Devin AI Nedir? Özellikler, Kıyaslamalar, Fiyatlandırma & Dağıtım Kılavuzu

TL;DR

Devin AI, Cognition tarafından geliştirilen, depoları keşfedebilen, değişiklikleri planlayabilen, kod yazıp test edebilen ve pull request hazırlayabilen otonom bir yazılım mühendisliği ajanıdır. Editör tabanlı kod tamamlama araçlarından farklı olarak Devin, bir depoyu inceleyebilir, birden fazla dosyayı değiştirebilir, komutları ve testleri çalıştırabilir ve incelenebilir bir değişiklik hazırlayabilir.

2026’da Devin, ilk bulut ajanının ötesine genişleyerek Devin Cloud, Devin Desktop, Devin CLI ve maliyet açısından optimize edilmiş Devin Fusion mimarisine dönüştü. Kullanıcılar ücretsiz katmanda başlayabilir; Pro aylık 20 $’dan başlar. Devin’i devreye almak genellikle bir depoya bağlanmayı, bir yürütme ortamı yapılandırmayı, izinleri tanımlamayı ve çıktısını mevcut inceleme ve dağıtım hattına entegre etmeyi gerektirir.

Bu kılavuz, Git ve temel testleri bilen geliştiriciler ve mühendislik liderleri içindir. Devin’in yeteneklerini ve kanıtlarını açıklar, ardından sınırlı bir depo pilotunun nasıl çalıştırılacağını gösterir. Komut örnekleri bir Python projesini ve bir Bash kabuğunu varsayar.

Key Takeaways

• Devin, kod keşfi ve uygulamadan test ve pull request hazırlamaya kadar çok adımlı mühendislik iş akışlarını destekler.
• Devin, barındırılan iş akışlarını ve yerel CLI yürütmesini destekler. CometAPI ayrı özel ajanları güçlendirebilir; ne yerel bir CLI ne de bir model API’si Devin’in tescilli platformunu çoğaltır.
• Devin Fusion, ajanın yürütme maliyetlerini düşürmek ve rekabetçi kodlama performansını korumak için frontier ve daha küçük modelleri birlikte kullanır.
• Devin AI fiyatlandırması Free, Pro (20 $/ay), Max (200 $/ay), Teams (aylık minimum 80 $, her biri 40 $/ay olan tam geliştirici koltukları minimuma sayılır) ve özel Enterprise planlarını içerir.
• 2024’teki orijinal SWE-bench sonucu olan %13,86, güncel Devin platformu için bir karşılaştırma ölçütü değil, tarihsel bir kilometre taşıdır.

What Is Devin AI?

Devin AI, Cognition tarafından oluşturulan otonom bir yapay zekâ yazılım mühendisliği platformudur. Mart 2024’te tanıtılan Devin, kod önerilerinin ötesine geçerek kontrol edilen bir geliştirme ortamında uçtan uca mühendislik görevlerini yerine getirmek üzere tasarlanmıştır.

Geleneksel bir kod yardımcı aracı tipik olarak geliştiricilere bir editörde kod yazmada yardımcı olur. Devin daha üst düzey bir görevi alabilir, depoyu inceleyebilir, bir plan oluşturabilir, birden fazla dosyayı düzenleyebilir, komutları ve testleri çalıştırabilir, hataları araştırabilir ve insan incelemesi için önerilen bir uygulama üretebilir.

Cognition’ın orijinal Devin duyurusu, hata ayıklama, kod üretimi ve çok adımlı problem çözmeyi gösterdi. Sonraki sürümler interaktif planlama, depo keşfi, işbirlikçi geliştirme ortamları ve esnek dağıtım iş akışlarını tanıttı.

Devin bir ajan platformudur, tek bir büyük dil modeli değildir. Yetenekleri, model muhakemesinin araç erişimi, depo bağlamı, yürütme ortamları, planlama ve doğrulama ile birleşmesinden gelir.

Devin AI specifications at a glance

Tek tek temel modellerin bağlam pencereleri ve teknik özellikleri, Devin ürününün evrensel sınırlarıyla karıştırılmamalıdır.

Devin ayrıca oturum ve iş akışı otomasyonu için bir REST API sağlar. Organization ve Enterprise kapsamları farklı yeteneklere ve izin gerekliliklerine sahiptir; platform API erişimi, bir model API’si satın almaktan farklıdır.

How Does Devin AI Work?

Devin, bir ajan yürütme döngüsü kullanır: hedefleri yorumla, işi planla, araçları seç, kod tabanını incele, dosyaları değiştir, testleri çalıştır, geri bildirimi değerlendir ve yinele. Nihai çıktı genellikle otomatik onaylı bir prod sürümü değil, incelenebilir bir pull request’tir.

Workflow: Task / GitHub issue → Planning and model reasoning → Codebase search, terminal and browser actions → Validation and iteration → Pull request → Human review → CI/CD deployment.

From Repository Understanding to Pull Request

Devin önce depoyu inceler, ilgili dosyaları ve bağımlılıkları belirler ve istenen sonuca yönelik bir plan oluşturur. Ardından kodu düzenler, komutları ve testleri çalıştırır ve hataları araştırır. İş akışı, insan incelemesi için değişiklikler ve doğrulama sonuçları içeren önerilen bir pull request ile sonuçlanır; testlerin geçmesi, iş gereksinimlerinin kontrolünün yerine geçmez.

Devin Fusion and multi-model orchestration

Devin Fusion, bir frontier modelini daha ucuz bir destek modeliyle birleştirir. Daha zor kararlar daha güçlü modelle ele alınırken, rutin kodlama ve keşif daha küçük bir modelle yapılabilir. Tasarruflar iş yüküne göre değişir.

Resmî Fusion açıklaması, büyük kararlar ve önemli düzenlemeleri lider modele, keşif, okuma ve test çalıştırmalarını ise daha ucuz yardımcı modele atfeder.

What Are Devin AI’s Main Features?

Pratikte, bağımlılık yükseltmeleri, tekrarlanabilir geçişler, hedefli hata düzeltmeleri, test eklemeleri ve küçük yeniden düzenlemeler gibi sınırlı görevleri değerlendirmek daha kolaydır. İş gereksinimlerinin belirsiz olduğu veya başarının paydaş kararlarına bağlı olduğu durumlarda sonuçları değerlendirmek daha zordur.

Who Should Use Devin AI?

Devin, tanımlı bir backlog’u, erişilebilir depoları ve sonuçtaki değişiklikleri inceleyebilecek bir kişisi olan geliştiriciler ve mühendislik ekipleri için en kullanışlıdır. Mühendislik liderleri, sınırlı biletleri devredebilirken, bakımcılar otomasyonun tekrarlayan uygulama işini inceleme yükünü artırmadan azaltıp azaltmadığını değerlendirmek için bir pilot kullanabilirler.

İyi başlangıç görevleri arasında bağımlılık yükseltmeleri, küçük hata düzeltmeleri, regresyon testleri, dokümantasyon güncellemeleri ve tekrarlanabilir geçişler bulunur. Gözlemlenebilir başarı kriterlerine sahip işleri seçin: başarısız bir testin geçmesi, bir uç noktanın beklenen yanıtı döndürmesi veya bir geçişin mevcut davranışı koruması gibi. İlk görevi, bir inceleyicinin tüm diff’i anlayabileceği kadar küçük tutun.

Başlamadan önce depo erişimi, kurulum ve test komutları, ilgili dokümantasyon ve açık sınırlar sağlayın. Ajansın değiştirebileceği dosyaları, kullanabileceği kimlik bilgilerini ve onay gerektiren eylemleri belirleyin. Ortamın sorunu yeniden üretebildiğini ve ekibin günlükleri, test sonuçlarını ve önerilen kod değişikliklerini inceleyebildiğini doğrulayın.

Çözülmemiş ürün kararları, belirsiz kabul kriterleri veya büyük mimari ödünleşimler içeren görevler önce insan açıklaması gerektirir. Geniş hedefleri bağımsız olarak test edilebilir adımlara bölün ve prod sürümleri için insan onayını koruyun. Pilotu, kabul edilen değişiklikler, toplam harcama, inceleme süresi ve geri dönüşlerle (başarısız denemeler dahil) değerlendirin. Sonuçlar ek koordinasyon ve işletme maliyetini haklı çıkardığında genişletin.

How Does Devin AI Perform on Coding Benchmarks?

Devin’in performansı, tarihsel sorun çözme sonuçları ile daha yeni uçtan uca ajan verimliliği ölçümleri arasında ayrı ayrı değerlendirilmelidir. Farklı sürümler, görevler ve yardım seviyeleri için yapılan kıyaslamalar birbirleriyle değiştirilebilir değildir.

Devin’s original SWE-bench results

Cognition’ın Mart 2024 değerlendirmesinde, Devin otonom ajan kurulumunda örneklenen 570 SWE-bench sorununun %13,86’sını çözdü. Bildirilen desteksiz temel seviye %1,96 iken, Claude 2 destekli bir temel seviye %4,80’e ulaştı. Doğru testlere sahip ayrı bir 100 sorunluk deneyde %23,00 rapor edildi.

Bu rakamlar, belirli bir değerlendirme kurulumuna ait tarihsel sonuçlardır ve doğrudan mevcut kodlama-ajanı lider tablolarıyla karşılaştırılmamalıdır.

Cognition’ın orijinal kıyaslama grafiği, destekli temel seviyelerle tarihsel sonuçları gösterir. Yeniden çizilmeden yeniden üretilmiştir; koşullar bugünkü ajan değerlendirmelerinden farklıdır.

Bu sonuçlar, depo gezinme ve hata ayıklama ajanlarının erken gelişimini göstermektedir; günümüzün lider tablosu karşılaştırması olarak kullanılmamalıdır.

Devin Fusion performance in 2026

Aşağıdaki Coding Agent Index 1.5 sonuçları, Cognition tarafından görüntülenmiş ve Artificial Analysis tarafından bağımsız testlere atfedilmiştir. Puanlar ajan yapılandırmalarına, maliyetler ise tek seferlik tam kıyaslama çalıştırmalarına atıftır; token başına API fiyatlaması değildir.

Yayımlanan Fusion sonuçları, Coding Agent Index 1.5 ölçümlerini Artificial Analysis’a atfeder. Bunlar bu makale için yapılmış testler değil, bildirilen dış sonuçlardır. Ürün özeti, tamamen yeniden üretilebilir bir ortam, çalışma bütçesi veya tekrar sayısı belirtmez; bu nedenle tablo, evrensel bir performans sıralaması yerine sınırlı bir maliyet–puan karşılaştırmasını destekler.

Fable 5.1 eşleştirmesi, puanda 0,5’lik bir düşüşle bildirilen maliyeti %36,1 azaltır; Astra 6 eşleştirmesi ise 2,7 puanlık bir düşüşle maliyeti %39,2 azaltır. Geliştiriciler Claude Fable 5.1 API’sine CometAPI üzerinden ve GPT-6 Astra API’sine CometAPI üzerinden ayrı ayrı erişebilir. Bu API yolları, test edilen ajan yapılandırmalarından farklıdır ve onların kıyas puanlarını devralmaz.

Practical evaluation metrics

• Görev tamamlama oranı ve birleşen PR oranı
• Ajan başına kabul edilen değişiklik başına harcama
• İnsan inceleme süresi ve düzeltme sıklığı
• Test başarı oranı ve birleştirme sonrası geri dönüşler
• Sorundan dağıtıma uçtan uca çevrim süresi

Kıyas puanları, modele, göreve, araç erişimine, zaman sınırına ve değerlendirme kurulumuna göre değişir. Ekipler ayrıca kabul edilen değişiklikleri, inceleme süresini, kabul edilen değişiklik başına maliyeti ve birleştirme sonrası geri dönüşleri takip etmelidir.

Devin AI vs Claude Code vs Codex

Devin AI advantages

Devin, sınırlı konuları delege eden ve barındırılan mühendislik süreçleriyle incelenebilir değişiklikler toplayan kuruluşlara uygundur.

Interactive coding workflows

Claude Code ve Codex, genellikle yüksek derecede interaktif kodlama, yinelemeli uygulama, hata ayıklama ve yakın geliştirici yönlendirmesi için daha uygundur.

Team selection criteria

Araçları değerlendirirken aynı depo görevlerini ve kalite kapılarını kullanın. Tek bir lider tablo puanı yerine, birleştirilen değişiklik kalitesi, inceleme yükü, maliyet ve çevrim süresine göre seçim yapın.

How Much Does Devin AI Cost in 2026?

Cognition, Nisan 2026’da self-servis fiyatlandırmayı revize etti. Planlar, dahil edilen hakları ölçülü kullanımdan ayırır; fiilî harcama aktiviteye bağlıdır.

Teams planının aylık minimumu 80 $’dır; her tam geliştirici koltuğu ayda 40 $’dır. Koltuk ücretleri bu minimuma sayılır; her zaman bunun üzerine eklenmez. Örneğin, iki tam koltuk 80 $/ay iken üç koltuk 120 $/ay’dır. Ücretsiz esnek koltuklar da mevcuttur; kullanımları paylaşılan isteğe bağlı kredilerden düşülür.

Cognition’ın Enterprise faturalandırma dokümantasyonuna göre, Enterprise müşterileri sözleşmeye özgü oranlarda Agent Compute Units (ACU) üzerinden ücretlendirilir. Buna karşılık, self-servis planlar dahil kotaları ve ek kullanım için dolar cinsinden ücretleri kullanır. Fiilî maliyetler model seçimine, görev karmaşıklığına ve tüketime bağlıdır.

Total cost drivers

• Ajan yürütme süresi ve tekrar denemeler
• Frontier modeline karşı Fusion yapılandırması
• İnsan düzeltmesi ve inceleme süresi
• Test altyapısı, CI/CD ve izleme

How to Deploy Devin AI: Step-by-Step Guide

Devin, çalışmaya başlamak veya çalışmayı denetlemek için çeşitli yollar sunar: Cloud, Desktop, CLI, Slack veya Microsoft Teams’de @Devin, otomasyonlar ve Review. Bunlar barındırma modelleri değil; arayüzler ve iş akışlarıdır. Devin Mobile başka bir erişim noktasıdır: resmî sayfası şu anda erken erişim için bekleme listesi sunar ve oturumlar bulutta çalışır. Aşağıdaki kılavuz, Cloud ve yerel CLI iş akışları için depo kurulumuna odaklanır. Yerel CLI yürütmesi, tüm temel AI hizmetlerinin yerel barındırıldığını ima etmez. Resmî ürün genel bakışı ve iş akışı dokümantasyonuna bakın.

Step 1: Create a Devin account

Devin’in resmî sitesini ziyaret edin ve pilota uyan uygun planı seçin. Üretim varlıklarına bağlanmadan önce yetkilendirme ve onay sorumluluklarını tanımlayın.

Step 2: Connect a Git repository

Settings > Connections bölümünde, kaynak kontrol sağlayıcınızı bağlayın ve Devin’in erişebileceği depoyu seçin. Enterprise yöneticileri ayrıca kuruluşa depo erişimi tanımalıdır. Resmî ortam kurulum prosedürünü izleyin ve bir değişiklik atamadan önce Devin’in seçilen depoyu klonlayabildiğini doğrulayın.

Step 3: Prepare the development environment

Kurulum, derleme, test ve ortam kurulum talimatlarını sağlayın. Klasik bir Python örneği:

python -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
python -m pytest tests/ -q

Bunlar örnek proje komutlarıdır; Devin hizmeti için zorunlu komutlar değildir. Windows’ta etkinleştirme sözdizimi farklıdır.

Step 4: Give Devin a bounded task

Repository: example-org/customer-api
Task: Fix the incorrect HTTP status for a missing customer.
Requirements:
1. Find the endpoint and error handler.
2. Return 404 for missing records.
3. Preserve successful responses.
4. Add regression tests.
5. Run relevant tests.
6. Prepare a PR with a change summary.
Constraints: Do not modify the schema, credentials, or production deployment.
Completion: A reviewed PR with passing tests.

Step 5: Review the changes

Diff’i, test çıktısını, bağımlılık güncellemelerini ve varsayımları inceleyin. İnsan tarafından yazılan pull request’lerde kullanılan aynı lint, entegrasyon, güvenlik ve inceleme kontrollerini uygulayın.

Step 6: Validate the PR and prepare a release

name: Validate Application
on:
  pull_request:
    branches: [main]
permissions:
  contents: read
jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-python@v5
        with:
          python-version: "3.12"
      - run: pip install -r requirements.txt
      - run: pytest tests/ -q

Bu örnek bir Python PR’ını doğrular; prod dağıtımı gerçekleştirmez. Prod dağıtımları için ayrı onaylı bir sürüm aşaması kullanın; gözlemlenebilirlik ve geri alma hükümleriyle.

How to Install and Use Devin CLI Locally

Devin CLI, desteklenen Devin hizmetlerini kullanırken yerel depo ve araçlarla çalışır. Devin’in tescilli model ağırlıklarının kendi kendine barındırılan bir sürümü olarak tanımlanmamalıdır.

Uzaktan yükleyicileri çalıştırmadan önce betikleri ve kurum politikasını gözden geçirin.

Step 1: Install Devin CLI

macOS veya Linux’a Devin CLI’yi yükleyin:

curl -fsSL https://cli.devin.ai/install.sh | bash

Step 2: Start a local session

cd ~/projects/my-app
devin

İstendiğinde kimlik doğrulamayı tamamlayın.

Step 3: Plan before editing

/plan
Review authentication and propose a minimal expired-session fix.
Do not edit files until the plan is agreed.

/ask modu, salt-okunur keşif için de yardımcı olabilir.

Step 4: Run tests and inspect changes

Onaylanan planı uygulayın, testleri çalıştırın ve git diff’i inceleyin. Depo riskine göre izin ve onay kontrollerini seçin.

Step 5: Hand off to Devin Cloud

/handoff open a PR

Devin CLI dokümantasyonu, kurulum, kimlik doğrulama ve cloud handoff’u kapsar. Başarılı bir el devri bir cloud oturumu oluşturur; yerel çalışmayı kapatmadan önce durumunu inceleyin.

Which Devin AI Deployment Option Should You Choose?

Sıkı izolasyon ihtiyaçları için, belirli bir aboneliğin tamamen kendi kendine barındırılan yürütmeyi içerdiğini varsaymak yerine, Cognition ile kurumsal dağıtım düzenlemelerini doğrulayın.

Can CometAPI Replace or Complement Devin AI?

Devin, yönetilen bir mühendislik ajan platformudur; CometAPI, özel uygulamalar oluşturmak için desteklenen AI modellerine API erişimi sağlar. Bunlar ayrı ürünlerdir. Geliştiriciler, Devin’in tescilli çalışma zamanını çoğaltmadan, model API’leri kullanarak özel kod inceleme veya depo dokümantasyonu hizmetleri oluşturabilirler.

Geliştiriciler aşağıdaki örnek için Claude Fable 5 API erişimine sahip olabilir. Bu, bir inceleme önerisi döndüren bir model isteğidir; bir depoyu incelemez, test çalıştırmaz veya kendi başına bir pull request oluşturmaz.

Step 1: Obtain a CometAPI key

Kimlik bilgileri oluşturun ve bunları kaynak koda değil, ortam değişkenlerine kaydedin.

Step 2: Install the Python client

python -m pip install --upgrade openai
export COMETAPI_KEY="your_api_key"

Step 3: Request a code review

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["COMETAPI_KEY"],
    base_url="https://api.cometapi.com/v1",
)

response = client.chat.completions.create(
    model="claude-fable-5",
    messages=[
        {"role": "system", "content": "You review code and propose minimal fixes."},
        {"role": "user", "content": "Review: def divide(a,b): return a/b; suggest tests."},
    ],
)
print(response.choices[0].message.content)

Örnek, belgelenmiş claude-fable-5 model kimliğini ve OpenAI uyumlu chat-completions yolunu kullanır. Etkin bir CometAPI hesabı, geçerli bir anahtar ve mevcut kredi gerektirir. Başarılı bir istek inceleme metni yazdırır; bu metni inceleyin ve testleri ayrı yazıp çalıştırın. Otonom bir ajan, ayrıca getirme, yürütme araçları, kalıcı durum ve izin kontrollerine ihtiyaç duyar.

CometAPI, OpenAI uyumlu Chat Completions ve Responses API’lerini destekler. Chat Completions messages kullanır; Responses, çok modlu girdi, muhakeme, yapılandırılmış çıktı, akış, web araması ve işlev araçlarını destekler. Kesin destek seçilen modele bağlıdır.

What Are the Limitations of Devin AI?

Task Ambiguity and Scope Control

Bir ajan, amaçlanan iş davranışını yanlış anlayıp ikna edici görünen kod üretebilir. Geniş atamalar, tekrarlı denemeleri, kapsam genişlemesini ve incelenmesi zor değişiklikleri teşvik eder. Kabul kriterlerini tanımlayın, ilgili bağlamı sağlayın ve büyük görevleri küçük, test edilebilir iş paketlerine bölün. Dosya ve zaman sınırları belirleyin, kararlaştırılmış kontrol noktalarında ilerlemeyi inceleyin ve istenen sonuç belirsiz kalmaya devam ettiğinde gereksinimleri netleştirmek için durun.

Production security

Ajanlar dosyalar, sırlar, servisler ve komutlarla etkileşime girebilir. En az ayrıcalık, izolasyon ve onay kontrol noktalarını uygulayın.

Cost variability

Oturum süresi, tekrar denemeler, model seçimi ve doğrulama harcamayı etkiler. Bütçeler belirleyin ve sonuçları izleyin.

Human accountability

Yazılım ekipleri mimari, güvenlik, uyum, iş doğruluğu ve sürümlerden sorumlu olmaya devam eder.

Conclusion

Devin AI, barındırılan ajanlar, yerel CLI, işbirlikçi iş akışları ve çoklu model maliyet optimizasyonunu kapsayan bir yazılım mühendisliği platformuna evrildi. En net değeri, hata düzeltmeleri, geçişler, test ve pull request hazırlama gibi sınırlı ve doğrulanabilir görevlerde ortaya çıkar.

Fusion sonuçları, model orkestrasyonunun maliyet verimliliğini artırabileceğini öne sürer; ancak tasarruflar testi ve incelemeyi ortadan kaldırmaz. Sınırlı bir depo pilotuyla başlayın, kabul edilen görev çıktısını ölçün ve yalnızca mühendislik çıktısı iyileştiğinde genişletin. Özel otomasyona ihtiyaç duyan geliştiriciler, CometAPI tarafından desteklenen modellere ayrı olarak göz atabilir.

FAQ

Why can Devin not see a connected repository?

Tek başına bir bağlantı, hedef organizasyona erişim vermeyebilir. Enterprise kurulumlarında bir yönetici, ortam yapılandırmasından önce depoları organizasyona atamalıdır. Seçili organizasyon ve depo izinlerini kontrol edin, ardından yeni bir oturumun depoyu klonlayabildiğini doğrulayın. Ortam kurulum kılavuzu bu erişim adımlarını ayırır.

Will a Devin session change the next session’s environment?

Oturum değişiklikleri, kaydedilmiş ortam anlık görüntüsünü otomatik olarak güncellemez. Doğaçlama bir kurulumu, ortam yapılandırması güncellenip yeni bir anlık görüntü oluşturulana kadar geçici olarak değerlendirin. Tekrarlanan oturumlar aynı eksik bağımlılıkta başarısız oluyorsa, bunu görev istemlerinde tekrar tekrar kurmak yerine planı düzeltin.

How should teams measure a Devin pilot with failed tasks?

Başarısız ve bırakılmış denemeler dahil, atanan tüm görevleri payda olarak kullanın. Ayrı ayrı kabul edilen değişiklikleri, toplam ajan harcamasını ve insan inceleme dakikalarını takip edin. Benzer zorlukta görevleri karşılaştırın ve her denemenin neden başarısız olduğunu kaydedin; başarısız oturumları hariç tutmak, kabul edilen değişiklik başına maliyeti yapay olarak düşük gösterebilir.

How can a custom API review avoid exposing private code?

İnceleme sorusunu yanıtlayan en küçük kod parçacığını gönderin, kimlik bilgilerini ve kişisel verileri kaldırın ve alma işleminden önce depo erişim kontrollerini uygulayın. Gizli kod göndermeden önce seçilen sağlayıcının veri işleme şartlarını doğrulayın. Özel bir uygulama bu kontrolleri kendisi uygulamalıdır; bir model API anahtarı depo yetkilendirmesi sağlamaz.