Meta Llama Rehberi

Açık ağırlık modeli, model parametrelerini (ağırlıklarını) kamuya açan modeldir; eğitim verisi açık olmasa da, model dosyasını indirip kendi sunucunuzda çalıştırabilirsiniz. Meta, Llama 1’den itibaren bu yaklaşımı izledi. Ana avantajlar: veri egemenliği (veri makinenizi terk etmez), maliyet kontrolü (token başına ödeme yok, sadece donanım), özelleştirme (ince ayar / fine-tune özgürce yapılabilir).

Karşılığında dezavantaj: donanım maliyeti, devam eden bakım, modelin kendisi en ucu kovalayan kapalı modellerin (Claude, GPT-5, Gemini Pro) bir veya iki sürüm gerisinde olabilir. Bu fark her ay kapanır.

Llama 4 dört boyutta sunuldu (yaklaşık parametreler):

• Llama 4 Scout ~17B aktif (109B toplam, MoE) — Mid-tier hız, geniş bağlam
• Llama 4 Maverick ~17B aktif (400B toplam, MoE) — Çok güçlü, GPT-4o sınıfı
• Llama 4 Behemoth ~288B aktif (2T toplam) — Henüz sınırlı erişim, Claude Opus rakibi
• Llama 3.3 70B hâlâ yaygın kullanılıyor — daha küçük donanımda çalışıyor

Mixture-of-Experts (MoE) mimarisi, bellek kullanımını kontrol ederken aktif parametre sayısının düşük olmasını sağlar. Pratikte: aynı GPU’da daha yetenekli model çalıştırırsınız.

Llama’nın yerel çalışması için:

• 8B parametre (Llama 3 8B): 16 GB RAM yeterli; CPU üzerinde de çalışır, RTX 3060 (12 GB VRAM) hızlandırır.
• 70B parametre: 4-bit kuantizasyon ile 48 GB VRAM yeter (RTX A6000 veya iki RTX 4090). Apple Silicon Mac (M2/M3 Ultra, 64-128 GB unified memory) iyi bir seçenek.
• 400B Maverick: Bulut gerekiyor — 8x H100 veya bir DGX makinesi.

Kuantizasyon (Q4, Q5, Q8) modelleri 4-8 kat küçültür; kalite kaybı %1-3 seviyesinde, hız kazancı 3-5 kat. Llama.cpp, Ollama ve LM Studio kuantize sürümleri otomatik indirir.

Ollama, Llama’yı tek komutla çalıştıran en kolay araç:

# Mac/Linux: kurulum
curl -fsSL https://ollama.com/install.sh | sh
# Windows: ollama.com adresinden installer indirin

# Model indir + çalıştır
ollama run llama3.3:70b

# API olarak kullan (port 11434)
curl http://localhost:11434/api/generate -d '{
  "model": "llama3.3:70b",
  "prompt": "Türkçe selam"
}'

Ollama kütüphanesinde 100+ açık model hazır: Llama 3/4, Qwen 3, DeepSeek, Mistral, Gemma, Phi vb. Modelin İngilizce ad şemasıaile:boyut şeklinde — örn. qwen3:32b.

Llama 3, Türkçe konuşma için iyi düzeydeydi ama eğitim verisindeki İngilizce ağırlığı belli oluyordu. Llama 4 ile durum gözle görülür iyileşti — günlük yazışma, özet, kısa kod açıklaması Türkçe’de akıcı çıkıyor. Hâlâ premium modellerin (Claude, GPT-5) altındadır, özellikle uzun yazımda stil tutarlılığı zaman zaman kayar.

Türkçe-özel performans için fine-tuning tek etkili yöntem. Hugging Face üzerinde Türkçe eğitimli Llama türevleri (Trendyol-LLM, KuzeyTR, Türkçe-Llama) ücretsiz indirilir. Sıfırdan eğitmek pahalıdır; bir Türkçe veri seti hazırlayıp LoRA ile ince ayar yapmak en pratik yoldur.

Llama lisansı “açık” olsa da bazı kısıtlamalar var: 700 milyon aylık aktif kullanıcıyı aşan ürünler ayrı izin gerektirir (Türkiye’deki şirketlerin %99’u için sorun değil). Lisans metnini indirme sırasında kabul etmeniz istenir; kurum genelinde kullanım için hukuk ekibinizle gözden geçirin.

Üretilen çıktının ticari kullanımı serbest. Modeli yeniden eğitip dağıtmak istiyorsanız “Llama 4” ismini koruma ve Meta attribusyon koyma şartları var. Tam ücretsiz alternatif arıyorsanız Mistral (Apache 2.0) veya Qwen3 (Apache 2.0) tercih edin.