Not — ileriye dönük profil. Deep Research Preview (
deep-research-preview-04-2026) Nisan 2026'dan alınan önizleme anlık görüntüsüdür. Davranış, yetenekler ve hız limitleri genel erişilebilirlik öncesinde değişecektir.
Deep Research Preview, Google'ın Deep Research serisindeki temel katmandır. 131.072 token'lık bağlam penceresi sunar. Temel yetenek olarak arama destekli üretim kullanır — model yalnızca eğitim verilerine güvenmek yerine çalışma sırasında canlı kaynakları çeker ve ileri sürdüğü iddialara kaynak gösterir.
Bu bir sohbet modeli değildir. Ayrıca ağır Max katmanı araştırma ajanı da değildir. Arama ve alıntı katmanı olarak ortada bir yerde konumlanır — Max'ten daha hızlı, üstüne arama aracı eklenmiş sade bir sohbet modelinden daha kapsamlı.
Gerçekte ne yapar
Ona güncel bilgiden ve açık kaynaklardan faydalanacak bir soru verirsiniz. Odaklanmış bir web araması yapar, en alakalı sonuçları okur ve kaynak materyalden alıntılar yapan yapılandırılmış bir cevap üretir. Tipik çıktı:
- Soruya doğrudan yanıt.
- Sorunun şekline bağlı olarak iki ila beş paragraf uzunluğunda kısa bir destekleyici özet.
- Kullanılan kaynaklara satır içi alıntılar.
- Sonunda başvurulan kaynaklar listesi.
Çalışmalar Max katmanı Deep Research'ten daha hızlıdır ve çıktı daha kısadır. Derin kaynak arası sentez yerine güncellik ve alıntı güvenilirliği için ödeme yaparsınız.
Gerçekten yararlı olduğu alanlar
Bu katmanın temiz bir şekilde uyduğu birkaç iş yükü:
- Modelin eğitim kesim tarihinin doğru yanıtı kaçıracağı zamana duyarlı sorular.
- Açık arama ve alıntı araçları olmayan bir sohbet modelinin ya referans uyduracağı ya da kararlı olmaktan kaçınacağı, alıntı gerektiren çıktılar.
- Kullanıcının cevaba artı kaynağa bağlantıya ihtiyaç duyduğu mevcut belgelere, politika metinlerine veya haberlere karşı hızlı aramalar.
- Max katmanı derin sentezin gecikme maliyetini haklı çıkarmayan hafif araştırmalar.
Desen şöyledir. Normalde üç dört sekme açacağınız, on dakika okuyacağınız ve bir paragraf yazacağınız görevler bu modele iyi haritalanır. Bir saatlik okuma gerektiren görevler Max'e gitmeli. Cevabın zaten eğitim verisinde olduğu görevlere arama desteği hiç gerekmez.
Yanlış araç olduğu yerler
Konuşma etkileşimleri. Deep Research ailesinin geri kalanı gibi, bu da istek-ve-yanıt şeklindedir, sohbet değil.
Çelişkili kanıtları olan birçok kaynak üzerinden derin sentez. Max katmanı bunu daha iyi yönetir. Temel önizleme daha hızlıdır ama daha az okuma yapar.
Gerçek araştırmanın dışındaki her şey. Kod üretimi, hata ayıklama, görüntü işleri — tamamen yanlış aile.
Çok yüksek hacimli iş yükleri. Arama ve alıntı döngüsü gecikme ekler ve çağrı başına sade bir sohbet tamamlamasından daha fazla hesaplama tüketir. Buna göre planlayın.
Aile içinde nasıl karşılaştırılır
Üç Deep Research önizleme anlık görüntüsü derinlik-hız eğrisi üzerinde farklı noktaları kapsar:
- Deep Research Preview (Nisan 2026) — bu model. Temel katman, en hızlı, en kısa çıktılar.
- Deep Research Pro Preview (Aralık 2025) — daha eski Pro katmanı, temel katmandan daha fazla derinlik, biraz daha eski ajan döngüsü.
- Deep Research Max Preview (Nisan 2026) — en derin katman, en uzun çalışmalar, en kapsamlı çıktı.
Çoğu iş yükü için temel önizleme ile başlayın. Temel katmanın önemli kaynakları okunmamış bıraktığını veya alt akış kullanımınızın ihtiyaç duyduğu derinlikten yoksun çıktılar ürettiğini bulduğunuzda Pro veya Max'e yükseltin.
Diğer arama destekli modellerle nasıl karşılaştırılır
En doğrudan karşılaştırmalar, OpenAI'nin GPT-5 ailesi üzerindeki arama destekli modlar ve web arama aracı etkinleştirilmiş Anthropic'in Claude serisindedir. Çıktının şekli benzerdir: alıntılarla birlikte bir yanıt.
Google'ın temel Deep Research Preview'ı, ajan geniş bir arama yerine birden fazla hedefli arama yaptığı için tek-arama-çağrısı alternatifinden daha çeşitli kaynaklar ortaya çıkarma eğilimindedir. Çıktı varsayılan olarak daha yapılandırılmıştır ancak tarayıcılı GPT-5'in ürettiğinden daha az konuşkan şekildedir. Web aramalı Claude en temkinlidir, kaynaklar anlaşmadığında güvenle reddeder ve çıktıda çekincelerini daha görünür şekilde belirtme eğilimindedir.
Etkileşimli soru-ve-iyileştirme iş akışları için Claude veya GPT-5 daha iyi uyar. Kullanıcının alıntılarla birlikte eksiksiz bir cevap istediği ve bunun için on beş ila kırk saniye beklemeye razı olduğu tek atışlık sorular için Deep Research Preview güçlü bir varsayılandır.
Kategori düzeyindeki tablo /benchmarks/intelligence adresinde ve kayan sıralama tablosu /benchmarks/leaderboard adresinde bulunur.
Pratikte alıntı kalitesi
Alıntıların nasıl davrandığı hakkında bilmeniz gereken iki şey:
Birincisi, alıntılar gerçek kaynak içeriğini güvenilir bir şekilde izler. Model referans uydurmak alışkanlığında değildir ve bir kaynaktan bir pasaj alıntıladığında, pasaj genellikle o kaynakta mevcuttur. Bu, arama destekli modeller arasında evrensel değildir — bazı rakipler hâlâ ara sıra makul görünüşlü alıntılar icat eder.
İkincisi, alıntı kapsamı güncel ve yüksek trafikli kaynaklara doğru eğilim gösterir. Sorunuzun doğru yanıtı küçük bir arşiv sitesinde, bir devlet portalındaki bir PDF'de veya genel web aramasında iyi çıkmayan bir akademik makalede yaşıyorsa, modelin onu çekme olasılığı daha düşüktür. Doğru kaynakların yüksek trafikli webin dışında olduğu özel araştırma alanları için bu önemlidir.
Dağıtım notları
Standart Google Gemini API. Deep Research modelleri daha geniş Gemini yüzeyini paylaşır ancak açık bir model tanımlayıcısı gerektirir ve arama ve alıntı döngüsüne özgü parametreleri kabul eder.
Gecikme ana operasyonel husustur. Çağrılar tipik olarak soru karmaşıklığına bağlı olarak on beş ila kırk saniye sürer. Bunu kullanıcı deneyiminizde planlayın — ilerlemeyi gösterin, kullanıcı beklentilerini ayarlayın, kullanıcının saniyenin altı yanıt beklediği senkron bir etkileşimin arkasına koymayın.
Bölgesel erişilebilirlik Google'ın standart Vertex AI desenini takip eder. AB bölgeleri kurumsal sözleşmelerde mevcuttur; hazır API erişimi bir bölgeyi sabitlemiyor. Sert yerleşim kısıtlamaları için, genel API davranışına güvenmek yerine Vertex AI bölgesel belgelerine bakın.
Onu seçmek
Deep Research Preview'a şunlar için başvurun:
- Açık alıntılarla güncel bilgiye ihtiyacınız var.
- Soru tek-arama-çağrısı aramasından daha büyük ama çok saatlik bir araştırma özetinden daha küçük.
- Alıntı güvenilirliği önemlidir ve kaynaklar anlaşmadığında modelin kendinden emin cevaplar uydurmak yerine temiz bir şekilde reddetmesini istersiniz.
- On beş ila kırk saniyelik aralıktaki gecikme kullanım durumunuz için kabul edilebilir.
Şunlar söz konusu olduğunda başka bir şey seçin:
- Soru iyileştirme için etkileşimli bir ileri-geri gerektiriyor.
- Saniyenin altı gecikme gereksinimlerin bir parçası.
- Soru birçok kaynak üzerinden derin sentez gerektiriyor — Max katmanı daha iyi uyuyor.
- Cevap zaten eğitim verisinde ve arama desteği değer katmadan gecikme ekliyor.
Özet. Sağlam orta ağırlık araştırma aracı. Max'ten daha hızlı, sohbet-artı-arama alternatifinden daha kapsamlı, bu aile gönderilmeden önce temiz bir cevabı olmayan bir iş yükü bandına uyuyor.
/live-test adresinde güncel bir olay sorusu üzerinde deneyin. Alıntı kalitesi ayırt edicidir ve kendi sorularınıza karşı değerlendirmek en kolaydır.
Son teknik inceleme: 2026-05-22 — Tokonomix.ai
