OpenRouter Nedir? Tek API ile 50+ LLM Modeline Erişim Rehberi

Bir müşteri projesi için GPT-4 kullanıyorsunuz, sonra Claude'un daha iyi sonuç verdiğini fark ediyorsunuz. Kod tabanınızı değiştirip yeni API entegrasyonu mu yapacaksınız? Ya da daha ucuz bir modele geçmek istediğinizde tüm altyapıyı mı yeniden yazacaksınız? Ben FUTIA'da her gün onlarca otomasyon projesi geliştirirken bu sorunla karşılaştım. Çözüm basit görünüyor: farklı LLM'ler için farklı API'ler kullanmak. Ama pratikte bu, kod karmaşası, maliyet takibi sorunu ve sürekli bakım yükü demek. OpenRouter tam da bu noktada devreye giriyor. Tek bir API anahtarı, tek bir endpoint, 50'den fazla farklı model. Saniyeler içinde GPT-4'ten Claude'a, oradan Llama'ya geçebiliyorsunuz. Kod tabanınızı değiştirmeden. Bu yazıda OpenRouter'ın ne olduğunu, nasıl çalıştığını ve gerçek projelerde nasıl kullanıldığını anlatacağım. Hollanda'dan Türk markalarına servis verirken öğrendiğim pratik detayları ve maliyet optimizasyonu püf noktalarını paylaşacağım.

OpenRouter Nedir ve Neden Önemli?

OpenRouter, farklı yapay zeka modellerine tek bir API üzerinden erişim sağlayan bir yönlendirme platformu. Basitçe söylemek gerekirse: OpenAI, Anthropic, Meta, Google ve diğer sağlayıcıların modellerini tek bir çatı altında toplayan bir arayüz. Siz sadece OpenRouter API'sine istek gönderiyorsunuz, platform arka planda isteğinizi doğru modele yönlendiriyor.

Platformun temel mantığı şu: Her AI sağlayıcısının kendi API yapısı, fiyatlandırması ve kullanım koşulları var. OpenRouter bunları standartlaştırıyor. OpenAI'nin API formatını biliyorsanız, aynı kod yapısıyla Claude'u veya Gemini'yi de kullanabiliyorsunuz. Tek değişiklik model adı parametresi.

Ben ilk kez 2023 sonlarında OpenRouter'ı keşfettim. FUTIA'da bir müşteri projesi için GPT-4 kullanıyorduk ama token maliyetleri hızla artıyordu. Alternatif modelleri test etmek istiyorduk ama her biri için ayrı entegrasyon yapmak mantıklı değildi. OpenRouter sayesinde aynı kod tabanında 5 farklı modeli test ettik, sonuçta Claude Sonnet'e geçtik ve maliyeti %60 düşürdük.

Platformun sunduğu temel özellikler:

• 50+ farklı LLM modeline tek API ile erişim
• OpenAI uyumlu API formatı (mevcut kodlarınızı minimal değişiklikle kullanabilirsiniz)
• Gerçek zamanlı fiyat karşılaştırması
• Otomatik fallback mekanizması (bir model çalışmazsa diğerine geçer)
• Detaylı kullanım istatistikleri ve maliyet takibi
• Dakikada 200 istek ücretsiz limit

OpenRouter'ın öne çıkan yanı esneklik. Proje gereksinimlerinize göre modeli değiştirebiliyorsunuz. Basit bir içerik üretimi için ucuz bir model, karmaşık analiz için güçlü bir model kullanabiliyorsunuz. Hepsini aynı kod tabanında.

OpenRouter'da Hangi Modeller Var?

Platformda 50'den fazla model var ama hepsini kullanmanız gerekmiyor. Ben FUTIA projelerinde genellikle 5-6 modeli aktif olarak kullanıyorum. İşte kategori bazında öne çıkanlar:

Genel Amaçlı Güçlü Modeller

• GPT-4 Turbo: OpenAI'nin en güçlü modeli, karmaşık görevler için ideal
• Claude 3 Opus: Anthropic'in en yetenekli modeli, uzun context desteği
• Claude 3.5 Sonnet: Hız/kalite dengesi mükemmel, ben en çok bunu kullanıyorum
• Gemini Pro: Google'ın modeli, çoklu dil desteği güçlü

Maliyet Odaklı Modeller

• GPT-3.5 Turbo: Hala çok kullanışlı, basit görevler için yeterli
• Claude 3 Haiku: Hızlı ve ucuz, toplu işlemler için ideal
• Llama 3 70B: Açık kaynak, bazı sağlayıcılarda ücretsiz
• Mistral Medium: Avrupa merkezli, GDPR uyumlu

Özel Kullanım Alanları

• GPT-4 Vision: Görsel analiz gerektiren projeler
• Command R+: Retrieval-augmented generation (RAG) için optimize
• Mixtral 8x7B: Çoklu dil desteği, Avrupa dilleri için güçlü

Ben memuratamalari.com projesinde Claude Haiku kullanıyorum. Günde 50+ ilan metni üretiyoruz, Haiku hem hızlı hem ucuz. Aylık maliyet 12 dolar civarında. Aynı işi GPT-4 ile yapsaydık 80-90 dolar tutardı.

Model seçiminde dikkat ettiğim kriterler:

1. Görev karmaşıklığı: Basit formatlamalar için Haiku, analiz için Sonnet 2. Token limiti: Uzun dokümanlar için Claude (200K token) 3. Hız gereksinimleri: Gerçek zamanlı uygulamalar için Haiku veya GPT-3.5 4. Maliyet: Toplu işlemlerde maliyet kritik 5. Dil desteği: Türkçe için GPT-4 ve Claude genelde daha iyi

OpenRouter'ın güzel yanı, model değiştirmenin tek satırlık bir kod değişikliği olması. Test etmek çok kolay.

OpenRouter Kurulumu ve İlk Kullanım

OpenRouter'ı kullanmaya başlamak çok basit. Adım adım anlatayım:

Hesap Oluşturma ve API Anahtarı

1. openrouter.ai adresine gidin 2. Sağ üstteki "Sign In" butonuna tıklayın 3. Google veya GitHub hesabınızla giriş yapın 4. Dashboard'da "Keys" sekmesine gidin 5. "Create Key" butonuna tıklayın 6. Anahtara açıklayıcı bir isim verin (örn: "futia-production") 7. Anahtarı kopyalayın ve güvenli bir yere kaydedin

Önemli: API anahtarını asla kodunuza yazmayın. Ortam değişkeni olarak saklayın.

Kredi Yükleme

OpenRouter ön ödemeli sistem kullanıyor. Hesabınıza kredi yüklemeniz gerekiyor:

1. Dashboard'da "Credits" sekmesine gidin 2. "Add Credits" butonuna tıklayın 3. Minimum 5 dolar yükleyebilirsiniz 4. Kredi kartı veya kripto ile ödeme yapabilirsiniz

Ben genellikle 20 dolar yüklüyorum, 2-3 ay yeterli oluyor. Platform kullandıkça kesinti yapıyor, kalan kredilerinizi her zaman görebiliyorsunuz.

İlk API İsteği (Python)

Python ile basit bir örnek:

import requests
import os

api_key = os.environ.get("OPENROUTER_API_KEY")

response = requests.post(
    url="https://openrouter.ai/api/v1/chat/completions",
    headers={
        "Authorization": f"Bearer {api_key}",
        "Content-Type": "application/json"
    },
    json={
        "model": "anthropic/claude-3.5-sonnet",
        "messages": [
            {"role": "user", "content": "Merhaba, nasılsın?"}
        ]
    }
)

print(response.json())

Bu kod GPT-4 API'sine yaptığınız istekle neredeyse aynı. Tek fark endpoint URL'i ve model adı formatı.

Node.js Kullanımı

Node.js projelerinde:

const axios = require('axios');

const response = await axios.post(
  'https://openrouter.ai/api/v1/chat/completions',
  {
    model: 'anthropic/claude-3.5-sonnet',
    messages: [
      { role: 'user', content: 'Merhaba, nasılsın?' }
    ]
  },
  {
    headers: {
      'Authorization': `Bearer ${process.env.OPENROUTER_API_KEY}`,
      'Content-Type': 'application/json'
    }
  }
);

console.log(response.data);

Ben FUTIA projelerinde genellikle Python kullanıyorum. FastAPI backend'lerimiz var, OpenRouter entegrasyonu çok temiz çalışıyor.

Gerçek Projede OpenRouter Kullanımı: memuratamalari.com Vakası

Teori güzel ama pratikte nasıl çalışıyor? FUTIA'da geliştirdiğimiz memuratamalari.com projesinden somut bir örnek vereyim.

Proje Gereksinimleri

Memuratamalari.com, kamu personel ilanlarını otomatik toplayan ve yayınlayan bir platform. İlan.gov.tr API'sinden günde 50+ yeni ilan çekiyoruz. Her ilan için:

• SEO-optimize başlık üretmek
• Özet metin yazmak
• İlan kategorisini belirlemek
• İlgili etiketleri çıkarmak

Bu işlemleri manuel yapmak imkansız. Otomasyon şart.

Neden OpenRouter?

İlk başta doğrudan OpenAI API'si kullanmayı düşündük. Ama iki sorun vardı:

1. Maliyet: Günde 50 ilan, ayda 1500 ilan. GPT-4 ile çok pahalı olacaktı. 2. Esneklik: Farklı görevler için farklı modeller kullanmak istiyorduk.

OpenRouter ile şu stratejiyi uyguladık:

• Basit kategorizasyon ve etiketleme: Claude Haiku (hızlı ve ucuz)
• SEO başlık optimizasyonu: Claude Sonnet (kalite önemli)
• Karmaşık özet üretimi: GPT-4 Turbo (sadece özel ilanlar için)

Teknik Uygulama

Python backend'imizde şöyle bir yapı kurduk:

class LLMRouter:
    def __init__(self):
        self.api_key = os.environ.get("OPENROUTER_API_KEY")
        self.base_url = "https://openrouter.ai/api/v1/chat/completions"
    
    def generate(self, prompt, task_type="default"):
        # Görev tipine göre model seç
        model_map = {
            "categorization": "anthropic/claude-3-haiku",
            "seo_title": "anthropic/claude-3.5-sonnet",
            "complex_summary": "openai/gpt-4-turbo"
        }
        
        model = model_map.get(task_type, "anthropic/claude-3-haiku")
        
        # API isteği
        response = requests.post(
            self.base_url,
            headers={
                "Authorization": f"Bearer {self.api_key}",
                "Content-Type": "application/json"
            },
            json={
                "model": model,
                "messages": [{"role": "user", "content": prompt}]
            }
        )
        
        return response.json()['choices'][0]['message']['content']

Bu yapı sayesinde her görev için optimal modeli kullanıyoruz. Kod tabanı temiz, bakımı kolay.

Sonuçlar

Proje 6 aydır sorunsuz çalışıyor:

• Aylık 1500+ ilan otomatik işleniyor
• Ortalama işlem süresi: ilan başına 3 saniye
• Aylık LLM maliyeti: 12-15 dolar
• Hata oranı: %0.3 (manuel kontrol ile düzeltiliyor)

Aynı işi sadece GPT-4 ile yapsaydık, aylık maliyet 80-90 dolar olurdu. OpenRouter'ın model çeşitliliği sayesinde %85 maliyet tasarrufu sağladık.

Ayrıca platform 40.400 aylık organik arama trafiği alıyor. LLM'lerin ürettiği SEO-optimize içerikler Google'da iyi sıralanıyor.

OpenRouter Fiyatlandırması ve Maliyet Optimizasyonu

OpenRouter'ın fiyatlandırması şeffaf ve esnek. Her model için token başına maliyet farklı. İşte güncel fiyat aralıkları (2024 Q2):

Popüler Modellerin Fiyatları

• GPT-4 Turbo: $10 / 1M input token, $30 / 1M output token
• Claude 3 Opus: $15 / 1M input, $75 / 1M output
• Claude 3.5 Sonnet: $3 / 1M input, $15 / 1M output
• Claude 3 Haiku: $0.25 / 1M input, $1.25 / 1M output
• GPT-3.5 Turbo: $0.50 / 1M input, $1.50 / 1M output
• Llama 3 70B: Ücretsiz (bazı sağlayıcılarda)

Bu fiyatlar doğrudan sağlayıcılardan alınan fiyatlarla neredeyse aynı. OpenRouter minimal bir komisyon alıyor ama esneklik buna değiyor.

Maliyet Optimizasyon Stratejileri

FUTIA projelerinde uyguladığım maliyet düşürme teknikleri:

1. Görev bazlı model seçimi: Basit görevler için ucuz modeller 2. Prompt optimizasyonu: Gereksiz token kullanımını azaltın 3. Cache kullanımı: Aynı promptları tekrar göndermek yerine sonuçları cachelleyin 4. Batch processing: Birden fazla isteği tek seferde gönderin 5. Output token limitlemesi: Maksimum çıktı uzunluğunu belirleyin

Örnek: italyanmutfagi.com projesinde 618 tarif oluşturduk. İlk versiyonda GPT-4 kullandık, toplam maliyet 45 dolar oldu. Sonra Claude Haiku'ya geçtik, aynı işi 6 dolara yaptık. Kalite farkı minimal, maliyet farkı %86.

Maliyet Takibi

OpenRouter dashboard'unda detaylı kullanım istatistikleri var:

• Model bazında harcama
• Günlük/aylık trend grafikleri
• Token kullanım detayları
• Proje bazında ayırma (API anahtarı başına)

Ben her proje için ayrı API anahtarı oluşturuyorum. Böylece hangi projenin ne kadar harcadığını net görüyorum. Müşterilere raporlama yaparken çok işime yarıyor.

OpenRouter'ın Avantajları ve Dezavantajları

Altı aydır aktif kullanıyorum, artıları ve eksileri net görüyorum.

Avantajlar

1. Esneklik: Model değiştirmek çok kolay, kod değişikliği minimal 2. Maliyet kontrolü: Görev bazında optimal model seçebiliyorsunuz 3. Fallback mekanizması: Bir model çalışmazsa otomatik diğerine geçiş 4. Tek fatura: Tüm sağlayıcılar için tek bir ödeme 5. Hızlı deneme: Yeni modelleri test etmek saniyeler alıyor 6. Şeffaf fiyatlandırma: Her model için net maliyet görüyorsunuz

Dezavantajlar

1. Ek katman: Doğrudan API'ye göre minimal gecikme var (genelde 50-100ms) 2. Bağımlılık: OpenRouter çökerse tüm servisleriniz etkilenir 3. Özellik gecikmesi: Yeni model özellikleri OpenRouter'a geç gelir 4. Limit paylaşımı: Bazı modellerde rate limit diğer kullanıcılarla paylaşılıyor 5. Dokümantasyon: Bazı modeller için detaylı dokümantasyon eksik

Ben dezavantajları kabul edilebilir buluyorum. Esneklik ve maliyet avantajları bunları telafi ediyor. Ama kritik production sistemlerde fallback planınız olmalı. Örneğin OpenRouter çökerse doğrudan OpenAI API'sine geçiş yapacak bir mekanizma kurun.

OpenRouter Alternatifleri ve Karşılaştırma

OpenRouter tek seçenek değil. Benzer platformlar var, karşılaştırayım:

Together AI

Açık kaynak modellere odaklı. Llama, Mistral, Falcon gibi modeller var. Fiyatlar OpenRouter'dan biraz daha ucuz. Ama model çeşitliliği sınırlı, GPT-4 veya Claude yok.

Ne zaman tercih edilir: Açık kaynak modeller yeterliyse ve maliyet kritikse.

Anyscale Endpoints

Ray ekosisteminin bir parçası. Llama ve Mistral modelleri ücretsiz. Ama enterprise odaklı, küçük projeler için fazla karmaşık.

Ne zaman tercih edilir: Zaten Ray kullanıyorsanız ve büyük ölçekli projelerde.

Hugging Face Inference API

Binlerce açık kaynak modele erişim. Ama çoğu model yeterince optimize değil, yanıt süreleri uzun. Production kullanımı zor.

Ne zaman tercih edilir: Araştırma projeleri ve deneysel çalışmalar için.

Doğrudan Sağlayıcı API'leri

OpenAI, Anthropic, Google API'lerini doğrudan kullanmak da bir seçenek. Avantajı: Tam kontrol, minimal gecikme. Dezavantajı: Her biri için ayrı entegrasyon, maliyet takibi zor.

Ne zaman tercih edilir: Tek bir model kullanıyorsanız ve değiştirme planınız yoksa.

Ben FUTIA projelerinde OpenRouter'ı tercih ediyorum çünkü müşteri projeleri değişken. Bugün bir müşteri GPT-4 istiyor, yarın maliyet düşürmek için Claude'a geçmek istiyor. OpenRouter bu esnekliği sağlıyor.

OpenRouter ile Başlarken İpuçları

Altı aylık deneyimimden çıkardığım pratik öneriler:

1. Küçük başlayın: İlk projenizde tek bir model kullanın, sonra çeşitlendirin 2. Loglamayı kurun: Her API isteğini, modelini, maliyetini kaydedin 3. Hata yönetimi: Rate limit ve API hataları için retry mekanizması kurun 4. Prompt versiyonlama: Promptlarınızı git'te tutun, değişiklikleri takip edin 5. A/B test: Farklı modelleri karşılaştırın, kalite/maliyet dengesini bulun 6. Monitoring: Yanıt sürelerini ve hata oranlarını izleyin 7. Budget alarm: OpenRouter'da harcama limiti belirleyin

Bir de güvenlik önerisi: API anahtarınızı asla frontend koduna koymayın. Backend'den proxy edin. Ben FUTIA projelerinde FastAPI middleware kullanıyorum, frontend direkt OpenRouter'a erişemiyor.

Eğer OpenRouter'ı kendi projelerinizde kullanmayı düşünüyorsanız veya AI otomasyon altyapınızı kurmak istiyorsanız, benimle iletişime geçebilirsiniz. WhatsApp: +90 532 491 17 05 veya info@futia.net. FUTIA olarak Türk markalarına site, otomasyon ve aylık bakım hizmeti sunuyoruz. OpenRouter entegrasyonu, prompt engineering ve LLM optimizasyonu konularında deneyimliyim.