kapsıyor?”, “Başarı kriteri ne?” Cevapları aldıktan sonra writing-plans skill’i ile adım adım implementasyon planı çıkar, sonra test-driven-development ile koda dökersin.

Pipeline: Fikirden Koda

İş akışı şöyle işliyor:

1. Brainstorming — AI bana sorular sorarak gereksinimleri netleştirir. Konuşarak tasarım kararlarını olgunlaştırırım.

2. Design Doc — Konuştuklarımızı yapılandırılmış bir dokümana dönüştürürüz. Kararlar, gerekçeler, alternatifler — hepsi yazılı.

3. Writing Plans — Design doc’u alır, implementation planına çevirir. Hangi dosyada ne değişecek, hangi sırayla yapılacak.

4. Implementation— TDD ile koda döker. Önce test, sonra implementasyon, sonra refactor.

Her adım bir öncekinin çıktısını tüketir. Atlama yapamazsın, ama bu bir kısıtlama değil — bir kalite güvencesi.

impeccable: Frontend UI Review’ın Zirvesi

Superpowers’ın en sevdiğim skill’lerinden biri impeccable. Frontend UI review için yazılmış. Marka kimliğinden spacing’e, tipografiden erişilebilirliğe, responsive’ten mikro-interaksiyonlara kadar her şeyi kontrol eder. Sadece OpenCode’da değil, herhangi bir AI CLI’da çalışır. Taşınabilir bir UI denetim aracı.

Neden Önemli?

Superpowers’ın sistem prompt’unda bir kırmızı bayrak tablosu var. Şu düşünceler tehlike işareti:

• “Bu basit bir iş, gerek yok”

• “Ben ne yapacağımı biliyorum”

• “Hemen şu tek şeyi yapayım”

Bu düşünceler geldiğinde skill seni uyarır. Çünkü tecrübeyle sabit: “Basit iş, gerek yok” dediğin an en büyük hatayı yaparsın.

MCP ile Gerçek Dünya Entegrasyonları

Superpowers’ın yanında bir de MCP (Model Context Protocol) var. AI sadece kod yazmakla kalmıyor, gerçek dünya araçlarını da kontrol ediyor.

Elimde dört MCP aracı var:

Playwright MCP benim için browser’ı yönetiyor. “Şu sayfayı aç, şu butona tıkla, sonucu bana göster” diyorum, AI gidip yapıyor. Bir bug’ı reproduce ederken müthiş: hata var mı, sayfa doğru render mı etmiş, direkt görüyorum.

Chrome DevTools MCP ile console log’larını, network isteklerini, performans metriklerini AI’a aktarıyorum. “Bu console hatası nereden geliyor?” diye sormak yerine, AI console’u okuyup kaynağı buluyor.

Slack MCP’yi opsiyonel tuttum. Ekip kanallarından bağlam toplamak için kullanıyorum. Bir task açıklaması Slack’te paylaşılmışsa, MCP üzerinden çekip direkt implementasyona geçiyorum.

ikas-mcp ise e-ticaret projesine özel. API dokümantasyonuna anında erişim sağlıyor. “Sepete ürün ekleme fonksiyonu neydi?” diye doküman karıştırmak yerine MCP’ye soruyorum, direkt cevap geliyor.

Her MCP varsayılan olarak kapalı. İhtiyacım olduğunda açıyorum, bitince kapatıyorum. Güvenlik ve performans dengesi bu.

Fiyat/Performans Karşılaştırması

Güzel şeylerin pahalı olduğuna o kadar alıştık ki, daha iyisinin daha ucuza olabileceğini unuttuk. OpenCode + çoklu model stratejisi tam olarak bunu vaat ediyor.

Karşılaştırma Tablosu

Ayda yoğun kullanım için gerçekçi maliyetler:

Aradaki fark sadece bir rakam değil, bir zihniyet farkı. $200 olan bir aracın alternatifi $20, hatta $10. Türkiye’de yaşayan bir geliştirici için bu fark, ay sonu kirasıyla abonelik arasında seçim yapmak zorunda kalmamak anlamına geliyor.

DeepSeek Neden Bu Kadar Ucuz?

DeepSeek V4 Flash’ın token fiyatı, Claude Sonnet’e kıyasla yaklaşık 10–20 kat daha düşük. Günlük kodlama akışında — refactoring, test yazma, hata ayıklama — kalite farkı hissedilmiyor. Arada bir Claude Opus’un derin muhakeme gerektirdiği anlar oluyor, o zaman da sadece o iş için Claude’a geçiyorsunuz. Her şeyi Claude’la yapmak, her çiviyi çekiçle çakmaya çalışmak gibi.

Antigravity ve NVIDIA NIM

Sıfır maliyetli iki süper güç daha var:

• Antigravity: Google Cloud hesabınızdaki mevcut kota dahilinde modellere erişim. Ayrı bir fatura yok.

• NVIDIA NIM: Free tier’ı 8 farklı modele ücretsiz erişim sağlıyor. Failover senaryolarında can kurtarıcı.

Asıl Mesele: Doğru Model, Doğru İş

Bu yazıyı “DeepSeek ucuz, herkes DeepSeek’e geçsin” diye okumayın. Amaç indirim avcılığı değil, doğru modeli doğru işte kullanmak. Tıpkı tornavida seti gibi: her vida için ayrı bir uç. Claude Opus mimari kararlar ve code review için harika. DeepSeek günlük implementasyon için fazlasıyla yeterli. Gemini prototipleme ve hızlı denemeler için ideal.

Bazı günler hiç Claude’a ihtiyacım olmuyor. Bazı günler sadece Claude kullanıyorum. Önemli olan tek bir araca mahkum olmamak.

Eğer referans linkten Opencode planı alırsanız 5$’lık’da bana katkı sağlamış olursunuz. Link : https://opencode.ai/go?ref=4AAB3CWZ30

— -

Fatih Toprak — Scaefy kurucusu, AI CLI araçlarıyla arası iyi, light tema takıntılı bir yazılımcı.