ChatGPT'nin piyasaya sürülmesinden sonraki ilk 1.5 yıl boyunca, hangi büyük dil modelinin (LLM) kullanılacağı sorusunun cevabı açıktı: GPT-4 vardı ve diğerleri. Ancak 2025'in sonlarına doğru, aralarından seçim yapabileceğiniz düzinelerce LLM bulunuyor ve bu alanı takip etmek, özellikle sürekli çevrimiçi olmayan kullanıcılar için neredeyse imkansız hale geldi. Makale, yazarın bu karmaşık LLM ekosistemindeki deneyimlerini ve 2026'ya yönelik bir rehber niteliğini taşıyor. Yazar, GPT-4'ün protein yapılarını tek bir mesajla 2D alana yansıtma yeteneğinden Gemini 2.5 Pro'nun detaylı akıl yürütme izlerine kadar birçok gelişmeye tanık olduğunu belirtiyor.
Yazarın genel görüşü, "vibe coding" olarak adlandırdığı yaklaşımın büyük bir dikkat dağıtıcı olduğu ve Cursor gibi araçları aktif olarak bitirdiği yönünde. Bu nedenle, kontrolün geliştiricinin elinde kalması gerektiğini savunuyor. Bunun en iyi yolunun ya tamamen ajans tabanlı iş akışlarından kaçınmak (doğrudan Gemini 2.5/3 Pro gibi modellerle AI Studio'da konuşmak) ya da OpenCode kullanmak olduğunu belirtiyor. OpenCode, Claude Code'a benzer ancak tüm kod değişikliklerini git diff formatında göstererek geliştiricinin neyin değiştiğini net bir şekilde görmesini sağlıyor. Yazar, çoğu görev için en son Sonnet modelini (şu an 4.5) ve karmaşık görevler için en son Opus modelini (şu an 4.5) OpenCode içinde kullanmayı öneriyor.
İngilizce komutlarla tamamen işlevsel bir yazılım, web sitesi veya uygulama oluşturabilme fikri bilim kurgu sınırında olsa da, LLM'lerin bunu zaten yapabildiğini kabul etmek gerekiyor. Ancak asıl sorun, kontrolsüz "vibe coding"in inanılmaz derecede token-verimsiz ve pahalı olmasıdır. Yazar, bir açılış sayfası oluşturma örneği vererek, LLM'nin ürettiği kodda küçük bir değişiklik yapmak istediğinizde, tüm süreci tekrar başlatmak yerine doğrudan dosyayı düzenlemenin çok daha mantıklı olduğunu vurguluyor. Bu, geliştiricinin kod üzerindeki hakimiyetini korumasının önemini gösteriyor.
Büyük dil modelleriyle kodlama yaparken geliştiricinin kontrolü elinde tutması, token verimliliğini artırması ve maliyetleri düşürmesi için "vibe coding" yerine daha yapılandırılmış ve şeffaf araçları tercih etmesi kritik öneme sahiptir.