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

> Source: https://sukruyusufkaya.com/blog/deepseek-qwen-llama-karsilastirma
> Updated: 2026-08-24T00:08:30.907Z
> Type: blog
> Category: yapay-zeka
**TLDR:** 2026 itibarıyla en güçlü üç açık ağırlık LLM ailesi — DeepSeek (V3 + R1), Qwen (2.5 + 3) ve Meta Llama (4) — detaylı karşılaştırma. Mimari (MoE vs dense), benchmark (MMLU, HumanEval, GSM8K), Türkçe performans, lisans (MIT vs Apache vs Llama Community), maliyet (self-hosted vs API), donanım (VRAM, GPU), fine-tune dostluğu, ekosistem (Hugging Face, vLLM, Ollama), KVKK / veri egemenliği için avantajlar. Türk şirketleri için kullanım senaryoları.

<tldr data-summary="[&#34;2026&#39;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).&#34;,&#34;Frontier benchmark performansta açık kaynak modeller GPT-5 ve Claude Opus 4.7&#39;ye yakınlaştı: DeepSeek V3 HumanEval 82, MMLU 87 — kapalı bayraklarla %3-5 fark.&#34;,&#34;Lisans farkı kritik: Qwen Apache 2.0 (ticari kullanım tamamen serbest), Llama Llama Community License (700M+ kullanıcı şart), DeepSeek MIT (en serbest).&#34;,&#34;Türkçe performans: Qwen 2.5 72B en güçlü multilingual; Llama 4 70B orta-iyi; DeepSeek V3 yüksek (Çince + İngilizce ağırlıklı ama Türkçe yeterli).&#34;,&#34;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.&#34;]" data-one-line="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."></tldr>

## 1. Açık Ağırlık LLM'ler Niye Stratejik?

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

<definition-box data-term="Open-weight LLM (Açık Ağırlık Dil Modeli)" data-definition="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." data-also="Open-weight, Self-hosted LLM, Açık Kaynak LLM"></definition-box>

<stat-callout data-value="~5 puan" data-context="2026 Q2 itibarıyla açık ağırlık frontier (DeepSeek V3, Llama 4 70B) ile kapalı bayrak (GPT-5, Claude Opus 4.7) arasındaki" data-outcome="MMLU + HumanEval ortalama fark yaklaşık 5 puan — 2024'te 25 puan iken 2026'da kapanıyor. 2027'de 2-3 puana inmesi muhtemel." data-source="{&#34;label&#34;:&#34;Open LLM Leaderboard&#34;,&#34;url&#34;:&#34;https://huggingface.co/open-llm-leaderboard&#34;,&#34;date&#34;:&#34;2026 Q2&#34;}"></stat-callout>

## 2. Üç Aile — Üst Düzey Özet

<comparison-table data-caption="Üç Açık Ağırlık LLM Ailesi (2026)" data-headers="[&#34;Aile&#34;,&#34;Sağlayıcı&#34;,&#34;Lisans&#34;,&#34;Mimari&#34;,&#34;Boyutlar&#34;]" data-rows="[{&#34;feature&#34;:&#34;DeepSeek&#34;,&#34;values&#34;:[&#34;DeepSeek (Çin)&#34;,&#34;MIT&#34;,&#34;MoE + Reasoning&#34;,&#34;V3: 671B MoE, R1: thinking&#34;]},{&#34;feature&#34;:&#34;Qwen&#34;,&#34;values&#34;:[&#34;Alibaba&#34;,&#34;Apache 2.0&#34;,&#34;Dense + MoE&#34;,&#34;0.5B / 1.5B / 3B / 7B / 14B / 32B / 72B&#34;]},{&#34;feature&#34;:&#34;Llama&#34;,&#34;values&#34;:[&#34;Meta&#34;,&#34;Llama Community License&#34;,&#34;Dense + Multimodal&#34;,&#34;Llama 4: 8B / 70B / 405B; Vision + Audio&#34;]}]"></comparison-table>

### 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.

## 3. Lisans Karşılaştırması — Kritik Boyut

<comparison-table data-caption="Lisans Karşılaştırması" data-headers="[&#34;Boyut&#34;,&#34;DeepSeek (MIT)&#34;,&#34;Qwen (Apache 2.0)&#34;,&#34;Llama (Llama Community)&#34;]" data-rows="[{&#34;feature&#34;:&#34;Ticari kullanım&#34;,&#34;values&#34;:[&#34;Tam serbest&#34;,&#34;Tam serbest&#34;,&#34;Sınırlı (700M+ MAU şart)&#34;]},{&#34;feature&#34;:&#34;Modifikasyon&#34;,&#34;values&#34;:[&#34;Tam serbest&#34;,&#34;Tam serbest&#34;,&#34;Tam serbest&#34;]},{&#34;feature&#34;:&#34;Yeniden dağıtım&#34;,&#34;values&#34;:[&#34;Tam serbest&#34;,&#34;Tam serbest&#34;,&#34;Sınırlı (atıf şart)&#34;]},{&#34;feature&#34;:&#34;Patent grant&#34;,&#34;values&#34;:[&#34;YOK&#34;,&#34;Var&#34;,&#34;Var&#34;]},{&#34;feature&#34;:&#34;Atıf zorunluluğu&#34;,&#34;values&#34;:[&#34;İsteğe bağlı&#34;,&#34;Notice + lisans&#34;,&#34;Lisans + atıf&#34;]},{&#34;feature&#34;:&#34;Türev modeller&#34;,&#34;values&#34;:[&#34;Tam serbest&#34;,&#34;Tam serbest&#34;,&#34;Llama atıfı şart&#34;]},{&#34;feature&#34;:&#34;Sertifika gerekliliği&#34;,&#34;values&#34;:[&#34;YOK&#34;,&#34;YOK&#34;,&#34;Var (Meta&#39;ya bildirim)&#34;]}]"></comparison-table>

**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.

## 4. Benchmark Karşılaştırması (2026 Q2)

<comparison-table data-caption="Akademik Benchmark Sonuçları" data-headers="[&#34;Benchmark&#34;,&#34;DeepSeek V3&#34;,&#34;Qwen 2.5 72B&#34;,&#34;Llama 4 70B&#34;,&#34;Karşılaştırma (GPT-5)&#34;]" data-rows="[{&#34;feature&#34;:&#34;MMLU&#34;,&#34;values&#34;:[&#34;87.1&#34;,&#34;85.4&#34;,&#34;83.6&#34;,&#34;89.1&#34;]},{&#34;feature&#34;:&#34;HumanEval&#34;,&#34;values&#34;:[&#34;82&#34;,&#34;78&#34;,&#34;68&#34;,&#34;89&#34;]},{&#34;feature&#34;:&#34;MBPP&#34;,&#34;values&#34;:[&#34;83&#34;,&#34;79&#34;,&#34;72&#34;,&#34;87&#34;]},{&#34;feature&#34;:&#34;GSM8K&#34;,&#34;values&#34;:[&#34;92.5&#34;,&#34;89.7&#34;,&#34;85.2&#34;,&#34;96.8&#34;]},{&#34;feature&#34;:&#34;MATH&#34;,&#34;values&#34;:[&#34;75&#34;,&#34;68&#34;,&#34;58&#34;,&#34;81&#34;]},{&#34;feature&#34;:&#34;HellaSwag&#34;,&#34;values&#34;:[&#34;94.2&#34;,&#34;93.8&#34;,&#34;92.5&#34;,&#34;96.1&#34;]},{&#34;feature&#34;:&#34;TruthfulQA&#34;,&#34;values&#34;:[&#34;68&#34;,&#34;72&#34;,&#34;65&#34;,&#34;79.3&#34;]},{&#34;feature&#34;:&#34;AgentBench&#34;,&#34;values&#34;:[&#34;68&#34;,&#34;65&#34;,&#34;58&#34;,&#34;71&#34;]},{&#34;feature&#34;:&#34;Multilingual avg&#34;,&#34;values&#34;:[&#34;İyi&#34;,&#34;En iyi&#34;,&#34;İyi&#34;,&#34;En iyi&#34;]}]"></comparison-table>

**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).

## 5. DeepSeek V3 + R1 Detayı

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

## 6. Qwen 2.5 / 3 Detayı

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:

<comparison-table data-caption="Qwen Boyut Yelpazesi (2026)" data-headers="[&#34;Model&#34;,&#34;Boyut&#34;,&#34;VRAM (FP16)&#34;,&#34;Tipik Kullanım&#34;]" data-rows="[{&#34;feature&#34;:&#34;Qwen 2.5 0.5B&#34;,&#34;values&#34;:[&#34;0.5B&#34;,&#34;~1.5GB&#34;,&#34;Mobile, edge&#34;]},{&#34;feature&#34;:&#34;Qwen 2.5 1.5B&#34;,&#34;values&#34;:[&#34;1.5B&#34;,&#34;~3GB&#34;,&#34;Mobile, hızlı&#34;]},{&#34;feature&#34;:&#34;Qwen 2.5 3B&#34;,&#34;values&#34;:[&#34;3B&#34;,&#34;~6GB&#34;,&#34;Tüketici GPU&#34;]},{&#34;feature&#34;:&#34;Qwen 2.5 7B&#34;,&#34;values&#34;:[&#34;7B&#34;,&#34;~14GB&#34;,&#34;Çoğu use-case (RTX 4090)&#34;]},{&#34;feature&#34;:&#34;Qwen 2.5 14B&#34;,&#34;values&#34;:[&#34;14B&#34;,&#34;~28GB&#34;,&#34;Production orta&#34;]},{&#34;feature&#34;:&#34;Qwen 2.5 32B&#34;,&#34;values&#34;:[&#34;32B&#34;,&#34;~64GB&#34;,&#34;A100 single&#34;]},{&#34;feature&#34;:&#34;Qwen 2.5 72B&#34;,&#34;values&#34;:[&#34;72B&#34;,&#34;~144GB&#34;,&#34;H100 80GB + QLoRA&#34;]},{&#34;feature&#34;:&#34;Qwen 3 (2026)&#34;,&#34;values&#34;:[&#34;Çeşitli&#34;,&#34;-&#34;,&#34;Yeni nesil&#34;]}]"></comparison-table>

### 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.

## 7. Llama 4 Detayı

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)

## 8. Frontend / API Erişimi

<comparison-table data-caption="Erişim Yöntemleri" data-headers="[&#34;Yöntem&#34;,&#34;DeepSeek&#34;,&#34;Qwen&#34;,&#34;Llama&#34;]" data-rows="[{&#34;feature&#34;:&#34;Self-hosted (Ollama, vLLM)&#34;,&#34;values&#34;:[&#34;Var&#34;,&#34;Var&#34;,&#34;Var&#34;]},{&#34;feature&#34;:&#34;Hugging Face Inference&#34;,&#34;values&#34;:[&#34;Var&#34;,&#34;Var&#34;,&#34;Var&#34;]},{&#34;feature&#34;:&#34;Official API&#34;,&#34;values&#34;:[&#34;DeepSeek API&#34;,&#34;Alibaba DashScope&#34;,&#34;Meta AI (sınırlı)&#34;]},{&#34;feature&#34;:&#34;AWS Bedrock&#34;,&#34;values&#34;:[&#34;Yok&#34;,&#34;Yok&#34;,&#34;Var (Llama 4)&#34;]},{&#34;feature&#34;:&#34;Azure AI Foundry&#34;,&#34;values&#34;:[&#34;Yok&#34;,&#34;Yok&#34;,&#34;Var&#34;]},{&#34;feature&#34;:&#34;Google Vertex AI&#34;,&#34;values&#34;:[&#34;Yok&#34;,&#34;Var&#34;,&#34;Var&#34;]},{&#34;feature&#34;:&#34;OpenRouter&#34;,&#34;values&#34;:[&#34;Var&#34;,&#34;Var&#34;,&#34;Var&#34;]},{&#34;feature&#34;:&#34;Together AI&#34;,&#34;values&#34;:[&#34;Var&#34;,&#34;Var&#34;,&#34;Var&#34;]},{&#34;feature&#34;:&#34;Groq (hızlı inference)&#34;,&#34;values&#34;:[&#34;Var&#34;,&#34;-&#34;,&#34;Var&#34;]},{&#34;feature&#34;:&#34;Perplexity Sonar&#34;,&#34;values&#34;:[&#34;Sonar (Llama tabanlı)&#34;,&#34;-&#34;,&#34;Sonar Pro&#34;]}]"></comparison-table>

**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

## 9. Donanım Gereksinimleri

<comparison-table data-caption="VRAM Gereksinimleri (FP16 vs QLoRA Q4)" data-headers="[&#34;Model&#34;,&#34;FP16 VRAM&#34;,&#34;QLoRA Q4 VRAM&#34;,&#34;Donanım Önerisi&#34;]" data-rows="[{&#34;feature&#34;:&#34;Qwen 2.5 7B&#34;,&#34;values&#34;:[&#34;14GB&#34;,&#34;~5GB&#34;,&#34;RTX 4090 (24GB)&#34;]},{&#34;feature&#34;:&#34;Llama 4 8B&#34;,&#34;values&#34;:[&#34;16GB&#34;,&#34;~6GB&#34;,&#34;RTX 4090 (24GB)&#34;]},{&#34;feature&#34;:&#34;Qwen 2.5 14B&#34;,&#34;values&#34;:[&#34;28GB&#34;,&#34;~10GB&#34;,&#34;RTX 4090 (zor) veya A100 40GB&#34;]},{&#34;feature&#34;:&#34;Qwen 2.5 32B&#34;,&#34;values&#34;:[&#34;64GB&#34;,&#34;~22GB&#34;,&#34;A100 80GB veya 2x RTX 4090&#34;]},{&#34;feature&#34;:&#34;Llama 4 70B&#34;,&#34;values&#34;:[&#34;140GB&#34;,&#34;~45GB&#34;,&#34;1x A100 80GB QLoRA&#34;]},{&#34;feature&#34;:&#34;Qwen 2.5 72B&#34;,&#34;values&#34;:[&#34;144GB&#34;,&#34;~48GB&#34;,&#34;1x A100 80GB QLoRA veya H100&#34;]},{&#34;feature&#34;:&#34;DeepSeek V3 671B MoE&#34;,&#34;values&#34;:[&#34;~400GB+&#34;,&#34;~120GB+&#34;,&#34;Multi-GPU H100 cluster&#34;]},{&#34;feature&#34;:&#34;Llama 4 405B&#34;,&#34;values&#34;:[&#34;~800GB&#34;,&#34;~200GB+&#34;,&#34;Multi-GPU H100 cluster&#34;]}]"></comparison-table>

**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)

## 10. Türkçe Performans Karşılaştırması

<comparison-table data-caption="Türkçe Performans (2026 Q2)" data-headers="[&#34;Model&#34;,&#34;MMLU-TR&#34;,&#34;Belebele-TR&#34;,&#34;Hallucination&#34;,&#34;Türkçe Genel&#34;]" data-rows="[{&#34;feature&#34;:&#34;DeepSeek V3&#34;,&#34;values&#34;:[&#34;77&#34;,&#34;80&#34;,&#34;23%&#34;,&#34;İyi (Çince/İng ağırlıklı)&#34;]},{&#34;feature&#34;:&#34;Qwen 2.5 72B&#34;,&#34;values&#34;:[&#34;72&#34;,&#34;75&#34;,&#34;28%&#34;,&#34;İyi (multilingual)&#34;]},{&#34;feature&#34;:&#34;Llama 4 70B&#34;,&#34;values&#34;:[&#34;75&#34;,&#34;78&#34;,&#34;26%&#34;,&#34;Orta-iyi&#34;]},{&#34;feature&#34;:&#34;Llama 4 8B&#34;,&#34;values&#34;:[&#34;60&#34;,&#34;64&#34;,&#34;37%&#34;,&#34;Orta&#34;]},{&#34;feature&#34;:&#34;Mistral 7B v3&#34;,&#34;values&#34;:[&#34;56&#34;,&#34;60&#34;,&#34;42%&#34;,&#34;Orta&#34;]},{&#34;feature&#34;:&#34;GPT-5 (referans)&#34;,&#34;values&#34;:[&#34;89&#34;,&#34;90&#34;,&#34;13%&#34;,&#34;Çok iyi&#34;]}]"></comparison-table>

**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

## 11. Fine-Tune Dostluğu

<comparison-table data-caption="Fine-Tune Ekosistemi" data-headers="[&#34;Boyut&#34;,&#34;DeepSeek&#34;,&#34;Qwen&#34;,&#34;Llama&#34;]" data-rows="[{&#34;feature&#34;:&#34;Unsloth desteği&#34;,&#34;values&#34;:[&#34;Sınırlı&#34;,&#34;Çok iyi&#34;,&#34;Mükemmel&#34;]},{&#34;feature&#34;:&#34;LLaMA Factory&#34;,&#34;values&#34;:[&#34;Var&#34;,&#34;Var&#34;,&#34;Var (varsayılan)&#34;]},{&#34;feature&#34;:&#34;Axolotl&#34;,&#34;values&#34;:[&#34;Var&#34;,&#34;Var&#34;,&#34;Var&#34;]},{&#34;feature&#34;:&#34;Hugging Face TRL&#34;,&#34;values&#34;:[&#34;Var&#34;,&#34;Var&#34;,&#34;Var&#34;]},{&#34;feature&#34;:&#34;Topluluk fine-tune sayısı&#34;,&#34;values&#34;:[&#34;Orta&#34;,&#34;Yüksek&#34;,&#34;En yüksek (binlerce)&#34;]},{&#34;feature&#34;:&#34;Türkçe fine-tune örnekleri&#34;,&#34;values&#34;:[&#34;Az&#34;,&#34;Bazı&#34;,&#34;Yaygın (Cezeri vb.)&#34;]},{&#34;feature&#34;:&#34;Dokümantasyon&#34;,&#34;values&#34;:[&#34;İyi&#34;,&#34;Çok iyi&#34;,&#34;Mükemmel&#34;]}]"></comparison-table>

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

## 12. Maliyet Karşılaştırması

<comparison-table data-caption="Maliyet (API tabanlı, 2026 Q2)" data-headers="[&#34;Model&#34;,&#34;Input cost / 1M&#34;,&#34;Output cost / 1M&#34;,&#34;Karşılaştırma&#34;]" data-rows="[{&#34;feature&#34;:&#34;DeepSeek V3 API&#34;,&#34;values&#34;:[&#34;$0.30&#34;,&#34;$1.10&#34;,&#34;Açık ara en ucuz&#34;]},{&#34;feature&#34;:&#34;DeepSeek R1 API&#34;,&#34;values&#34;:[&#34;$0.55&#34;,&#34;$2.20&#34;,&#34;Reasoning, ucuz&#34;]},{&#34;feature&#34;:&#34;Qwen 2.5 72B (Together)&#34;,&#34;values&#34;:[&#34;$0.90&#34;,&#34;$1.20&#34;,&#34;Ucuz&#34;]},{&#34;feature&#34;:&#34;Llama 4 70B (Together)&#34;,&#34;values&#34;:[&#34;$0.90&#34;,&#34;$0.90&#34;,&#34;Ucuz&#34;]},{&#34;feature&#34;:&#34;Llama 4 405B (Together)&#34;,&#34;values&#34;:[&#34;$3.50&#34;,&#34;$10.50&#34;,&#34;Frontier scale&#34;]},{&#34;feature&#34;:&#34;Karşılaştırma: Claude Opus 4.7&#34;,&#34;values&#34;:[&#34;$15&#34;,&#34;$75&#34;,&#34;Bayrak kapalı&#34;]},{&#34;feature&#34;:&#34;Karşılaştırma: GPT-5&#34;,&#34;values&#34;:[&#34;$5&#34;,&#34;$15&#34;,&#34;Bayrak kapalı&#34;]}]"></comparison-table>

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

## 13. Self-Hosted vs API — Karar Çerçevesi

<comparison-table data-caption="Self-Hosted vs API Karşılaştırması" data-headers="[&#34;Boyut&#34;,&#34;Self-Hosted&#34;,&#34;API (Together, OpenRouter, vb.)&#34;]" data-rows="[{&#34;feature&#34;:&#34;KVKK + veri egemenliği&#34;,&#34;values&#34;:[&#34;Tam kontrol&#34;,&#34;API sağlayıcısına güven gerek&#34;]},{&#34;feature&#34;:&#34;Sabit maliyet&#34;,&#34;values&#34;:[&#34;GPU + elektrik (öngörülebilir)&#34;,&#34;Token başına (değişken)&#34;]},{&#34;feature&#34;:&#34;Başlangıç yatırım&#34;,&#34;values&#34;:[&#34;GPU + setup ($5K-50K)&#34;,&#34;$0&#34;]},{&#34;feature&#34;:&#34;Aylık operasyon&#34;,&#34;values&#34;:[&#34;DevOps efor + GPU&#34;,&#34;Yalnızca kullanım&#34;]},{&#34;feature&#34;:&#34;Ölçek esnekliği&#34;,&#34;values&#34;:[&#34;Donanım sınırı&#34;,&#34;Otomatik&#34;]},{&#34;feature&#34;:&#34;Bakım&#34;,&#34;values&#34;:[&#34;Sen yapıyorsun&#34;,&#34;API sağlayıcı&#34;]},{&#34;feature&#34;:&#34;Latency&#34;,&#34;values&#34;:[&#34;Daha düşük (yerel)&#34;,&#34;Network round-trip&#34;]},{&#34;feature&#34;:&#34;Türkiye veri yerleşimi&#34;,&#34;values&#34;:[&#34;Tam&#34;,&#34;Sınırlı seçenek&#34;]}]"></comparison-table>

**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

## 14. Türk Şirketleri için Kullanım Senaryoları

### 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.

## 15. Türk Şirketleri için Karar Çerçevesi

<howto-steps data-name="Açık Ağırlık LLM Seçim Çerçevesi" data-description="Türk şirketinin doğru açık modelle başlaması için." data-time="PT4H" data-steps='[{"name":"1. Veri Hassasiyeti","text":"KVKK + veri egemenliği kritik mi? Evet → self-hosted Qwen/Llama. Hayır → API (DeepSeek en ucuz)."},{"name":"2. Kullanım Hacmi","text":"<100K token/gün: API. 100K-1M: hibrit. >1M: self-hosted düşün."},{"name":"3. Türkçe Önemi","text":"Yüksek (müşteri etkileşimi): Qwen 2.5 72B. Orta (iç araç): Llama 4. Düşük (kod, teknik): DeepSeek V3."},{"name":"4. Donanım Bütçesi","text":"Yok: API ile başla. RTX 4090 (24GB): Llama 4 8B veya Qwen 2.5 7B. A100/H100 erişimi: 70B+."},{"name":"5. Fine-Tune İhtiyacı","text":"Var: Llama 4 8B veya Qwen 2.5 14B (en olgun ekosistem). Yok: DeepSeek V3 API."},{"name":"6. Lisans Karar","text":"700M+ MAU şirketi: Llama dikkat. Diğerleri: hepsi uygun."}]'></howto-steps>

## 16. 2027 Beklentileri

- **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

## 17. Sıkça Sorulan Sorular

<callout-box data-variant="answer" data-title="Hangi açık ağırlık model en güçlü?">

Use-case'e bağlı: genel + kod → DeepSeek V3 (HumanEval 82, MMLU 87); multilingual + Türkçe → Qwen 2.5 72B; multimodal + ekosistem → Llama 4. 2026 frontier yarışında üçü de yakın.

</callout-box>

<callout-box data-variant="answer" data-title="Türkçe için en iyi açık ağırlık?">

Qwen 2.5 72B — multilingual eğitim Türkçe'yi güçlü kapsıyor. Llama 4 70B orta-iyi. Self-hosted + Türkçe fine-tune ile daha da iyileşir.

</callout-box>

<callout-box data-variant="answer" data-title="DeepSeek Çin orijinli — güvenlik sorunu mu?">

DeepSeek modeli açık ağırlık + MIT lisans — model weights kendi sunucunda çalıştırılabilir. Sorun olabilecek senaryo: DeepSeek API kullanımı (verileri DeepSeek'e gider) veya supply chain endişeleri. Self-hosted güvenli.

</callout-box>

<callout-box data-variant="answer" data-title="Llama lisansı tam serbest mi?">

Hayır. 700M+ aylık aktif kullanıcı olan şirketler özel lisans almak zorunda. Türk KOBİ + orta kurumsal için sorun değil; mega-corp scale dışında esnek kullanılabilir.

</callout-box>

<callout-box data-variant="answer" data-title="Self-hosted hangi GPU yeterli?">

7B-13B modeller: RTX 4090 24GB (~$1500-2000 satın alma); 70B QLoRA: A100 80GB ($10-15K satın alma veya saatlik kira). 405B+: multi-GPU cluster (Enterprise).

</callout-box>

<callout-box data-variant="answer" data-title="Self-hosted vs API hangisi daha ucuz?">

Bağlı: <1M token/gün → API (DeepSeek V3 en ucuz); >1M token/gün + sabit hacim → self-hosted (3-6 ay payback). Hibrit yaygın: kritik prompts self-hosted, esnek API.

</callout-box>

<callout-box data-variant="answer" data-title="Fine-tune en kolay hangisinde?">

Llama 4 — en olgun Unsloth + Axolotl + LLaMA Factory desteği + topluluk binlerce örnek. Qwen 2.5 yakın. DeepSeek V3 MoE mimari nedeniyle daha karmaşık fine-tune.

</callout-box>

<callout-box data-variant="answer" data-title="Ollama veya vLLM hangisi?">

**Ollama:** Geliştirici + local + basit. Tek komutla 7B model çalıştır. **vLLM:** Production, multi-user, optimized inference, daha hızlı. Tek-kullanıcı: Ollama; production hizmet: vLLM.

</callout-box>

<callout-box data-variant="answer" data-title="Açık ağırlık modeller GPT-5'e yetişir mi?">

Frontier kalite farkı 2024'te 25 puandı, 2026'da 5 puana indi. 2027'de 2-3 puana inebilir. Spesifik görevlerde (kod, matematik) açık modeller eşitlenmeye yakın; multimodal'da hala fark var.

</callout-box>

<callout-box data-variant="answer" data-title="DeepSeek R1 vs OpenAI o3?">

İkisi de chain-of-thought reasoning modelleri. o3 frontier kalite + multimodal; DeepSeek R1 açık ağırlık + 30x ucuz. Akademik araştırma + fine-tune için R1; pure kalite için o3.

</callout-box>

<callout-box data-variant="answer" data-title="Türk şirketi için lisans riski var mı?">

Llama Community License 700M+ MAU sınırını çoğu Türk şirketi aşmaz — esnek kullanılabilir. Qwen Apache 2.0 ve DeepSeek MIT tamamen serbest. Hukuki review yıllık öneriyorum (Meta lisansını güncellerse).

</callout-box>

<callout-box data-variant="answer" data-title="Hangi açık model multimodal en iyi?">

Llama 4 multimodal (Vision + Audio) native — açık ağırlık lider. Qwen 2.5 VL ayrı vision variant olarak güçlü. DeepSeek V3 yalnızca text.

</callout-box>

<callout-box data-variant="answer" data-title="Yerli Türk açık model var mı?">

**Cezeri** (Türkçe instruct LLM ailesi, Llama tabanlı), **BERTurk** (Türkçe BERT, NLP), **Trendyol-LLM** (e-ticaret odaklı Türkçe LLM), **KanarYa** (Hacettepe). Genel-amaçlı bayrak yarışında değil ama domain-spesifik değerli.

</callout-box>

<callout-box data-variant="answer" data-title="Bir use-case için sadece bir model mi seçmeliyim?">

Hayır. Tipik production: küçük/hızlı işler için Qwen 2.5 7B veya Llama 4 8B (local); karmaşık akıl yürütme için DeepSeek R1 (API); en kritik için frontier kapalı. Model routing stratejisi maliyeti %40-60 azaltır.

</callout-box>

## 18. Bir Sonraki Adım

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.

<references-list data-items="[{&#34;title&#34;:&#34;DeepSeek V3 Technical Report&#34;,&#34;url&#34;:&#34;https://arxiv.org/abs/2412.19437&#34;,&#34;author&#34;:&#34;DeepSeek AI&#34;,&#34;publishedAt&#34;:&#34;2024-12&#34;,&#34;publisher&#34;:&#34;DeepSeek&#34;},{&#34;title&#34;:&#34;DeepSeek R1&#34;,&#34;url&#34;:&#34;https://github.com/deepseek-ai/DeepSeek-R1&#34;,&#34;author&#34;:&#34;DeepSeek AI&#34;,&#34;publishedAt&#34;:&#34;2025-01&#34;,&#34;publisher&#34;:&#34;DeepSeek&#34;},{&#34;title&#34;:&#34;Qwen 2.5&#34;,&#34;url&#34;:&#34;https://qwenlm.github.io/blog/qwen2.5/&#34;,&#34;author&#34;:&#34;Alibaba Cloud&#34;,&#34;publishedAt&#34;:&#34;2024-09&#34;,&#34;publisher&#34;:&#34;Alibaba&#34;},{&#34;title&#34;:&#34;Llama 4&#34;,&#34;url&#34;:&#34;https://ai.meta.com/blog/meta-llama/&#34;,&#34;author&#34;:&#34;Meta AI&#34;,&#34;publishedAt&#34;:&#34;2025&#34;,&#34;publisher&#34;:&#34;Meta&#34;},{&#34;title&#34;:&#34;Open LLM Leaderboard&#34;,&#34;url&#34;:&#34;https://huggingface.co/open-llm-leaderboard&#34;,&#34;author&#34;:&#34;Hugging Face&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;Hugging Face&#34;},{&#34;title&#34;:&#34;Llama Community License&#34;,&#34;url&#34;:&#34;https://www.llama.com/llama3/license/&#34;,&#34;author&#34;:&#34;Meta&#34;,&#34;publishedAt&#34;:&#34;2024&#34;,&#34;publisher&#34;:&#34;Meta&#34;},{&#34;title&#34;:&#34;Apache License 2.0&#34;,&#34;url&#34;:&#34;https://www.apache.org/licenses/LICENSE-2.0&#34;,&#34;author&#34;:&#34;Apache Foundation&#34;,&#34;publishedAt&#34;:&#34;2004&#34;,&#34;publisher&#34;:&#34;Apache&#34;},{&#34;title&#34;:&#34;Ollama&#34;,&#34;url&#34;:&#34;https://ollama.com/&#34;,&#34;author&#34;:&#34;Ollama&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;Ollama&#34;},{&#34;title&#34;:&#34;vLLM&#34;,&#34;url&#34;:&#34;https://github.com/vllm-project/vllm&#34;,&#34;author&#34;:&#34;vLLM Project&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;GitHub&#34;},{&#34;title&#34;:&#34;Together AI&#34;,&#34;url&#34;:&#34;https://www.together.ai/&#34;,&#34;author&#34;:&#34;Together&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;Together&#34;},{&#34;title&#34;:&#34;OpenRouter&#34;,&#34;url&#34;:&#34;https://openrouter.ai/&#34;,&#34;author&#34;:&#34;OpenRouter&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;OpenRouter&#34;},{&#34;title&#34;:&#34;Groq&#34;,&#34;url&#34;:&#34;https://groq.com/&#34;,&#34;author&#34;:&#34;Groq&#34;,&#34;publishedAt&#34;:&#34;2026&#34;,&#34;publisher&#34;:&#34;Groq&#34;},{&#34;title&#34;:&#34;KVKK&#34;,&#34;url&#34;:&#34;https://www.kvkk.gov.tr/&#34;,&#34;author&#34;:&#34;T.C. KVKK&#34;,&#34;publishedAt&#34;:&#34;2016&#34;,&#34;publisher&#34;:&#34;Türkiye Cumhuriyeti&#34;}]"></references-list>

---

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