Açık Kaynak Yapay Zekâ Modelleri Rehberi: Llama, Mistral, Qwen ve Diğerleri
Açık ağırlıklı yapay zekâ modelleri rehberi: Llama, Mistral, Qwen, DeepSeek ve diğerleri; lisans farkları, boyut seçimi, kullanım senaryoları ve yerel çalıştırma.
Bu rehberi ücretsiz indir
PDF; kapak ve içindekiler sayfası dahil 5 bölümden ve sık sorulan sorulardan oluşur. Türkçe, A4 formatında, yazdırılabilir.
İndirmek için ücretsiz WebTuring hesabı gerekir. Girişli değilseniz giriş sayfasına yönlendirilirsiniz.
Kısa cevap
Açık ağırlıklı modeller (Llama, Mistral, Qwen, DeepSeek aileleri) model ağırlıklarını indirip kendi altyapınızda çalıştırmayı sağlar; lisans şartlarını okumak, boyutu göreve göre seçmek ve quantization ile donanım maliyetini düşürmek temel kurallardır.
Ana model aileleri
Llama (Meta): Ekosistemi en geniş aile; araç desteği, fine-tuning rehberleri ve topluluk kaynakları zengin. Qwen (Alibaba): Çok dillilik ve kod yeteneğiyle öne çıkan, boyut çeşitliliği geniş aile. Mistral: Verimli Avrupa merkezli aile; küçük boyutlarda iyi performans. DeepSeek: Akıl yürütme ve ekonomik eğitim ile dikkat çeken modeller; açık ağırlık yayınlama geleneği güçlü.
Ayrıca: Gemma (Google'ın açık ailesi), Phi (Microsoft'un küçük-yetkin modelleri) ve alan-özel varyantlar. Not: Aile bilgisi hızla değişir; sürüm seçerken güncel karşılaştırma tablolarına bakın. Karar kriteri aile itibarı değil, görevinize göre ölçülmüş performanstır.
Lisans: Okunması şart olan küçük yazı
Açık ağırlık ≠ açık kaynak. Çoğu model "açık ağırlıklı"dır: ağırlıkları indirilir ama lisans şartları vardır — ticari kullanım limiti, kullanıcı sayısı eşiği (ör. 700 milyon aylık kullanıcı üstü özel izin), yeniden dağıtım kuralları. Llama lisansı, Qwen lisansı ve Apache/MIT lisanslı modeller farklı rejimlerdedir.
Pratik kural: Ürününüze gömmeden önce lisans metnindeki üç kelimeyi arayın: "commercial", "attribution", "derivative". Ticari ürün için Apache/MIT lisanslı modeller en sorunsuzudur; araştırma/prototip için her şey açık.
Boyut seçimi ve quantization
Boyut mantığı: 1-4B parametre — basit sınıflandırma, özet, uç cihazlar. 7-14B — iyi genel asistan, çalışma dizüstünde 8-16GB RAM ile quantization'lı çalışır. 30-70B — güçlü akıl yürütme, kurumsal sunucu ister. 100B+ — frontier sınıfı; kendi altyapınızda çalıştırmak ciddi yatırım ister.
Quantization: Ağırlıkların duyarlılığını düşürerek (4-bit gibi) modelin bellek ihtiyacını kat kat küçültme; kalite kaybı görev bazında genelde kabul edilebilir. Kural: Önce quantized sürümle deneyin, kalite yetmezse boyut büyütün — RAM olarak quantization en pratik kaldıraçtır.
Kullanım senaryoları
Yerel çalıştırma: Verisi hassas kullanıcılar (hukuk, sağlık, kurumsal gizlilik) için model kendi makinesinde çalışır, veri dışarı çıkmaz. Ollama sınıfı araçlarla kurulum dakikalar sürer. Kurumsal: Kendi sunucunuzda API olarak servis etme; maliyet kontrolü ve veri suveranlığı.
Damıtma ve özelleştirme: Büyük modelin çıktılarıyla küçük açık model eğitilir (ucuz inference); görev-özel fine-tuning. Ve geliştirici özgürlüğü: Model ağırlığı sizde olduğu için sağlayıcı fiyatı, rate limit ve kapatma riski yoktur — operasyonel bağımsızlık, açık ağırlığın en az konuşulan ama en değerli getirilerinden biridir.
Uyarılar ve sürüm takibi
Uyarılar: (1) Kalite paradoksu — kapalı frontier modeller zor görevlerde hâlâ öndedir; açık model seçimi "her işte en iyi" değil "bu işte yeterli" hesabıdır. (2) Bakım yükü — model, sunucu, güncelleme sizindir. (3) Güvenlik — ağırlıklar açık olduğundan jailbreak varyantları da dolaşır; güvenlik filtreleme katmanı sizin sorumluluğunuzdur.
Sürüm takibi: Bu alan 3-6 ayda bir yeniden yazılır. Model seçimini ölçümle yapın (kendi görevlerinizden 20-30 örneklik test seti) ve 6 ayda bir tekrar ölçün. Dün kazanılan model, bugün ortalama olabilir.
Sık sorulan sorular
Açık model ev bilgisayarımda çalışır mı?
7-14B boyutundaki quantized modeller, 8-16GB RAM'li makinalarda Ollama gibi araçlarla rahat çalışır. Zorlu akıl yürütme görevleri için daha büyük modeller gerekir — o noktada ya sunucu ya API seçimi yapılır.
Ticari ürünümde kullanabilir miyim?
Lisansa bağlıdır: Apache/MIT lisanslı modellerde evet; özel lisanslı ailelerde (Llama, Qwen) koşullar okunmalıdır — genelde küçük ve orta ölçekli ticari kullanım serbesttir, devasa kullanıcı eşiğinde özel izin ister.
Açık model mi kapalı API mi seçmeliyim?
Karar üçlüsü: veri hassasiyeti (yüksek → açık/yerel), yetenek ihtiyacı (frontier → API), operasyonel kapasite (sunucu bakımı yapamıyorsanız → API). Hibrit strateji yaygındır: rutin işler yerel modelde, zor işler API'de.
