---
title: "Görsel-dil modeli (VLM) nedir? API ile nasıl çağrılır?"
description: "Görsel-dil modeli görselleri ve metni birlikte okur, metinle yanıt verir. OpenAI uyumlu API'de görseller nasıl gönderilir, maliyeti nedir, nerelerde kullanılır?"
url: https://broadrouter.com/tr/glossary/vision-language-model/
lang: tr
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

İngilizceden yapay zekâ desteğiyle çevrilmiştir. [İngilizce aslını okuyun](https://broadrouter.com/glossary/vision-language-model/) (güncelleme: 2026-11-14).

# Görsel-dil modeli (VLM)

Güncellendi 2026-11-14

Görsel-dil modeli (vision-language model, VLM), girdi olarak görselleri ve metni birlikte alıp metin üreten bir modeldir; böylece resimleri betimleyebilir, onlarla ilgili soruları yanıtlayabilir, belgeleri, grafikleri veya ekran görüntülerini okuyabilir. VLM'lere görselden metne (image-text-to-text) veya çok kipli (multimodal) model de denir.

Diğer adları: görsel-dil modeli, görsel dil modeli, görüntü-dil modeli, görsel model, çok kipli LLM, multimodal LLM, görsel API, VLM, vision-language model, vision model, image-text-to-text model, vision API

Görsel-dil modeli, bir görsel hakkında metin hakkında sorar gibi soru sormanızı sağlar.

## Nasıl çalışır

Hugging Face bu modelleri basitçe tanımlar: “take in an image and text prompt and output text.” (çeviri: bir görsel ve metin istemi alır, metin üretir.) Görsel-metin çiftleriyle eğitildikleri için gördüklerini dille ilişkilendirmeyi öğrenirler.

OpenAI uyumlu bir API’de görsel, mesajın içinde bir içerik parçası (content part) olarak gider. Herkese açık bir URL veya base64 veri URL’si olabilir:

```python
import base64, os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
b64 = base64.b64encode(open("receipt.jpg", "rb").read()).decode()

reply = client.chat.completions.create(
    model="broadnet/qwen3.8-27b",
    max_tokens=2000,
    messages=[{"role": "user", "content": [
        {"type": "text", "text": "Return the vendor and total as JSON."},
        {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{b64}"}},
    ]}],
)
print(reply.choices[0].message.content)
```

Model görseli girdi [token’larına](https://broadrouter.com/tr/glossary/token/) dönüştürür, bunları metninizle birlikte okur ve bir yanıt yazar.

## Neden önemli

-   **Belgeler.** Faturalar, fişler, formlar ve kimlikler doğrudan bir modele gönderilebilir; alanları JSON olarak almak için çoğu zaman [yapılandırılmış çıktıyla](https://broadrouter.com/tr/glossary/structured-output/) birlikte.
-   **Ekranlar ve grafikler.** Ajanlar ekran görüntülerini ve panoları okuyabilir; destek araçları kullanıcıların gönderdiği fotoğrafları okuyabilir.
-   **Maliyet ve sınırlar.** Her görsel girdi token’ı ekler ve [bağlam penceresinin](https://broadrouter.com/tr/glossary/context-window/) bir kısmını doldurur. Tek istekteki çok sayıda görsel hızla birikir.

Sonucu kontrol edin. VLM’ler küçük veya bulanık metni yanlış okuyabilir ve yanlış sayıları kendinden emin biçimde söyleyebilir. Para hareketi içeren her şeyde toplamları kodla doğrulayın.

## BroadNet Inference’ta

Üç sohbet modeli görsel kabul ediyor:

| Model | Girdi | Bağlam |
| --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/tr/models/deepseek-v4.1-flash/) | Metin ve görsel | 1.048.576 token |
| [Qwen3.8 27B](https://broadrouter.com/tr/models/qwen3.8-27b/) | Metin ve görsel | 262.144 token |
| [BroadNet Gemma 4 VL 26B](https://broadrouter.com/tr/models/gemma-4-vl-26b/) | Metin ve görsel | 32.768 token |

GLM 5.3 yalnızca metin alır. BroadNet Gemma 4 VL 26B, 1M girdi token’ı başına $0.10 tutar ve ücretsiz $5 başlangıç kredisiyle çalışır. Qwen3.8 27B, BroadNet tarafından Arapçada test edildi ve yapılandırılmış çıktıyı da destekliyor. Kullandıkça öde planında bir görsel girdi token’ı olarak sayılır ve büyük görseller daha fazla token kullanır.

[Arapça fatura rehberi](https://broadrouter.com/tr/guides/read-arabic-invoices-with-vision/) eksiksiz bir veri çıkarma akışını adım adım anlatıyor. Veri URL’sindeki MIME türünü doğru tutun ve akıl yürütme modellerinde `max_tokens` için pay bırakın.

## Sık sorulan sorular

### Görsel-dil modeli OCR ile aynı şey mi?

Hayır. OCR, görseldeki basılı metni karakterlere dönüştürür. Bir VLM de metni okuyabilir ama düzeni ve içeriği anlar; bu yüzden hangi satırın toplam olduğu veya bir grafiğin ne gösterdiği gibi soruları yanıtlayabilir.

### Görseller token tüketir mi?

Evet. Görseller girdi token'larına dönüştürülür. Büyük görseller genellikle daha fazla token kullanır; bu yüzden onları ihtiyaç duyduğunuz ayrıntıyı koruyan en küçük boyuta indirin.

### Hangi BroadNet modelleri görsel kabul ediyor?

DeepSeek V4.1 Flash, Qwen3.8 27B ve BroadNet Gemma 4 VL 26B metin ve görsel girdi alır. GLM 5.3 yalnızca metin alır.

## Ayrıca bakın

-   [Yapılandırılmış çıktı (structured output)](https://broadrouter.com/tr/glossary/structured-output/) (terim)
-   [Token](https://broadrouter.com/tr/glossary/token/) (terim)
-   [Açık ağırlıklı model (open-weight model)](https://broadrouter.com/tr/glossary/open-weight-model/) (terim)
-   [Bağlam penceresi (context window)](https://broadrouter.com/tr/glossary/context-window/) (terim)
-   [Çok modlu yapay zeka (multimodal AI)](https://broadrouter.com/tr/glossary/multimodal/) (terim)
-   [Optik karakter tanıma (OCR)](https://broadrouter.com/tr/glossary/ocr/) (terim)
-   [Görsel token'ları (image tokens)](https://broadrouter.com/tr/glossary/image-tokens/) (terim)
-   [Arapça faturaları ve fişleri bir görü modeliyle okuyun](https://broadrouter.com/tr/guides/read-arabic-invoices-with-vision/) (rehber)
-   [OpenAI Python SDK'yı BroadNet Inference ile kullanın](https://broadrouter.com/tr/guides/openai-python-sdk/) (rehber)
-   [Arapça için LLM API seçimi: neler test edilmeli?](https://broadrouter.com/tr/blog/choosing-an-llm-for-arabic/) (yazı)

Gerçek iş yükünüzle deneyin. Yeni hesaplar şunlar için US$5 kredi ile başlar: Gemma ve transkripsiyon. Bakiye yüklemesi gerekenler: DeepSeek, GLM ve Qwen3.8.

[Başlayın](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=tr-glossary-vision-language-model&utm_content=page-cta) ·

**Kaynaklar**

-   [Hugging Face Tasks, image-text-to-text (görsel-dil modelleri)](https://huggingface.co/tasks/image-text-to-text)
-   [OpenAI API referansı, sohbet tamamlaması oluşturma (görsel içerik parçaları)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [BroadNet Inference API referansı, modeller (İngilizce)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=tr-glossary-vision-language-model&utm_content=sources#models)
