Gemini 2.5 Pro: Google'ın 1M Token Bağlam Penceresi

1# Gemini 2.5 Pro Thinking Mode örneği
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 düzelt: [kod]",
16    generation_config={"thinking_config": {"thinking_budget": 10000}}
17)
18 
19# Düşünme süreci ve sonuç
20for part in response.candidates[0].content.parts:
21    if part.thought:
22        print("[Düşünme]", part.text)
23    else:
24        print("[Cevap]", part.text)

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

1// Node.js ile büyük 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 dosyalarını 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 tutarlılik
24    2. Potansiyel bug'lar ve güvenlik açıkları
25    3. Performance darboğazları
26    4. Dead code ve kullanılmayan import'lar
27    5. İyileştir
 önerileri (öncelik sıras
 göre)
28 
29    Codebase:
30    ${codebaseContent}`
31  ]);
32 
33  return result.response.text();
34}

1HumanEval (Python kod üretimi):
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 (gerçek bug fix):
8- Gemini 2.5 Pro: %63.8 (thinking mode)
9- Claude Opus 4:  %62.0
10- GPT-4o:         %33.2
11 
12LiveCodeBench (canlı kodlama):
13- Gemini 2.5 Pro: %70.4
14- Claude Opus 4:  %53.5
15- GPT-4o:         %41.0

1# Görsel 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 uygulamasının screenshot'ini analiz et:",
12    image,
13    """
14    1. UI/UX sorunlarını tespit et
15    2. Apple HIG uyumsuzluklarini belirt
16    3. Accessibility eksikliklerini sırala

17    4. İyileştir
 önerileri sun
18    """
19])
20 
21print(response.text)

1# Video analizi — uygula
 demo'su inceleme
2video_file = genai.upload_file("app_demo.mp4")
3 
4response = model.generate_content([
5    video_file,
6    "Bu uygula
 demo videosunu izle ve su konularda rapor ver: "
7    "1. Kullanıcı deneyimi akışi uygun mu? "
8    "2. Performans sorunları görülüyor mu (lag, jank)? "
9    "3. UI tutarsızlıkları var mi? "
10    "4. Hangi ekranlar iyileştirilmeli?"
11])

1Kullanıcı Sorusu → Gemini Analiz → Google Search Sorgusu → Arama Sonuçları →
2→ Sonuçları Sentezle → Kaynakli Cevap

1# Google Search grounding ile güncel 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 özellikleri neler? Resmi kaynakları referans göster."
9)
10 
11# Cevap Google Search sonuçlarıyla desteklenir
12print(response.text)
13 
14# Kaynakları göster
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<string, string>): Promise<string> {
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 dosyalarını inceledim. Şimdi:
41. SwiftUI migration planı çıkar (dosya bazında)
52. Her dosya için migration karmaşıklığı belirt (kolay/orta/zor)
63. Bağımlılıkları ve migration sırasını göster
74. Potansiyel sorunları sırala

85. Tahmini süreyi hesapla
9"""
10 
11# 50K satır
 projeyi tek seferde analiz edebilir

1# Uygulamanın tum string'lerini çoklu dile çevir
2localizable_strings = open("Localizable.strings").read()
3 
4response = model.generate_content(f"""
5Bu iOS uygulamasının string dosyasını su dillere çevir:
6- Türkçe (tr)
7- Almanca (de)
8- Fransizca (fr)
9- Japonca (ja)
10 
11Her dil için ayrı Localizable.strings formati oluştur.
12Teknik terimleri çevirmeden bırak.
13Karakter sınırlamalarını dikkate al (buton metinleri kısa olmalı).
14 
15{localizable_strings}
16""")