DeepSeek vs Qwen vs Llama 2026: Açık Kaynak LLM Karşılaştırması — Hangi Modeli Seçmeliyim?

Özet (TL;DR)

Tek cümlelik cevap: Açık ağırlık LLM'ler 2024-2026'da frontier kapalı modellerle %95 kalite paritesine yaklaştı — KVKK + veri egemenliği + maliyet avantajı için Türk kurumsal LLM altyapısının stratejik temeli.

• 2026'nın üç açık ağırlık (open-weight) LLM lideri: DeepSeek V3 (Çin, MIT lisans, 671B MoE), Qwen 2.5/3 (Alibaba, Apache 2.0, çoklu boyut), Llama 4 (Meta, Llama Community License, dense + multimodal).
• Frontier benchmark performansta açık kaynak modeller GPT-5 ve Claude Opus 4.7'ye yakınlaştı: DeepSeek V3 HumanEval 82, MMLU 87 — kapalı bayraklarla %3-5 fark.
• Lisans farkı kritik: Qwen Apache 2.0 (ticari kullanım tamamen serbest), Llama Llama Community License (700M+ kullanıcı şart), DeepSeek MIT (en serbest).
• Türkçe performans: Qwen 2.5 72B en güçlü multilingual; Llama 4 70B orta-iyi; DeepSeek V3 yüksek (Çince + İngilizce ağırlıklı ama Türkçe yeterli).
• Self-hosted için donanım: 7B-13B modeller tek RTX 4090 (24GB); 70B QLoRA için 1x A100 80GB; DeepSeek V3 671B MoE için multi-GPU H100 cluster (kurumsal). Vertex AI / AWS Bedrock üzerinden managed alternatif var.

Bayrak kapalı modeller (GPT-5, Claude Opus 4.7, Gemini 3) yüksek kalite sunar ama üç sınır içerir:

• Veri egemenliği: Promptlar OpenAI/Anthropic/Google sunucularına gider
• Vendor lock-in: Sağlayıcı değişimi yeniden entegrasyon gerektirir
• Maliyet: Yüksek hacim token tüketiminde aylık on binlerce dolar

Açık ağırlık modeller (Llama, Qwen, DeepSeek) bu üç sınırı kırar:

• Self-hosted: Tüm veri kendi sunucunda — KVKK + veri egemenliği için ideal
• Lisans serbest: Vendor değiştirme problemi yok
• Maliyet kontrol: Yüksek hacimde 10x daha ucuz

Tanım

Open-weight LLM (Açık Ağırlık Dil Modeli)

Model ağırlıklarının (weights) kamuya açıklandığı, indirilebilir, self-hosted çalıştırılabilir büyük dil modeli. Hugging Face üzerinde yayınlanır. 'Open-source' tabiri tartışmalı — gerçek open-source eğitim veri seti + kod da açık olmasını gerektirir; çoğu 'open-weight' model sadece weight'leri açar. Llama, Qwen, DeepSeek, Mistral, Falcon başlıca örnekler.

Ayrıca: Open-weight, Self-hosted LLM, Açık Kaynak LLM

Üç Açık Ağırlık LLM Ailesi (2026)

Aile	Sağlayıcı	Lisans	Mimari	Boyutlar
DeepSeek	DeepSeek (Çin)	MIT	MoE + Reasoning	V3: 671B MoE, R1: thinking
Qwen	Alibaba	Apache 2.0	Dense + MoE	0.5B / 1.5B / 3B / 7B / 14B / 32B / 72B
Llama	Meta	Llama Community License	Dense + Multimodal	Llama 4: 8B / 70B / 405B; Vision + Audio

Çıkış Yılları

• Llama: 2023 (Llama 1) → 2025 (Llama 4)
• Qwen: 2023 (Qwen 1) → 2025 (Qwen 2.5) → 2026 (Qwen 3)
• DeepSeek: 2024 (DeepSeek V2) → 2025 (V3 + R1)

DeepSeek en yeni; agresif performans + düşük maliyet ile 2025'te dikkat çekti.

Lisans Karşılaştırması

Boyut	DeepSeek (MIT)	Qwen (Apache 2.0)	Llama (Llama Community)
Ticari kullanım	Tam serbest	Tam serbest	Sınırlı (700M+ MAU şart)
Modifikasyon	Tam serbest	Tam serbest	Tam serbest
Yeniden dağıtım	Tam serbest	Tam serbest	Sınırlı (atıf şart)
Patent grant	YOK	Var	Var
Atıf zorunluluğu	İsteğe bağlı	Notice + lisans	Lisans + atıf
Türev modeller	Tam serbest	Tam serbest	Llama atıfı şart
Sertifika gerekliliği	YOK	YOK	Var (Meta'ya bildirim)

Pratik anlamı:

• DeepSeek MIT: En esnek; her tür ticari kullanım serbest. Türev modeller (fine-tune) için isim değiştirebilirsin.
• Qwen Apache 2.0: Ticari OK, patent grant ek koruma. Software endüstrisinde yaygın kabul.
• Llama Community License: 700M+ aylık aktif kullanıcı olan şirketler özel lisans almak zorunda. KOBİ/orta kurumsal için sorun değil; mega-corp için Meta sözleşmesi gerek.

Akademik Benchmark Sonuçları

Benchmark	DeepSeek V3	Qwen 2.5 72B	Llama 4 70B	Karşılaştırma (GPT-5)
MMLU	87.1	85.4	83.6	89.1
HumanEval	82	78	68	89
MBPP	83	79	72	87
GSM8K	92.5	89.7	85.2	96.8
MATH	75	68	58	81
HellaSwag	94.2	93.8	92.5	96.1
TruthfulQA	68	72	65	79.3
AgentBench	68	65	58	71
Multilingual avg	İyi	En iyi	İyi	En iyi

Akıl yürütme + kod: DeepSeek V3 açık ağırlık lider. MMLU 87 ile GPT-5'in 89'una yakın — fark %2'den az.

Multilingual: Qwen 2.5 72B lider — Çince + İngilizce ağırlıklı eğitim + güçlü Türkçe.

Multimodal: Llama 4 lider (Vision + Audio entegre); DeepSeek + Qwen yalnızca metin (Qwen 2.5 VL vision ayrı).

DeepSeek 2024-2025 döneminin en büyük sürprizi: Çin orijinli startup, sınırlı GPU kaynaklarıyla GPT-4'e yakın performans + 10-30x daha ucuz API + MIT lisans.

5.1. DeepSeek V3 — Mimari

• 671B parametre MoE (Mixture of Experts) — ama sadece 37B aktif inference'ta
• 128K context window
• Çok-aşamalı eğitim: Pre-training + SFT + RLHF
• Maliyet: Self-hosted (multi-GPU H100) veya DeepSeek API ($0.30-1 / 1M token)

5.2. DeepSeek R1 — Reasoning Model

• DeepThink mode — OpenAI o1'in alternatifi
• Chain-of-thought öne çıkartılır — model "düşünme" tokens'ı kullanır
• Matematik + bilim problemlerinde GPT-5 ile yakın
• Açık ağırlık — R1 ile fine-tune yapılabilir

5.3. DeepSeek Niye Önemli?

• Maliyet devrimi: Open-weight + 30x daha ucuz API — endüstri fiyatlarını düşürdü
• MIT lisans: En esnek ticari kullanım
• MoE verimlilik: 37B aktif parametre kalite/maliyet dengesi optimize
• R1 ile reasoning: OpenAI o1 alternatifi ücretsiz

5.4. DeepSeek Riskler

• Çin kökenli: Bazı şirketler / sektörler procurement onayı sorunu yaşar
• Türkçe eğitim: Ana ağırlık Çince + İngilizce; Türkçe için Qwen kadar olgun değil
• API ekosistemi: OpenAI/Anthropic kadar derin değil

Alibaba Cloud'un open-weight LLM ailesi — 2026'nın en multilingual modeli.

6.1. Qwen Boyut Yelpazesi

Diğer açık kaynak ailelerinden farklı olarak Qwen çok geniş boyut yelpazesi sunar:

Qwen Boyut Yelpazesi (2026)

Model	Boyut	VRAM (FP16)	Tipik Kullanım
Qwen 2.5 0.5B	0.5B	~1.5GB	Mobile, edge
Qwen 2.5 1.5B	1.5B	~3GB	Mobile, hızlı
Qwen 2.5 3B	3B	~6GB	Tüketici GPU
Qwen 2.5 7B	7B	~14GB	Çoğu use-case (RTX 4090)
Qwen 2.5 14B	14B	~28GB	Production orta
Qwen 2.5 32B	32B	~64GB	A100 single
Qwen 2.5 72B	72B	~144GB	H100 80GB + QLoRA
Qwen 3 (2026)	Çeşitli	-	Yeni nesil

6.2. Qwen 2.5 VL (Vision)

Qwen 2.5 ailesinde vision variant (multimodal):

• Görüntü anlama + OCR
• Tablolardan veri çıkarma
• Belge analizi (PDF + görsel)

6.3. Niye Qwen?

• Apache 2.0: Ticari + patent grant
• Multilingual lider: Çince, İngilizce, Türkçe + 25 dil eğitim
• Boyut esnekliği: 0.5B'dan 72B'a kadar her use-case için
• Hızlı yenileme: 3-6 ayda yeni sürüm
• Hugging Face Top: En çok indirilen ailelerden

6.4. Qwen Türkçe Performansı

Qwen 2.5 72B Türkçe testlerinde en güçlü açık ağırlık model — multilingual eğitim Çince/İngilizce kadar Türkçe'yi de kapsıyor.

Meta'nın 2025'te yayınladığı en yeni Llama nesli — multimodal native + sosyal eğitim veri seti.

7.1. Llama 4 Boyutları

• Llama 4 8B: Tüketici donanım için (RTX 4090 OK)
• Llama 4 70B: Orta kurumsal (1x A100 80GB QLoRA)
• Llama 4 405B: Frontier (multi-GPU cluster)
• Multimodal varyantlar: Vision + Audio entegre

7.2. Lisans Subtitle: Llama Community License

Llama lisansı tam Apache/MIT değil. Sınırlamalar:

• 700M+ aylık aktif kullanıcı olan şirketler özel lisans almak zorunda (Meta'ya başvuru)
• Türev modeller "Llama" prefix taşımalı
• Bazı kullanım amaçları yasak (askeri, kötü amaç)

Çoğu KOBİ + orta kurumsal için sorun değil — sadece mega-corp scale (Apple, Google, Microsoft seviyesi) için kısıtlama.

7.3. Llama Avantajları

• Ekosistem en geniş: Hugging Face üzerinde en çok türev model (binlerce fine-tune)
• Multimodal native: Vision + audio Llama 4'te entegre
• Meta ekosistemi: WhatsApp Meta AI, Instagram AI = Llama tabanlı (kullanım yaygın)
• Açık araştırma: Eğitim verisi (kısmen), eval metodoloji yayın

7.4. Llama Dezavantajları

• Türkçe orta-iyi: Multilingual ama Qwen seviyesinde değil
• Lisans şartı: Mega-corp için ek müzakere
• Llama 4 405B çok pahalı self-host: Multi-GPU cluster (H100 8x)

Erişim Yöntemleri

Yöntem	DeepSeek	Qwen	Llama
Self-hosted (Ollama, vLLM)	Var	Var	Var
Hugging Face Inference	Var	Var	Var
Official API	DeepSeek API	Alibaba DashScope	Meta AI (sınırlı)
AWS Bedrock	Yok	Yok	Var (Llama 4)
Azure AI Foundry	Yok	Yok	Var
Google Vertex AI	Yok	Var	Var
OpenRouter	Var	Var	Var
Together AI	Var	Var	Var
Groq (hızlı inference)	Var	-	Var
Perplexity Sonar	Sonar (Llama tabanlı)	-	Sonar Pro

Pratik:

• Self-hosted (KVKK kritik): Ollama (basit) veya vLLM (production)
• Managed cloud: AWS Bedrock, Azure, Vertex AI — Llama en olgun
• Multi-model gateway: OpenRouter, Together AI — üçü de tek API üzerinden
• Hızlı inference: Groq (LPU donanım) — Llama için saniyede 800+ token

VRAM Gereksinimleri (FP16 vs QLoRA Q4)

Model	FP16 VRAM	QLoRA Q4 VRAM	Donanım Önerisi
Qwen 2.5 7B	14GB	~5GB	RTX 4090 (24GB)
Llama 4 8B	16GB	~6GB	RTX 4090 (24GB)
Qwen 2.5 14B	28GB	~10GB	RTX 4090 (zor) veya A100 40GB
Qwen 2.5 32B	64GB	~22GB	A100 80GB veya 2x RTX 4090
Llama 4 70B	140GB	~45GB	1x A100 80GB QLoRA
Qwen 2.5 72B	144GB	~48GB	1x A100 80GB QLoRA veya H100
DeepSeek V3 671B MoE	~400GB+	~120GB+	Multi-GPU H100 cluster
Llama 4 405B	~800GB	~200GB+	Multi-GPU H100 cluster

Cloud GPU saat tahminleri (2026):

• RTX 4090 (24GB): ~$0.40-0.80/saat (RunPod)
• A100 80GB: ~$1.80-3.50/saat
• H100 80GB: ~$3.50-6.00/saat
• 8x H100: ~$30-50/saat (cluster)

Türkçe Performans (2026 Q2)

Model	MMLU-TR	Belebele-TR	Hallucination	Türkçe Genel
DeepSeek V3	77	80	23%	İyi (Çince/İng ağırlıklı)
Qwen 2.5 72B	72	75	28%	İyi (multilingual)
Llama 4 70B	75	78	26%	Orta-iyi
Llama 4 8B	60	64	37%	Orta
Mistral 7B v3	56	60	42%	Orta
GPT-5 (referans)	89	90	13%	Çok iyi

Türk şirketleri için pratik:

• Self-hosted için en iyi Türkçe: Qwen 2.5 72B veya Llama 4 70B
• Maliyet/Türkçe denge: Qwen 2.5 14B (orta-iyi Türkçe, A100 ile çalışır)
• Türkçe fine-tune ile iyileştirme: Qwen veya Llama base + Türkçe instruction data

Fine-Tune Ekosistemi

Boyut	DeepSeek	Qwen	Llama
Unsloth desteği	Sınırlı	Çok iyi	Mükemmel
LLaMA Factory	Var	Var	Var (varsayılan)
Axolotl	Var	Var	Var
Hugging Face TRL	Var	Var	Var
Topluluk fine-tune sayısı	Orta	Yüksek	En yüksek (binlerce)
Türkçe fine-tune örnekleri	Az	Bazı	Yaygın (Cezeri vb.)
Dokümantasyon	İyi	Çok iyi	Mükemmel

Pratik: Türk şirketleri için fine-tune için Llama 4 8B veya Qwen 2.5 14B en olgun ekosistem.

Maliyet (API tabanlı, 2026 Q2)

Model	Input cost / 1M	Output cost / 1M	Karşılaştırma
DeepSeek V3 API	$0.30	$1.10	Açık ara en ucuz
DeepSeek R1 API	$0.55	$2.20	Reasoning, ucuz
Qwen 2.5 72B (Together)	$0.90	$1.20	Ucuz
Llama 4 70B (Together)	$0.90	$0.90	Ucuz
Llama 4 405B (Together)	$3.50	$10.50	Frontier scale
Karşılaştırma: Claude Opus 4.7	$15	$75	Bayrak kapalı
Karşılaştırma: GPT-5	$5	$15	Bayrak kapalı

Maliyet liderliği: DeepSeek V3 — bayrak kapalı modellerden 15-50x daha ucuz API ile aynı seviyede kalite.

Self-Hosted vs API Karşılaştırması

Boyut	Self-Hosted	API (Together, OpenRouter, vb.)
KVKK + veri egemenliği	Tam kontrol	API sağlayıcısına güven gerek
Sabit maliyet	GPU + elektrik (öngörülebilir)	Token başına (değişken)
Başlangıç yatırım	GPU + setup ($5K-50K)	$0
Aylık operasyon	DevOps efor + GPU	Yalnızca kullanım
Ölçek esnekliği	Donanım sınırı	Otomatik
Bakım	Sen yapıyorsun	API sağlayıcı
Latency	Daha düşük (yerel)	Network round-trip
Türkiye veri yerleşimi	Tam	Sınırlı seçenek

Karar matrisi:

• <1M token/gün: API çoğu zaman daha ucuz + esnek
• >1M token/gün + KVKK kritik: Self-hosted değer üretir
• Yüksek özelleşme (fine-tune): Self-hosted şart
• Düşük hassasiyet + değişken yük: API ideal

Senaryo 1 — Bankacılık (KVKK + BDDK Kritik)

Tercih: Qwen 2.5 72B veya Llama 4 70B self-hosted (Türkiye veya AB bölge GPU) Sebep: Tam veri egemenliği + sözleşme kontrol + fine-tune ile bankacılık jargonu.

Senaryo 2 — E-Ticaret (Büyük Hacim, Maliyet Kritik)

Tercih: DeepSeek V3 API (Together veya OpenRouter) Sebep: 15-50x daha ucuz; ürün açıklaması, müşteri hizmetleri AI için optimum.

Senaryo 3 — Yazılım Şirketi (Geliştirici Asistanı)

Tercih: Qwen 2.5 32B veya Llama 4 70B self-hosted (kod fine-tune) Sebep: KVKK + iç kod gizliliği + fine-tune ile şirket kod stili.

Senaryo 4 — KOBİ (5-50 Kişi)

Tercih: Llama 4 8B Ollama (local) veya Together API Sebep: Düşük donanım maliyet; Ollama tek RTX 4090 ile + Together API ile esnek scale.

Senaryo 5 — Akademi / Araştırma

Tercih: Qwen 2.5 (tüm boyutlar) + DeepSeek R1 (reasoning) Sebep: Apache 2.0 + MIT — akademik yayın + ticari türev OK.

Senaryo 6 — Mobile / Edge

Tercih: Qwen 2.5 0.5B / 1.5B / 3B (on-device) Sebep: Apple Silicon, telefon ARM için optimize; offline AI mümkün.

Nasıl Yapılır

Açık Ağırlık LLM Seçim Çerçevesi

Türk şirketinin doğru açık modelle başlaması için.

Toplam süre: PT4H

1. 1

   1. Veri Hassasiyeti

   KVKK + veri egemenliği kritik mi? Evet → self-hosted Qwen/Llama. Hayır → API (DeepSeek en ucuz).

2. 2

   2. Kullanım Hacmi

   <100K token/gün: API. 100K-1M: hibrit. >1M: self-hosted düşün.

3. 3

   3. Türkçe Önemi

   Yüksek (müşteri etkileşimi): Qwen 2.5 72B. Orta (iç araç): Llama 4. Düşük (kod, teknik): DeepSeek V3.

4. 4

   4. Donanım Bütçesi

   Yok: API ile başla. RTX 4090 (24GB): Llama 4 8B veya Qwen 2.5 7B. A100/H100 erişimi: 70B+.

5. 5

   5. Fine-Tune İhtiyacı

   Var: Llama 4 8B veya Qwen 2.5 14B (en olgun ekosistem). Yok: DeepSeek V3 API.

6. 6

   6. Lisans Karar

   700M+ MAU şirketi: Llama dikkat. Diğerleri: hepsi uygun.

• Llama 5: Multimodal + agent native + frontier benchmark'larda kapalı modellere yetişir
• Qwen 3 / 4: Çok-dilli liderlik + reasoning + boyut yelpazesi genişler
• DeepSeek V4: MoE optimizasyonu + maliyet baskısı sektör genelinde fiyatları düşürür
• Yeni oyuncular: Mistral, Cohere, AI21, Türk modeller (Cezeri, Trendyol-LLM) genişler
• Frontier convergence: Açık vs kapalı kalite farkı 2-3 puana iner

Açık ağırlık LLM stratejisi için:

1. Açık LLM Pilot. Qwen 2.5 14B veya Llama 4 8B'yi şirket içi pilot — Ollama (basit) veya vLLM (production); 4-6 hafta eval.
2. KVKK + Self-Hosted Mimari. Türkiye/AB bölge GPU üzerinde self-hosted LLM; audit log + observability + anonimleştirme katmanı.
3. Model Routing Stratejisi. Use-case'lere göre Llama/Qwen (basit) → DeepSeek (orta) → Claude/GPT-5 (en kritik) router; toplam maliyet %50-70 azalır.

İletişim için site üzerindeki contact formunu kullanabilirsiniz.

Kaynaklar

1. DeepSeek V3 Technical Report — DeepSeek AI, DeepSeek · 2024-12
2. DeepSeek R1 — DeepSeek AI, DeepSeek · 2025-01
3. Qwen 2.5 — Alibaba Cloud, Alibaba · 2024-09
4. Llama 4 — Meta AI, Meta · 2025
5. Open LLM Leaderboard — Hugging Face, Hugging Face · 2026
6. Llama Community License — Meta, Meta · 2024
7. Apache License 2.0 — Apache Foundation, Apache · 2004
8. Ollama — Ollama, Ollama · 2026
9. vLLM — vLLM Project, GitHub · 2026
10. Together AI — Together, Together · 2026
11. OpenRouter — OpenRouter, OpenRouter · 2026
12. Groq — Groq, Groq · 2026
13. KVKK — T.C. KVKK, Türkiye Cumhuriyeti · 2016

---

Bu rehber yaşayan bir belgedir; açık ağırlık LLM ekosistemi her çeyrek hızla değiştiği için çeyreklik olarak güncellenmektedir.