# Açık Ağırlıklı ve Kapalı Modeller Arasında Seçim

> Açık ağırlıklı ve kapalı AI modelleri arasında seçim: Veri kontrolü, işletme yükü, uyarlama ve sağlayıcı değiştirme maliyeti nasıl değerlendirilir?

Müşteri taleplerini sınıflandıran bir AI sisteminde, modelin doğru sonuç vermesi ilk koşul. Sistemi günlük işin parçası hâline getirdiğinizde başka sorular da belirleyici oluyor. Müşteri verisi nereye gidiyor? Modelin kullandığınız sürümü kaldırılırsa ne yapacaksınız? Aynı işi başka bir sağlayıcıyla sürdürebilecek misiniz?

Açık ağırlıklı ve kapalı modeller arasındaki tercih, bu soruların cevaplarını değiştiriyor. Model seçerken, sistemin hangi parçalarını kendiniz yöneteceğinize ve hangi işleri bir sağlayıcıya devredeceğinize de karar veriyorsunuz.

Mozilla CTO’su Raffi Krikorian, [Rest of World’e verdiği röportajda](https://restofworld.org/2026/open-source-ai-infrastructure-mozilla/) yapay zekânın internet veya Linux gibi bir altyapı olarak düşünülmesini savunuyor. Açık modellerin şirketlere verileri, kullandıkları modeller ve uyarlamalar üzerinde daha fazla söz hakkı verebileceğini söylüyor. Mozilla’nın açık teknoloji yaklaşımından gelen bu görüş, şirketlerin birkaç sağlayıcının sunduğu seçeneklerle sınırlı kalmaması gerektiği fikrine dayanıyor.

Bu yaklaşımın şirketler açısından somut bir karşılığı var. Ancak daha fazla kontrolün hangi sorunu çözeceğini ve bu kontrolü kullanmanın ne gerektirdiğini birlikte değerlendirmek gerekiyor.

## Açık ağırlık, açık kaynak demek değil

Ağırlıklar, modelin eğitim sırasında öğrendiği sayısal parametrelerdir. Bunlara erişmek, uygun yazılım ve donanımla modeli kendiniz çalıştırabilmenizin önünü açar. Lisansı izin verdiği ölçüde modeli uyarlayabilir ve farklı ortamlarda kullanabilirsiniz.

Fakat ağırlıkları indirmek, modelin nasıl eğitildiğine ilişkin bütün bilgilere sahip olmak anlamına gelmez. Eğitim kodu, verilerin nasıl seçildiği ve işlendiği gibi parçalar kapalı kalabilir. Kullanım ve yeniden dağıtım hakları da modelden modele değişebilir.

[Open Source Initiative’in AI tanımı](https://opensource.org/ai/open-source-ai-definition), parametrelerin yanında eğitim ve çalıştırma koduna, eğitim verileri hakkında yeterli bilgiye ve kullanma, inceleme, değiştirme, paylaşma özgürlüklerine bakıyor. Bu nedenle indirilebilir her modeli açık kaynak diye adlandırmak doğru olmaz. Şirketin ihtiyacı açısından bakıldığında da “açık” etiketinden çok, tam olarak hangi erişimin ve hakların verildiği önemli.

## Modelin açıklığı ile nerede çalışacağı ayrı kararlar

Açık ağırlıklı model seçmek, sunucu kurmayı zorunlu kılmaz. Böyle bir modeli başka bir şirketin işlettiği API üzerinden de kullanabilirsiniz. Örneğin [Mistral’ın erişim rehberi](https://help.mistral.ai/en/articles/347391-how-can-i-quickly-test-your-ai-models), modeller için hem bulut hizmetlerini hem de indirip yerelde çalıştırma seçeneğini açıklıyor.

Burada iki karar var: Model üzerinde hangi haklara sahip olacaksınız ve onu kim işletecek?

Yönetilen bir hizmet, ekibin donanım ve kapasiteyle uğraşmadan başlamasını kolaylaştırabilir. Açık ağırlıkların bulunması da ileride başka bir ortamda çalıştırma seçeneği bırakabilir. Ama bugün istekleri dışarıdaki bir API’ye gönderiyorsanız, müşteri verisi o hizmetin veri işleme koşullarına tabidir.

Verinin belirli bir ortamda kalması gerekiyorsa modelin adıyla yetinemezsiniz. İsteklerin nerede işlendiği, kayıtların nerede tutulduğu ve kimlerin erişebildiği incelenmelidir. Kendi sunucunuzda çalışan modelin bağlı olduğu kayıt veya izleme hizmetleri de bu incelemenin parçasıdır.

![Bir yönetici, yerel altyapının kontrolünü dış hizmetin daha düşük işletme yüküyle birlikte değerlendiriyor](/images/inline-open-weight-ai/control-versus-operating-burden.avif)

## Kendi modelinizi çalıştırınca işin bir bölümünü devralırsınız

Modeli kendiniz işlettiğinizde, hangi sürümün ne zaman değişeceğine karar verebilirsiniz. Bir sağlayıcının model kataloğundan çıkardığı sürümü, elinizdeki dosyalar ve uygun altyapıyla kullanmayı sürdürebilirsiniz. Bunun karşılığında kapasite planlama, erişim güvenliği, izleme ve arıza giderme işlerini üstlenirsiniz.

Güncellemeleri de sizin sınamanız gerekir. Yeni sürüm genel testlerde daha iyi olabilir, fakat şirketinizin kullandığı belge türlerinde daha fazla hata yapabilir. Eski sürümü korumak kadar, ne zaman ve nasıl değiştireceğinizi bilmek de işin parçasıdır.

Maliyet hesabı bu sorumlulukları içermeli. Az kullanılan bir sunucunun maliyeti devam eder. Yoğun saatlere göre ayrılan kapasite, günün geri kalanında boş kalabilir. Ekip zamanı ve sorun çözme yükü de modelin indirme fiyatında görünmez.

Eski Hugging Face yöneticisi Tiezhen Wang da [Rest of World'e verdiği röportajda](https://restofworld.org/2026/tiezhen-wang-china-us-open-source-ai/), açık ağırlıklı bir model ücretsiz sunulsa bile onu çalıştırmanın mühendislik zamanı ve altyapı maliyeti getirdiğini söylüyor. Modeli geliştiren şirket ise bu maliyeti API, abonelik veya destek hizmetleriyle telafi etmeye çalışabilir. Bu değerlendirme, modelin indirme fiyatı yerine aynı işi çalışır hâle getirmenin toplam maliyetine bakmamız gerektiğini hatırlatıyor; ancak röportajdaki açıklamalar belirli bir sağlayıcının maliyet avantajını kanıtlamıyor. [Pragmatic Engineer’ın Eylül 2026 tarihli The Pulse özeti](https://blog.pragmaticengineer.com/the-pulse-tech-companies-move-to-open-ai-models/) de şirketlerin açık modellere yöneldiği örnekleri aktarıyor. Bu örnekler pazarın tamamı için kesin bir eğilim kanıtı değil; yine de model seçiminin teknik tercihin ötesinde bir altyapı ve işletim kararı olduğunu gösteriyor.

Düzenli ve yeterli hacimde bir iş yükü, kendi altyapınızı ekonomik kılabilir. Değişken veya sınırlı kullanımda ise hizmet olarak almak daha uygun olabilir. Karşılaştırmayı aynı iş yükünde, kabul edilebilir kalitede tamamlanan iş başına yapmak gerekir. Donanım giderine veya API faturasına tek başına bakmak eksik hesap olur.

## Uyarlama ihtiyacını önce gerçek hatada görün

Krikorian, açık modellerin yerel diller ve ihtiyaçlar için uyarlanmasını da değerli buluyor. Şirketin müşteri dilini veya sektörel terminolojisini daha iyi işleyen bir modelin faydası olabilir. Ancak bu fayda, modelin açık olmasından kendiliğinden doğmaz.

Önce eldeki modelin hangi işi yapamadığını görmek gerekir. Sorun güncel ürün bilgisine erişememesi ise ilgili belgeyi modele vermek yeterli olabilir. Doğru bilgi ve talimata rağmen aynı tür hatayı tekrarlıyorsa, örneklerle uyarlama anlam kazanabilir. [Fine-tuning kararını ele aldığım yazıda](/tr/kuruma-ozel-yapay-zeka-icin-fine-tuning-sart-mi) bu ayrımı daha ayrıntılı açıklamıştım.

Türkçe destek için uyarlanan modeli, eğitimde kullanılmamış gerçekçi müşteri mesajlarıyla sınamak gerekir. Önemli olan birkaç etkileyici cevap almak değil, hedeflenen hatanın azalması ve diğer işlerin bozulmamasıdır.

## Taşınabilirlik, başka yerde aynı işi yapabilmektir

Ağırlıkların elinizde olması, uygulamanın tamamını kolayca taşıyabileceğinizi göstermez. Belge araması, konuşma geçmişi, erişim kuralları ve izleme düzeni belirli bir platforma bağlanmış olabilir. Modeli değiştirirken bu parçaları da yeniden kurmanız gerekebilir.

![Aynı iş iki farklı AI ortamında çalıştırılırken taşınan parçalar ve yeniden kurulması gerekenler kontrol ediliyor](/images/inline-open-weight-ai/migration-test-makes-portability-real.avif)

[Stripe–OpenRouter anlaşmasını değerlendirdiğim yazıda](/tr/yapay-zekada-model-sayisi-artinca-asil-sorun-secim-oluyor), modellere erişim kolaylaşırken aracı platforma bağımlılığın büyüyebileceğini anlatmıştım. Açık ağırlıklı model kullanan bir sistemde de aynı sorunu yaşayabilirsiniz.

Bu yüzden alternatifin gerçekten çalışıp çalışmadığını küçük bir geçiş denemesiyle görmek daha yararlı. Aynı işi temsil eden örnekleri başka bir ortamda çalıştırın. Hangi parçaların taşındığını, hangilerinin yeniden kurulduğunu ve sonucun ne kadar değiştiğini kaydedin. Geçiş için gereken süre ve emek, bağımsızlık iddiasını somutlaştırır.


Mozilla’nın savunduğu açık altyapı, şirketlere daha fazla seçenek sunabilir. Bu seçeneklerden yararlanmak için her şeyi içeride işletmek gerekmiyor. Hangi parçanın kontrolünü neden istediğiniz belli olmalı. Veriyi içeride tutmak için katlanacağınız işletme yüküyle, ileride sağlayıcı değiştirebilmek için yapacağınız hazırlık aynı yatırım değildir. Bütçeyi ayırmadan önce bu iki ihtiyacı birbirinden ayırmak, model tercihinden daha kalıcı bir karar olabilir.

---

Language: Turkish
License: CC BY 4.0
License URL: https://creativecommons.org/licenses/by/4.0/
Scope: Evren Bal-authored text, unless this article expressly states otherwise.
Excluded: Third-party material, quoted excerpts, logos, and separately marked images retain their own rights.
Attribution: Credit Evren Bal, link to the canonical source and license, and indicate changes.
Source: https://evrenbal.com/tr/acik-agirlikli-kapali-model-ai-altyapisi-karari