‍

Geçen hafta üst üste iki şey oldu, ikisi de aynı yere, bu yazının konusuna çıktı. Gelin başlayalım anlatmaya:

Önce Anthropic, en güçlü modeli Fable 5'i 9 Haziran'da duyurdu (ki cidden canavar çalışan bir modedi). Üç gün sonra, 12 Haziran Cuma akşamı, dünya genelinde kapattı. Sebep teknik bir arıza değildi — ABD hükümetinin getirdiği, uyruk bazlı bir ihracat kısıtlamasıydı. (ABD vatandaşı olmayan bizler örselendik) Paylaşımlı bir bulut servisinde "şu ülkenin vatandaşı kullanamaz" kuralını seçici biçimde uygulamak zor olunca, şirket modeli komple fişten çekti. (Diğer Claude modelleri çalışıyor, ortada bir kıyamet yok — ama olay düşündürücü.)

İki olay, iki ayrı problem. Ama ikisinin de altında aynı cümle var: modelin tamamen birinin bulutunda, birinin API'ında, birinin fiyat politikasında yaşıyorsa — o model aslında senin değil. Bir sabah erişimin kapanabilir, bir akşam faturan patlayabilir.

İşte açık kaynak (open source / open weight) modeller tam da bu yüzden yeniden gündemin tepesine oturdu.

Önce şunu netleştirelim: "açık" tam olarak ne demek?

Burada ufak bir araya gireyim, çünkü kelimeler karışıyor. Çoğu zaman "open source" denip kastedilen şey aslında open weight — yani modelin ağırlıklarını (weights) indirip kendi sunucunda, hatta kendi makinende çalıştırabilmen. Eğitim verisi ve kodun tamamı açık olmayabilir, ama modeli self-host edebiliyorsun. Pratikte bu yeterli: Erişimi kimse senden alamaz, fiyatı kimse bir gecede değiştiremez, veri de senin tarafında kalır.

Kapalı API'ın konforu hâlâ yerinde duruyor — kurulum yok, bakım yok, en güçlü modele anında erişim var. Ama Fable olayından sonra herkes aynı soruyu soruyor: "Ya bağımlı olduğum model bir gün kapanırsa?"

Peki hangi modeller konuşuluyor?

Son bir yılda açık ağırlık tarafı sessiz sedasız frontier'a yaklaştı. Şu an en çok adı geçenler:

• DeepSeek V4 (Pro / Flash): Fiyat-performansta açık ara öne çıkan isim. BenchLM'in açık model sıralamasında en tepede. Self-host edenler için maliyet-çıktı dengesi şu an en iyisi sayılıyor; Flash sürümü de en ucuz API seçeneklerinden.
• GLM-5.1 (Zhipu AI): Agentic mühendislik ve uzun soluklu yazılım görevleri için tasarlanmış. Buradaki kritik detay lisans: MIT lisansı, yani kurumsal fine-tuning ve ticari kullanımda ciddi bir özgürlük demek. (Ollama üzerinden Openclaw için kullanıyoruz, memnunuz, bu yazı yazılırken 5.2’si de geldi)
• Kimi K2.6: Sub-agent paralelliği için kurgulanmış — yani görev sınırları net, harness'a bağlı pipeline'larda güçlü.
• Qwen 3.5 / 3.6 Plus (Alibaba): Agentic coding tarafında en güçlü açık ağırlık seçeneklerden. 1M token context window'u ve frontier'a yakın skorlarıyla dikkat çekiyor.
• Gemma 4 (Google): Bu listenin "küçük ama iddialı" üyesi. Gemini 3 üzerine kurulu, E2B'den 31B'ye kadar farklı boyutları var, 256K context ve Apache 2.0 lisansıyla geliyor. İlginç olan şu: 31B Dense sürümü, boyutunun çok üstündeki modelleri matematik ve kodda geçebiliyor, Arena sıralamasında en üst açık modellerden biri. Boyutu küçük olduğu için evde/edge'de çalıştırmaya da en uygun adaylardan.

​Liste daha da uzuyor, ama mesele şu: artık "açık model = ikinci sınıf" denklemi geçerli değil. Bu modeller gerçek işlerde gerçekten çalışıyor.

"İyi de hangisi en iyi?" — yanlış soru

Buraya gelince herkes aynı yere takılıyor: Tabloya bakıp en üstteki modeli seçeyim. Ama tek bir "en iyi model" yok. Bir model kodlamada lider, bir diğeri muhakemede, bir başkası fiyat-performansta öne çıkıyor. Her sıralama platformu aslında farklı bir soruyu yanıtlıyor.

Bu konuda bir carousel hazırladık (Linkedin’de paylaştık, kaçırdıysan göz at). Kısaca, sık kullanılan 5 platform ve neyi ölçtükleri:

• ITBench-AA (artificialanalysis.ai) — Modele gerçek bir Kubernetes olayı verip kök nedeni bulmasını ister. Soru sormaz, modeli gerçek bir görevde çalıştırır.
• LMArena / Chatbot Arena (lmarena.ai) — İki modelin yanıtını isimleri gizliyken yan yana koyar, insan oyu toplar, satrançtaki Elo gibi puanlar. 6 milyondan fazla oya dayanıyor. "Gerçek insanlar hangi cevabı seçiyor?" sorusu.
• Vellum LLM Leaderboard (vellum.ai) — Artık ayırt etmeyen (doygunlaşmış) testleri eler, güncel benchmark'ları fiyat ve hızla gösterir. Açık kaynak modeller için ayrı bir tablosu var.
• LLM-Stats (llm-stats.com) — GPQA, SWE-Bench, arena puanı ve fiyatı tek skorda birleştirir. 300+ modeli throughput ve latency ile izler, güçlü bir açık kaynak filtresi var.
• ​BenchLM (benchlm.ai) — 237 modeli 221 benchmark'ta yan yana izler. Üstelik her skorun "ne kadar veriye dayandığını" gösteren bir güven işareti sunuyor.

Bize göre okuma şekli şu: tek bir skora değil, o skorun neyi ölçtüğüne bak. Benchmark + insan oyu + maliyeti birlikte değerlendir. Ve en sonunda — en iyi test, kendi prompt'larınla yaptığın testtir. Tablolar yön gösterir, kararı senin işin verir.

Şimdi de işin "evde çalıştırma" tarafı

Tam bu açık model dalgasının üstüne, AMD geçen hafta Ryzen AI Max+ 395 tabanlı yeni bir yerel AI makinesini ("Ryzen AI Halo") ön satışa açtı.

AMD'nin vaatleri iddialı:

• 128 GB unified memory
• 200B parametreye kadar model desteği
• Windows ve Linux
• Kutudan çıkar çıkmaz çalışan AI workflow'ları

Fiyat etiketi 3.999 dolar civarı. AMD'nin mesajı net: "Bulut kısıtları olmadan, lokalde build et, prototiple, deploy et." Yani Fable gibi bir kapanma ya da 500 milyonluk bir fatura senaryosu seni hiç ilgilendirmesin diye, modeli kendi masana koy.

Kulağa rüya gibi geliyor, değil mi? İşte tam burada bir uyarı şart.

Gerçeklik payı: "AI evine geldi" söylemine biraz fren

Güvenlik tarafından Alican Kiraz'ın bu konuda yerinde bir uyarısı vardı. Özetle dediği şu: "5 bin dolarlık API harcamalarına son, 230B model ayağa kaldıracaksın, AI evine geldi" tarzı söylemlerin çoğu sıfır gerçekçilik içeriyor. Evde ciddi büyük modelleri rahat çalıştırmak için işin aslında 4x Nvidia DGX Spark, 3x RTX Pro 6000 96GB ya da 6x AMD Radeon Pro W7800 gibi cluster'lı sistemlere kadar gidiyor.

Yani 128 GB'lık tek bir kutu, orta boy modelleri makul bir hızda çalıştırmak için harika — ama "frontier modeli evimde uçuruyorum" beklentisiyle alırsan hayal kırıklığı olur. Kiraz'ın pratik özeti de güzeldi: bütçe kısıtlı ve hız sorun değilse AMD Ryzen 395+ Max; fine-tuning ve ML'de derinleşeceksen Nvidia DGX Spark; teknikle uğraşmak istemeyip orta hızda vibecoding/agentic kullanım yetiyorsa Apple M5 Max 64-128GB tarafına bak.

Bizim buradan çıkardığımız ders çok Brick'çe: araç heyecanı ile gerçek ihtiyacı karıştırma. Önce kendi görevini tanımla — kod mu, muhakeme mi, gizlilik mi, maliyet mi? Sonra modeli ve donanımı ona göre seç. Ters sıra, çoğu zaman pahalı bir oyuncakla biten yol.

Özetle

Fable'ın kapanması ve o 500 milyonluk fatura, aslında bize tek bir şeyi hatırlattı: tek bir sağlayıcıya tam bağımlılık bir strateji değil, bir risk. Açık ağırlık modeller bu riske karşı sahici bir alternatif sunuyor — hem de artık gerçekten güçlü olanları var. Donanım tarafı da (AMD'nin hamlesiyle) hızla erişilebilir hale geliyor. Ama "evde 230B" hype'ına da kapılmadan, ayağı yere basan bir gözle bakmak lazım.

Biz de Brick olarak bu modelleri deneyerek ya da deneyenlerden dinleyerek ilerlemeye devam ediyoruz.

Ve tam da bu yüzden sadece araçları değil, bu araçların etrafında değişen insanları ve işleri de konuşmak gerekiyor.

‍