Azure Content Understanding GPT-5 Serisi: Model Seçimi ve

Azure Content Understanding, GPT-5 serisiyle belge, görüntü, video ve konuşmada veri çıkarmayı destekliyor. Grounding ve confidence güncellemeleri inference token tüketimini ve maliyeti düşürürken doğruluğu koruyor.

Azure Content Understanding, kurumsal içerikten (belge, görüntü, ses ve video) veri çıkarma ihtiyacı arttıkça model kataloğunu genişletiyor. Son güncellemeyle GPT-5 serisi desteği eklendi, grounding (kaynak eşleme) ve güven skoru (confidence) mekanizmaları yenilendi. Bu yazıda hangi modaliteye hangi modelin uygun olduğunu, yeni skorlama yönteminin ölçülen kazanımlarını ve karşılaştırmalı testlere nasıl başlanacağını Microsoft’un açıkladığı bulgular üzerinden özetliyorum.

Sürümle gelen yenilikler

Content Understanding artık GPT-5, GPT-5.1, GPT-5.2, GPT-5.4 ve GPT-5.5 serilerini; standart, mini ve nano varyantlarıyla birlikte belge, görüntü, video ve konuşma analizinde destekliyor. Genişleyen katalog, yüksek hacimli işlemlerde maliyet düşürmek isteyen ekiplere esneklik verirken ileri seviye akıl yürütme gereken senaryolarda üst modellere geçiş yolunu açık tutuyor.

Microsoft’un test ettiği yapılandırmalarda güncellenen grounding ve confidence yöntemi, toplam çıkarım (inference) token tüketimini %28’e kadar azaltıyor; tam çıkarım LLM maliyeti %25’e kadar düşerken confidence doğruluğu (AUROC ile ölçülen) %14’e kadar, grounding doğruluğu ise (exact match) %3’e kadar iyileşiyor.

Doğru modeli seçmek: bir karıştırıcı mantığı

Model seçimi iki fader’lı bir karıştırıcıya benzetilebilir: Bir tarafta içerik üzerindeki kalite, diğer tarafta uçtan uca maliyet. Formlarda öne çıkan bir model; video segmentasyonu, konuşma sınıflandırması veya görüntü üretiminde aynı üstünlüğü göstermeyebilir. Bu nedenle doğruluk, gecikme, throughput, uyumluluk ve bölgesel dağıtım gereksinimlerini birlikte değerlendirmek gerekiyor.

Modaliteye göre öneri tablosu

Modalite Dengeli seçim En yüksek kalite Düşük maliyetli seçim
Belge GPT-5.1 veya GPT-5.2 GPT-5.5: ~%2 daha iyi kalite, ~%101 daha yüksek maliyet GPT-5.4 Mini: ~%50 daha ucuz, answer match’te ort. ~%2 düşük
Video GPT-5 veya GPT-5.1 Bu senaryoda dengeli seçimle aynı GPT-5 Mini: GPT-5’e göre ~%28 daha ucuz, genel Generation F1’de ~%7 düşük
Konuşma GPT-5.1 veya GPT-5.2 GPT-5.5: GPT-5.2’ye göre ~%2 daha iyi, ~%101 daha yüksek maliyet GPT-5.4 Mini: ~%48 daha ucuz, ~2 answer match puan düşük
Görüntü GPT-5.1 GPT-5.5: ~%3 daha iyi kalite, ~%130 daha yüksek maliyet Sınıflandırma için GPT-5 Mini: GPT-5.1’e göre ~%52 daha ucuz, Classify F1’de ~%12 düşük

Not: Konuşma ve belge çıkarımı benzer görev tipleri olduğundan Microsoft her ikisi için aynı model önerilerini kullanıyor.

Grounding: daha az token, aynı doğruluk

Güncellenen grounding sistemi, çıkarılan verinin kaynağını daha verimli tespit ediyor. Tüm model tiplerinde belge başına %20-30 daha az giriş token’ı ve %18-28 daha az toplam çıkarım token’ı gözlemlendi. Sıfır-örnekli (zero-shot) senaryoda güncellenen grounding, GPT-4.1 için token kullanımını %28, GPT-5.2 için %23 düşürdü.

Bu tasarruflar, test edilen model ve etiketli örnek kombinasyonlarında tam çıkarım LLM maliyetini %11-25 aralığında azaltırken P50 ve P95 gecikmesini de düşürdü. Grounding doğruluğu önceki yönteme yakın seviyede kaldı.

Confidence: daha doğru ve genellenebilir skorlar

Yeni confidence skorlama yöntemi daha geniş bir model yelpazesine uygulanabiliyor. AUROC ile ölçüldüğünde, yani doğru alanların yanlış alanların üstünde ne kadar tutarlı sıralandığına bakıldığında, yeni yöntem GPT-4.1 için ~%9, GPT-5.2 için ~%14 iyileşme sağlıyor.

Microsoft, GPT-5 Mini ve GPT-5 Nano ile confidence kalitesinde belirgin bir düşüş gözlediklerini not düşüyor. Confidence’a duyarlı akışlarda bu iki modelden kaçınmak öneriliyor. Skor dağılımı alan tipine göre değiştiği için straight-through processing (STP) senaryolarında kabul eşiklerini alan bazında belirlemek ve model değiştirildiğinde yeniden kalibre etmek gerekiyor.

Detay: kalite ve maliyet analizleri

Belgeler ve konuşma

Değerlendirme veri kümesi, yapılandırılmış, yarı yapılandırılmış ve yapılandırılmamış toplam 71 belge türünü kapsıyor. Content Understanding etiketli örneklerle veya örneksiz çalıştığından sıfır, bir, beş ve mevcut tüm etiketli örneklerle konfigürasyonlar test edilip ortalama alındı. Kalite; dizi ve nesne gibi konteyner alanlar hariç, yaprak alanlar ve analyzer’lar üzerinden macro average olarak raporlandı. Değerlendirilen belgelerin ortalama uzunluğu 3,35 sayfa. Konuşma için ayrı grafik yayımlanmadı; öneriler belge sonuçları üzerinden yapıldı.

Sonuçlarda GPT-5.1 ve GPT-5.2 kalite-maliyet dengesinde öne çıkıyor, aralarındaki answer match farkı yaklaşık %1. GPT-5.5, GPT-5.2’ye kıyasla ~%2 daha yüksek answer match sunarken tahmini ortalama maliyeti ~%101 artırıyor. GPT-5.4 Mini ise GPT-5.2’ye göre tahmini maliyeti ~%48 düşürürken answer match’ten ~%2 veriyor.

Video: en büyük model her zaman en iyisi değil

Video değerlendirmesi iki farklı yükü kapsıyor: 60 dakikalık, segmentasyon ağırlıklı bir veri kümesi ve ortalama bir dakikanın biraz altında kısa videolardan oluşan başka bir set. Generation F1 hem skaler yanıt alanlarını hem de logo görünme anı, haber segmenti süresi veya reklam arası gibi zaman damgalı özel segmentleri kapsıyor.

Ölçümlerde GPT-5 %89,0, GPT-5.1 %88,6, GPT-5.4 ise %87,5 genel Generation F1 elde etti. GPT-5 ve GPT-5.1 bu senaryoda hem dengeli hem en yüksek kalite çiftini oluşturuyor; GPT-5, GPT-4.1 baseline’ına göre yaklaşık %18 daha düşük maliyetle çalıştı. Daha ekonomik bir alternatif olan GPT-5 Mini, segmentasyon odaklı benchmark’ta GPT-5’e göre ~%28 daha ucuz; genel Generation F1’de ise ~%7 kayıp veriyor.

Görüntüler: sınıflandırma ve üretim için farklı modeller

Görüntü değerlendirmesi, beş tekrarla 17 zero-shot veri kümesi içeriyor; ürün, giyim, endüstriyel kusur, sahne ve nesne odaklı içerikleri kapsıyor. Sınıflandırma metriği F1, üretken alanlar ise 1-7 rubrik puanı olduğundan iki kalite ekseni tek bir kazanana indirgenmemeli.

Sonuçlarda GPT-5.1, sınıflandırmada %69,5 Classify F1 ile öne çıktı. Üretken görevlerde GPT-5.5, 7 üzerinden 5,0 puanla liderken GPT-5 Mini’ye kıyasla yaklaşık %3 daha yüksek kalite ~%375 daha yüksek maliyetle geliyor. Düşük maliyetli sınıflandırma için GPT-5 Mini, GPT-5.1’e göre ~%52 daha ucuz; buna karşılık Classify F1’de ~%12 düşük performans gösteriyor.

Sonraki adım: kendi iş yükünüzle test

Genişleyen katalog, karıştırıcının her kanalına daha geniş bir aralık tanıyor. Sıradaki adım, iş yükü için iki üç aday belirleyip aynı analyzer, şema, temsili girdi seti ve etiketli örneklerle test etmek. Yalnızca model deployment’ı değiştirilip çıktı kalitesi, gecikme, token kullanımı ve hata oranı karşılaştırılır. Testten önce analyzer’ın supportedModels yanıtını kontrol edip her adayın ilgili bölgede mevcut olduğundan emin olmak gerekiyor.

Content Understanding Studio ile başlangıç

Studio’da Settings menüsünden Foundry kaynağı eklenir ve varsayılan model deployment’ları yapılandırılır. Uygun bir varsayılan bulunmadığında Studio, gerekli modelleri otomatik olarak dağıtabiliyor. Ardından bir analyzer seçilip temsili içerikle çalıştırılır; çıkarılan alanlar, ham yanıt ve iş yükü için önemli olan kalite/gecikme/kullanım verileri kaydedilir.

REST API ile karşılaştırmalı testler

Yinelenebilir bir değerlendirme için her analyze isteğinde farklı bir modelDeployments eşlemesi geçirilebilir. İstek düzeyindeki eşleme, kaynak varsayılanlarını geçersiz kılar; böylece analyzer ve girdiler sabit tutulup yalnızca completion deployment’ı değiştirilebilir:

POST /contentunderstanding/analyzers/myInvoice:analyze
{
"inputs": [
{
"url": "<representative-input-url>"
}
],
"modelDeployments": {
"prebuilt-analyzer-completion": "<candidate-deployment-name>",
"prebuilt-analyzer-embedding": "<embedding-deployment-name>"
}
}

Aynı istek her aday için bir kez çalıştırılıp çıkarılan sonuçlar ve yanıttaki kullanım verileri karşılaştırılır. Dengeli öneriyle başlayıp düşük maliyetli seçenek eklenir; en yüksek kaliteli model ise ancak kalan doğruluk açığı iş akışı için gerçekten önemliyse dahil edilir.

Kaynaklar ve İleri Okuma

Bu yazı yapay zeka (büyük dil modelleri) ile hazırlanmış, insan editör tarafından incelenmiştir. İçerik üretim sürecimiz.
Aşkın KILIÇ

20+ yıl deneyimli Azure Solutions Architect. Microsoft sertifikalı bulut mimari ve DevOps danışmanı. Azure, yapay zekâ ve bulut teknolojileri üzerine Türkçe teknik içerikler üretiyor.

AZ-305AZ-104AZ-500AZ-400DP-203AI-102

Bu içerik işinize yaradı mı?

Benzer içerikleri kaçırmamak için YouTube ve GitHub hesaplarımı takip edin.

Haftalık Bülten

Her pazar özenle seçilmiş teknoloji yazıları doğrudan e-postanıza gelsin.

Kurumsal DevOps ve bulut dönüşümü danışmanlığı: Danışmanlık Hizmetleri

2 Yorum

  1. GPT-5 serisiyle birlikte confidence skorlarının da gelmesi güzel, artık çıkarılan veriye ne kadar güvenileceğini bilmek production ortamında çok kritik. Peki video içeriklerinde grounding ne kadar tutarlı çalışıyor, onu merak ediyorum açıkçası.

Yoruma kapalı.

✉

Haftalık Bülten

Azure, DevOps ve Yapay Zeka dünyasındaki en güncel içerikleri her hafta doğrudan e-postanıza alın.

Spam yok. İstediğiniz zaman iptal edebilirsiniz.
📱
Uygulamayı Yükle Ana ekrana ekle, çevrimdışı oku
Kategoriler
Ara
Paylaş
WhatsApp
İçindekiler
← Azure Content Understanding Ağ...
Teams için Ajan Tasarımı: Grup... →
📩

Gitmeden önce!

Her pazar özenle seçilmiş teknoloji yazıları ve AI haberleri doğrudan e-postanıza gelsin. Ücretsiz, spam yok.

🔒 Bilgileriniz güvende. İstediğiniz zaman ayrılabilirsiniz.

📬 Haftalık bülten: Teknoloji + AI haberleri
Beni Takip Et Yeni Azure / AI / DevOps yazılarını GitHub ve RSS üzerinden takip edin.