Gemini 2.5 Pro: Google'in 1M Token Baglam Penceresi

1# Gemini 2.5 Pro Thinking Mode ornegi
2import google.generativeai as genai
3 
4genai.configure(api_key="YOUR_API_KEY")
5 
6model = genai.GenerativeModel(
7    model_name="gemini-2.5-pro",
8    generation_config={
9        "temperature": 0.7,
10        "max_output_tokens": 65536,
11    }
12)
13 
14response = model.generate_content(
15    "Bu Swift kodundaki retain cycle'i bul ve duzelt: [kod]",
16    generation_config={"thinking_config": {"thinking_budget": 10000}}
17)
18 
19# Dusunme sureci ve sonuc
20for part in response.candidates[0].content.parts:
21    if part.thought:
22        print("[Dusunme]", part.text)
23    else:
24        print("[Cevap]", part.text)

11M Token =
2├── ~700.000 kelime metin
3├── ~50.000 satir kod
4├── ~1.500 sayfa PDF
5├── ~60 dakika ses/video transkripti
6├── ~750 gorsel(orta cozunurluk)
7└── ~10 orta boyutlu roman

1// Node.js ile buyuk codebase analizi
2import { GoogleGenerativeAI } from '@google/generative-ai';
3import * as fs from 'fs';
4import * as path from 'path';
5 
6const genAI = new GoogleGenerativeAI(process.env.GEMINI_API_KEY!);
7 
8async function analyzeCodebase(projectDir: string) {
9  // Tum kaynak dosyalarini oku
10  const files = getAllSourceFiles(projectDir);
11 
12  let codebaseContent = '';
13  for (const file of files) {
14    const content = fs.readFileSync(file, 'utf-8');
15    const relativePath = path.relative(projectDir, file);
16    codebaseContent += `\n--- ${relativePath} ---\n${content}\n`;
17  }
18 
19  const model = genAI.getGenerativeModel({ model: 'gemini-2.5-pro' });
20 
21  const result = await model.generateContent([
22    `Bu codebase'i analiz et ve su konularda rapor ver:
23    1. Mimari pattern'ler ve tutarlilik
24    2. Potansiyel bug'lar ve guvenlik aciklari
25    3. Performance darbogazlari
26    4. Dead code ve kullanilmayan import'lar
27    5. Iyilestirme onerileri (oncelik sirasina gore)
28 
29    Codebase:
30    ${codebaseContent}`
31  ]);
32 
33  return result.response.text();
34}

1HumanEval(Python kod uretimi):
2- Gemini 2.5 Pro: %92.1 (thinking mode)
3- Gemini 2.5 Pro: %87.3 (standart)
4- Claude Opus 4:   %95.2
5- GPT-4o:          %90.2
6 
7SWE-bench Verified(gercek bug fix):
8- Gemini 2.5 Pro: %63.8 (thinking mode)
9- Claude Opus 4:  %62.0
10- GPT-4o:         %33.2
11 
12LiveCodeBench(canli kodlama):
13- Gemini 2.5 Pro: %70.4
14- Claude Opus 4:  %53.5
15- GPT-4o:         %41.0

1# Gorsel ile kod analizi
2import google.generativeai as genai
3import PIL.Image
4 
5model = genai.GenerativeModel("gemini-2.5-pro")
6 
7# UI screenshot'ini analiz et
8image = PIL.Image.open("app_screenshot.png")
9 
10response = model.generate_content([
11    "Bu iOS uygulamasinin screenshot'ini analiz et:",
12    image,
13    """
14    1. UI/UX sorunlarini tespit et
15    2. Apple HIG uyumsuzluklarini belirt
16    3. Accessibility eksikliklerini sirala
17    4. Iyilestirme onerileri sun
18    """
19])
20 
21print(response.text)

1# Video analizi — uygulama demo'su inceleme
2video_file = genai.upload_file("app_demo.mp4")
3 
4response = model.generate_content([
5    video_file,
6    "Bu uygulama demo videosunu izle ve su konularda rapor ver: "
7    "1. Kullanici deneyimi akisi uygun mu? "
8    "2. Performans sorunlari goruluyor mu (lag, jank)? "
9    "3. UI tutarsizliklari var mi? "
10    "4. Hangi ekranlar iyilestirilmeli?"
11])

1Kullanici Sorusu → Gemini Analiz → Google Search Sorgusu → Arama Sonuclari →
2→ Sonuclari Sentezle → Kaynakli Cevap

1# Google Search grounding ile guncel bilgi
2model = genai.GenerativeModel(
3    "gemini-2.5-pro",
4    tools=[{"google_search": {}}]  # Grounding aktif
5)
6 
7response = model.generate_content(
8    "iOS 19'un yeni ozellikleri neler? Resmi kaynaklari referans goster."
9)
10 
11# Cevap Google Search sonuclariyla desteklenir
12print(response.text)
13 
14# Kaynaklari goster
15for chunk in response.candidates[0].grounding_metadata.grounding_chunks:
16    print(f"Kaynak: {chunk.web.title} — {chunk.web.uri}")

1// Vertex AI ile Gemini 2.5 Pro
2import { VertexAI } from '@google-cloud/vertexai';
3 
4const vertexAI = new VertexAI({
5  project: 'my-project-id',
6  location: 'us-central1'
7});
8 
9const model = vertexAI.getGenerativeModel({
10  model: 'gemini-2.5-pro',
11  generationConfig: {
12    maxOutputTokens: 8192,
13    temperature: 0.4,
14  }
15});
16 
17async function analyzeProject(codeFiles: Map): Promise {
18  let codeContent = '';
19  for (const [path, content] of codeFiles) {
20    codeContent += `\n// --- ${path} ---\n${content}\n`;
21  }
22 
23  const result = await model.generateContent({
24    contents: [{
25      role: 'user',
26      parts: [{ text: `Analiz et:\n${codeContent}` }]
27    }]
28  });
29 
30  return result.response.candidates?.[0]?.content?.parts?.[0]?.text ?? '';
31}

1// Streaming response
2const streamResult = await model.generateContentStream({
3  contents: [{ role: 'user', parts: [{ text: prompt }] }]
4});
5 
6for await (const chunk of streamResult.stream) {
7  const text = chunk.candidates?.[0]?.content?.parts?.[0]?.text;
8  if (text) process.stdout.write(text);
9}
10 
11// Rate limiting: 360 RPM (requests per minute), 4M TPM (tokens per minute)

1# UIKit -> SwiftUI migration analizi
2prompt = """
3Bu UIKit projesinin tum dosyalarini inceledim. Simdi:
41. SwiftUI migration plani cikar (dosya bazinda)
52. Her dosya icin migration karmasikligi belirt (kolay/orta/zor)
63. Bagimliliklari ve migration sirasini goster
74. Potansiyel sorunlari sirala
85. Tahmini sureyi hesapla
9"""
10 
11# 50K satirlik projeyi tek seferde analiz edebilir

1# Uygulamanin tum string'lerini coklu dile cevir
2localizable_strings = open("Localizable.strings").read()
3 
4response = model.generate_content(f"""
5Bu iOS uygulamasinin string dosyasini su dillere cevir:
6- Turkce (tr)
7- Almanca (de)
8- Fransizca (fr)
9- Japonca (ja)
10 
11Her dil icin ayri Localizable.strings formati olustur.
12Teknik terimleri cevirmeden birak.
13Karakter sinirlamalarini dikkate al (buton metinleri kisa olmali).
14 
15{localizable_strings}
16""")