Pi Kodlama Ajanı için en iyi modeller göreve göre değişir: günlük kodlama için Claude Sonnet 5.5 ile başlayın veya OpenAI seçeneği olarak GPT-6.1 Sol’u deneyin. Zorlu hata ayıklamada Claude Opus 5.5’i kullanmayı deneyin, rutin işler için MiniMax M3 ve DeepSeek V4.1 Flash’ı karşılaştırın, kodun makinenizde kalması gerektiğinde ise Qwen3.8 27B’yi test edin.

Pi, terminalinizde çalışan genişletilebilir bir ajan çerçevesidir. Çerçeve, konuşmayı ve araçları yönetir; model ise hangi dosyaların okunacağına, hangi komutların çalıştırılacağına ve neyin değiştirileceğine karar verir. Pi, bu iş akışı içinde model değiştirmenize olanak tanır; böylece modelleri alakasız sıralama tablolarından seçmek yerine aynı depo üzerinde karşılaştırabilirsiniz.

Model kimlikleri ve kullanılabilirlik 14 Ekim 2026 tarihinde Haimaker kataloğuna karşı kontrol edilmiştir. Öneriler, güncel sağlayıcı bilgilerini küçük ve bağımsız bir Pi değerlendirmesiyle birleştirir. Bu modeller için Pi’de yeni bir Haimaker kıyaslaması yapmadık.

Pi’de hangi modelle başlamalısınız?

Zaten nasıl doğrulayacağınızı bildiğiniz bir görevde Sonnet 5.5 veya GPT-6.1 Sol ile başlayın. Araç erişimini ve depo durumunu sabit tutun, ardından aynı görevde bir bütçe adayını karşılaştırın. Daha ucuz model başarısız bir yaklaşımı tekrarladığında veya çok fazla insan düzeltmesi gerektirdiğinde Opus’a geçin.

Pi iş yüküDenenecek modelHaimaker model kimliğiÖdünleşim
Günlük düzenlemeler, testler ve depo işleriClaude Sonnet 5.5anthropic/claude-sonnet-5-5Bütçe dostu seçeneklere göre token başına daha yüksek maliyet
OpenAI modeliyle kodlama ve planlamaGPT-6.1 Solopenai/gpt-6.1-solAkıl yürütme çabasını ve toplam token sayısını karşılaştırın
Zorlu hata ayıklama veya belirsiz gereksinimlerClaude Opus 5.5anthropic/claude-opus-5-5Daha yüksek token ücretleri; daha az deneme gerekebilir
Bütçe dostu rutin kodlamaMiniMax M3minimax/minimax-m3Araç argümanlarını ve hata kurtarmayı test edin
Düşük maliyetli arka plan görevleriDeepSeek V4.1 Flashdeepseek/deepseek-v4.1-flashYeniden denemeler ve gecikme, düşük ücretlerden daha ağır basabilir
Başka bir bütçe karşılaştırmasıGLM-5.3 Flashz-ai/glm-5.3-flashUzun çıktıları ve toplam görev süresini kontrol edin
Araştırma ve büyük belge girdileriGemini 3.8 Flashgoogle/gemini-3.8-flashBüyük girdi kapasitesi yine de yanıt doğrulaması gerektirir
Zorlu araştırma ve akıl yürütmeGemini 4 Argongoogle/gemini-4-argonYeni ücretli aday, aşağıdaki Pi değerlendirmesinde yer almıyor

Anthropic’in model genel bakışı mevcut Claude katmanlarını açıklar. OpenAI’ın Sol belgeleri kodlama ve ajan rolünü kapsar, Google’ın model listesi ise Gemini seçeneklerini kapsar. Bu açıklamalar bir aday listesi oluşturmanıza yardımcı olur; ancak kod tabanınızda bir kazanan belirlemez.

Bu, Hermes model rehberimizde kullandığımız aynı göreve dayalı yaklaşımdır. Pi’nin yapılandırması, model geçişi ve düşünme kontrolleri farklıdır, bu nedenle Hermes yapılandırmasını kopyalamak yerine aşağıdaki Pi kurulumunu kullanın.

Gerçek Pi kodlama karşılaştırmaları ne gösteriyor?

Küçük bir Pi değerlendirmesi, bütçe dostu bir modelin daha hızlı veya daha ucuz tamamlayacağını varsaymadan önce Sonnet, Sol ve Opus’u test etmeyi destekler. Ayrıca daha fazla akıl yürütmenin kolay bir görevde tamamlamayı iyileştirmeden kontrol ve araç çağrısı ekleyebileceğini gösterir. Faydalı karşılaştırma, başarısız denemeler ve inceleme süresi dahil olmak üzere tamamlanan iştir.

Ibragim Badertdinov’un kişisel kodlama değerlendirmesi yapılandırma başına 3 çalıştırma ile 10 görev kullandı. 30 Eylül sonuçları şunları bildiriyor:

Model ve çabaTek denemede görev başarısıGörev başına bildirilen süre
Sonnet 5.5, yüksek%10046 saniye
GPT-6.1 Sol, orta%1001 dakika 7 saniye
Opus 5.5, düşük%10037 saniye
DeepSeek V4.1 Flash, maksimum%93,34 dakika 30 saniye
GLM-5.3 Flash, maksimum%96,77 dakika 1 saniye

Bunlar yazarın sonuçlarıdır, bizim değil. Metodoloji, yazarın çalışmasından açıkça tanımlanmış görevleri, otomatik kontrolleri ve API erişimini açıklar. Görevler gizli tutulmuştur ve sonuçlar mevcut Pi 1.x sürümü yerine Pi 0.85.1 ile elde edilmiştir. Eşit başarı oranları da eşit kod kalitesi anlamına gelmez.

Karşılaştırma, modelin yanı sıra akıl yürütme çabasını da test etmek için bir neden sunar. Düşük çabadaki Opus, bu küçük test paketini gösterilen diğer yapılandırmalardan daha hızlı tamamladı. Bu, düşük çabanın zorlu bir geçiş için yeterli olduğu anlamına gelmez. Görevi gerçek kısıtlamalarıyla çalıştırın, ardından ek akıl yürütmenin yamayı değiştirip değiştirmediğini yoksa yalnızca tekrarlanan kontroller mi eklediğini inceleyin.

Kendi karşılaştırmanız için başarılı tamamlama, hatalı araç argümanları, yeniden denemeler, geçen süre ve nihai faturayı kaydedin. Kodlama ajanı API maliyet rehberimiz, yalnızca token ücretlerinin neden yanlış bir sonuç verebileceğini açıklar.

Pi’yi bu modellere nasıl bağlarsınız?

Sağlayıcı yapılandırmasını elle yazmadan Pi’yi bağlamak için Haimaker Connect kullanın. Önce Pi’yi kurun, ardından doğal dosyalarını yapılandırmak ve bağlantıyı doğrulamak için Connect’i çalıştırın.

Yeni bir kurulum için Pi’nin hızlı başlangıcı aşağıdaki mevcut npm paketini kullanır ve Node.js 22.19 veya daha yenisini gerektirir:

npm install -g --ignore-scripts @earendil-works/pi-coding-agent
pi --version

Önerilen: Haimaker Connect

Kurulum sihirbazını çalıştırın ve Pi’yi seçin:

npx -y @haimaker/connect

Yukarıdaki Sonnet önerisiyle Pi için her ikisini de açıkça seçin:

npx -y @haimaker/connect --pi --model anthropic/claude-sonnet-5-5
pi --provider haimaker --model anthropic/claude-sonnet-5-5

Connect bir tarayıcı girişi açar veya mevcut bir HAIMAKER_API_KEY kullanır. Haimaker sağlayıcısını models.json dosyasına yazar, anahtarı Pi’nin auth.json dosyasında saklar ve bir isteği doğrular. Pi ardından istekleri doğrudan Haimaker’a gönderir. Seçenekler için Connect paket belgelerine bakın.

--model olmadan Connect, haimaker/auto yapılandırır. Karşılaştırmalar için adlandırılmış bir model kullanın; böylece yönlendirme istekler arasında modeli değiştirmez. Connect tek bir model girişi yazar; Pi’nin seçicisinde birden fazla adayı tutmak için aşağıdaki manuel yapılandırmayı kullanın. Mevcut dosyaları yedekler, ancak models.json dosyasını yorumsuz JSON olarak yeniden yazar.

Pi'yi yapılandırmak için Haimaker Connect'i kullanın, ardından aynı depo görevinde modelleri karşılaştırın.

PI'YI HAIMAKER'A BAĞLA

Manuel yapılandırma: seçicide birden fazla model tutun

Anahtarınızı Pi’yi başlatacak kabukta ayarlayın:

export HAIMAKER_API_KEY=your-haimaker-key

Bu sağlayıcıyı ~/.pi/agent/models.json dosyasına ekleyin. Zaten bir tane varsa mevcut providers nesnesine birleştirin:

{
  "$schema": "https://pi.dev/schemas/models.schema.json",
  "providers": {
    "haimaker": {
      "baseUrl": "https://api.haimaker.ai/v1",
      "api": "openai-completions",
      "apiKey": "${HAIMAKER_API_KEY}",
      "models": [
        {
          "id": "anthropic/claude-sonnet-5-5",
          "name": "Claude Sonnet 5.5",
          "reasoning": true,
          "input": ["text", "image"],
          "contextWindow": 1000000,
          "maxTokens": 128000
        },
        {
          "id": "openai/gpt-6.1-sol",
          "name": "GPT-6.1 Sol",
          "reasoning": true,
          "input": ["text", "image"],
          "contextWindow": 922000,
          "maxTokens": 128000
        },
        {
          "id": "minimax/minimax-m3",
          "name": "MiniMax M3",
          "reasoning": true,
          "input": ["text", "image"],
          "contextWindow": 1000000,
          "maxTokens": 128000
        }
      ]
    }
  }
}

Yukarıdaki sınırlar, kontrol edilen Haimaker kataloğunu tanımlar ve bir sağlayıcının doğrudan API’sinden farklı olabilir. Pi, sağlayıcı kimlik bilgilerinde ortam değişkeni interpolasyonunu kabul eder; model yapılandırma rehberine bakın. Büyük bir depo bağlamı göndermeden önce sınırlı bir görevle başlayın.

Modeli her iki tanımlayıcıyla seçin:

pi --provider haimaker --model anthropic/claude-sonnet-5-5

Pi içinde, yapılandırılmış başka bir modeli seçmek için /model açın. Seçici models.json yeniden yükler. Özel fiyatlandırma meta verileri bu örnekten çıkarılmıştır çünkü ücretler değişir; yapılandırılmamış bir oturum maliyet göstergesini ölçülmüş sıfır maliyetli bir çalıştırma olarak değerlendirmek yerine sağlayıcı faturasını kontrol edin.

Zaten sahip olduğunuz bir sağlayıcı hesabı

Yerleşik bir sağlayıcı için /login komutunu çalıştırın ve Pi’nin kimlik doğrulama akışını izleyin, ardından /model ile bir model seçin. Pi’nin sağlayıcı referansı API anahtarı değişkenlerini ve sağlayıcıya özel seçenekleri listeler. Bir abonelik ile kullanım bazlı faturalandırılan bir API anahtarı farklı erişime ve faturalandırmaya sahip olabilir, bu nedenle hesabınızın gerçekten desteklediği bağlantı yöntemini kullanın.

Düşünme seviyelerini nasıl ayarlamalı ve modelleri nasıl değiştirmelisiniz?

Model seçimini ve düşünme çabasını ayrı değişkenler olarak tutun. İlk karşılaştırma için destekleniyorsa orta düzeyde bir çaba kullanın, ardından daha fazla akıl yürütme gerektiren bir görevde artırın. Pi, seviyeleri seçilen modelin yetenekleriyle sınırlar. Çabayı seçerken token kullanımını ve tamamlamayı karşılaştırın; sağlayıcılar aynı seviyeyi farklı şekilde yorumlar.

Pi’nin CLI referansı açık bir model ve çaba destekler:

pi --provider haimaker --model openai/gpt-6.1-sol --thinking medium

Etkileşimli bir oturumda /thinking çabayı değiştirir ve /scoped-models, Ctrl+P ile geçiş yapacağınız modelleri seçer. Bu döngüde 2 model ile başlayın: rutin işler için bir aday ve daha güçlü bir alternatif. Yalnızca tekrarlayan bir hatayı çözdüğünde başka bir model ekleyin. Model seçiciden Ctrl+S ile bir başlangıç varsayılanı kaydedin.

Modelleri manuel olarak değiştirmek seçimi görünür tutar. Haimaker’ın haimaker/auto özelliği API tarafında yönlendirme yapar. Pi içinde yönlendirme için uzantılar aracılığıyla sanal model yönlendirmeyi kullanın. Bu uzantıyı ayrı olarak yapılandırın ve test edin. models.json içindeki birden fazla giriş size seçilebilir modeller sunar; liste, aralarından seçim yapmaz.

Pi ayrıca kodlama modellerini sınıflandırıcı ve görüntü modellerinden ayırır. Mevcut belgeleri, Codemode tarafından kullanılan bir sınıflandırıcı olarak Decisions API üzerinden GPT-6 Luna’yı listeler; bu ana konuşma seçicisinden farklıdır. Bir topluluk önerisini takip ederken, özellikle eski bir Pi sürümünde yapılmışsa, modelin API’sini ve rolünü kontrol edin.

Pi ile hangi yerel modelleri denemeye değer?

İş istasyonu belleğiniz varsa ve yerel çıkarım istiyorsanız Qwen3.8 27B, Muse Glimmer 30B ve Qwen3 Coder 30B’yi karşılaştırın. Daha küçük makinelerde Gemma 4 E4B veya Qwen3 8B kullanın. Yerel modelin Pi’nin araçlarını doğru kullanıp kullanmadığını ve bir komut başarısız olduktan sonra kendini toparlayıp toparlayamadığını kontrol edin.

Pi’nin GGUF modelleri için belgelenmiş bir llama.cpp yönlendirici entegrasyonu vardır. Zaten Ollama kullanıyorsanız, ayrı OpenAI uyumlu uç noktasını yapılandırın. Makineye sığan bir model çekin, ardından tam etiketini models.json dosyasına ekleyin:

ollama pull qwen3.8:27b

{
  "providers": {
    "ollama": {
      "baseUrl": "http://localhost:11434/v1",
      "api": "openai-completions",
      "apiKey": "ollama",
      "models": [
        {
          "id": "qwen3.8:27b",
          "name": "Qwen3.8 27B local",
          "reasoning": true,
          "input": ["text", "image"],
          "contextWindow": 32768,
          "maxTokens": 8192
        }
      ]
    }
  }
}

Yer tutucu anahtar, Pi’nin yerel sağlayıcı için kimlik doğrulamayı çözümlemesini sağlar; Ollama bunu yok sayar. Bu sağlayıcıyı mevcut bulut yapılandırmasının yanına birleştirin, ardından seçin:

pi --provider ollama --model qwen3.8:27b

Qwen3.8’in Ollama listesi, bağlam durumu ve çalışma zamanı arabellekleri hariç yaklaşık 18 GB indirme gösterir. 24 GB GPU veya 32 GB+ birleşik bellekli bir makine, sınırlı bir oturum için başlangıç noktasıdır. Bu örnekteki 32K bağlam, muhafazakâr bir başlangıç ayarıdır ve sığma garantisi değildir. Daha küçük makineler ve diğer adaylar için Ollama kodlama modeli rehberimize bakın.

Yerel çıkarım, modelin istemlerini makinenizde tutar. Harici araçlar yine de verileri başka bir yere gönderebilir ve cloud etiketine sahip bir model bulut tabanlı çıkarım kullanır. Kodu gizli tutarken hem uç noktayı hem de etkin araçları kontrol edin.

Sıkça sorulan sorular

Pi oturumumu kaybetmeden model değiştirebilir miyim?

Evet. Mevcut bir Pi oturumunda modeli değiştirmek için /model komutunu kullanın. Pi, model ve düşünme seviyesi değişikliklerini kaydeder; oturumu sürdürdüğünüzde bunlar geri yüklenir. Ctrl+P ile geçiş yapılabilecek modelleri seçmek için /scoped-models komutunu kullanın.

Özel modelim Pi’de neden görünmüyor?

Pi’nin sağlayıcı kimlik bilgilerini çözümleyebildiğinden emin olun ve model kimliğinin models.json dosyasında olduğundan emin olun. Pi’yi başlatan süreçte bir ortam değişkeni bulunmalıdır. Sınıflandırıcı ve görüntü modelleri ayrı araçlar kullanır ve ana /model seçicide görünmez.

Pi, Haimaker ve yerel Ollama modellerini destekliyor mu?

Evet. Haimaker’ı Pi’nin yerel dosyaları üzerinden yapılandırmak için npx -y @haimaker/connect —pi komutunu kullanın veya sağlayıcıyı ~/.pi/agent/models.json dosyasına manuel olarak ekleyin. Ollama, http://localhost:11434/v1 adresinde ayrı bir yerel sağlayıcı kullanır ve tam yerel model etiketini gerektirir.

Doğrulanmış bir depo göreviyle başlayın, Pi’nin araçlarını ve bağlamını sabit tutun ve iki modeli karşılaştırın. Daha az bekleme ve inceleme süresiyle başarıyla tamamlayan modeli tutun. Yeni bir sürüm gerçekten karşılaştığınız bir hatayı ele aldığında bu karşılaştırmayı yineleyin.