Gemma (Google Açık Ağırlıklı Model Ailesi)

#Gemma #Google #DeepMind #AcikKaynak #LLM #Multimodal

Google DeepMind'ın Apache 2.0 lisansıyla yayımladığı, Gemini altyapısına dayanan açık ağırlıklı çok modlu LLM ailesi.

Gemma, Google DeepMind tarafından 2024 yılında duyurulan ve Apache 2.0 lisansı altında yayımlanan açık ağırlıklı büyük dil modelleri (LLM) ailesidir. Gemma modelleri, Google'ın kapalı kaynaklı Gemini modeliyle aynı araştırma altyapısı ve eğitim teknikleri kullanılarak geliştirilmiş; ancak model ağırlıkları toplulukla paylaşılmıştır. 2026 yılında yayımlanan Gemma 4 serisi (2 Nisan 2026), 1B, 4B, 12B ve 27B yoğun (dense) ile 26B Mixture-of-Experts (MoE) varyantlarını içermektedir. Tüm Gemma 4 modelleri 128.000 token bağlam penceresini (context window) destekler. En büyük varyant olan 31B Dense modeli, Arena AI sıralamalarında üçüncü sıraya yükselmiş; matematik, kodlama ve akıl yürütme görevlerinde Meta'nın Llama 4 Maverick modelini geride bırakmıştır. Gemma 4, tüm varyantlarında yerel olarak çok modlu (natively multimodal) bir mimari kullanır: metin, görüntü ve videoyu tek bir model içinde işleyebilir; küçük modeller ise ses girdisini de desteklemektedir. Bu yapı, Gemma'nın önceki sürümlerine kıyasla büyük bir sıçramayı temsil eder; 1B ve 4B gibi hafif modeller bile görüntü anlama kapasitesiyle donanmıştır. Google, Gemma ekosistemini genişletmek amacıyla özel amaçlı türevler de yayımlamıştır: CodeGemma kod üretmeye, ShieldGemma içerik güvenliğine, PaliGemma görsel-dil görevlerine odaklanmaktadır. Bu türevler, araştırmacıların belirli uygulama alanlarında düşük hesaplama maliyetiyle güçlü sonuçlar elde etmesine imkân tanır. Model ailesi ince ayar (fine-tuning) ve özelleştirme süreçlerinde yaygın tercih edilen modellerden biridir. Hugging Face, Google Cloud Vertex AI, Kaggle ve Google AI Studio üzerinden erişilebilmekte; Google'ın AI Edge çerçevesiyle mobil ve gömülü cihazlarda da barındırılabilmektedir. Gemma 4'ün 1B modeli, modern akıllı telefonlarda bile gerçek zamanlı çıkarım yapabilecek kapasitededir. Türkiye'deki geliştiriciler ve KOBİ'ler için Gemma; açık ağırlıklı yapısı, ticari kullanıma uygun lisansı ve yerel barındırma olanağı ile öne çıkmaktadır. Veri gizliliği hassasiyeti yüksek sektörlerde (sağlık, hukuk, finans) tamamen çevrimiçi API'lere bağlı kalmadan yapay zeka tabanlı uygulamalar geliştirmek için uygun bir başlangıç noktası sunar. Gemma'nın LoRA ve QLoRA destekli ince ayar süreçleri, Hugging Face PEFT kütüphanesi aracılığıyla 8 GB VRAM'li tüketici sınıfı GPU'larda bile alan-spesifik modeller üretmek için kullanılabilir. Bu esneklik, araştırma ekiplerine büyük bulut bütçelerine gerek kalmadan Gemma'yı hukuk, tıp veya finans gibi özelleştirilmiş alanlara uyarlamak için pratik bir yol açar. Temmuz 2026 güncellemesiyle FlashAttention 4 desteği geldi: NVIDIA Hopper GPU'larında prefill %25-70 hızlandı, araç çağrısı (tool calling) güvenilirliği arttı. Haziran 2026'da tanıtılan Gemma 4 12B, metin, görüntü, ses ve videoyu ayrı kodlayıcı gerektirmeden işleyen ilk orta ölçekli açık model oldu; Multi-Token Prediction (MTP) desteğiyle llama.cpp'de çıkarım üç katına kadar hızlanıyor. Ağustos 2026 itibarıyla Gemma ailesi 900 milyon indirme eşiğini geçti.

Gemma Nedir?

Gemma, Google DeepMind tarafindan Gemini model ailesinin arastirma ve verimlilik altyapisina dayali olarak gelistirilen hafif buyuk dil modeli serisidir. Subat 2024'te duyurulan ilk Gemma modelleri, tuketici ve arastirma ekiplerinin tek GPU'da veya CPU'da kullanabilecegi boyutlarda sunuldu. Gemma'nin en belirgin ozelligi, tam kapali modellerle (GPT-4) tam acik modeller (Llama) arasinda konumlanan yari-acik lisans modelidir: agirliklara serbestce erisim saglanirken ticari kullanim bazi kosullara baglidir. Gemma 4'e uzanan surum silsilesi, her nesilde parametre verimliligi, baglam uzunlugu ve multimodal yetenek acisindan belirgin ilerleme kaydetmistir. Gemma ailesi, Google'in acik model ekosistemini güclendirme ve topluluk arastirmasini tesvik etme stratejisinin somut bir urunu olarak konumlandirilmaktadir.

Surum Gecmisi: Gemma 1'den 4'e

Gemma 1 (Subat 2024): 2B ve 7B parametre; temel (base) ve talimat-ince-ayarli (instruct) varyantlar. MMLU ve HellaSwag gibi kiyaslamalarda benzer boyuttaki Llama 2 modellerini geride birakti. Gemma 2 (Haziran 2024): 2B, 9B ve 27B varyantlari; GQA ile KV onbellek maliyeti dusuruldu, sliding window attention eklendi. 27B model GPT-3.5 Turbo ile rekabet eder konuma ulasti. Gemma 3 (Mart 2025): 1B, 4B, 12B, 27B; ilk kez tam multimodal destek (goruntu + metin), 128K token baglam penceresi. Gemma 4 (Nisan 2025): 1B'den 27B'ye yeniden dengelenmiş parametre dagilimi; Gemini mimarisinden devralınan tekniklerle dusuk parametre sayisinda yuksek kalite hedeflendi.

Teknik Ozellikler

Gemma 2 ve sonrasi modeller, Grouped-Query Attention (GQA) ile KV onbellek maliyetini dusurur; sliding window attention yerel iliskileri verimli modeller. Gemma, SentencePiece tabanli ozel bir tokenizer kullanir; sozluk boyutu 256K ile genis dil kapsamini hedefler. Post-egitimde RLHF ve SFT kombinasyonu uygulanarak guvenli ve yardimci yanit oretimi guclendirilmistir. Gemma 3 ile 128K token baglam uzunlugu ve tam multimodal destek (PaliGemma mirasini ana modele tasima) getirildi. Gemma modelleri JAX, PyTorch ve TensorFlow uzerinde resmi destek alir; Hugging Face Transformers entegrasyonu ilk surumlerin hemen ardindan saglanmis; GGUF formatinda quantized varyantlar da topluluk tarafindan Hugging Face'de yayimlanmistir.

Lisanslama ve Erisim

Gemma, OpenAI'nin kapali yapay zeka modelleri ile tam acik kaynakli (Apache 2.0) modeller arasinda konumlanan yari-acik bir lisans modelidir: agirliklara serbestce erisim saglanirken ticari kullanim belirli kosullara (Google'in Gemma Kullanim Kosullari) tabidir. Modeller Hugging Face Hub, Google Cloud Vertex AI ve Kaggle uzerinden indirilebilir. Ollama, LM Studio ve llama.cpp gibi yerel calistirma araclari Gemma'yi destekler; 2B/4B modeller islemci guclu dizustu bilgisayarlarda rahatlıkla calistirilabilir. Google AI Studio uzerinden Gemma modelleri API araciligiyla ucretsiz test edilebilir; bulut deploy icin Vertex AI veya Google Colab onerilir. Gemma ile uretilen ciktilar uzerinde telif hakki iddiasinda bulunulamaz; bu durum akademik ve ticari projeler icin avantaj olarak degerlendirilmektedir.

Guclu Oldugu Alanlar ve Kiyaslamalar

Gemma 2-27B, MMLU'de %74 civarinda skor alarak GPT-3.5 Turbo ve Llama 3-8B ile rekabet eder. HumanEval (kod uretimi) kiyaslamalarinda Gemma 2-9B, bircok 13B sinifi modeli gecmektedir. Matematik akil yurutmede GSM8K testinde Gemma 3-27B, ayni boyuttaki acikte modellerin onune gecmistir. Dil anlama (BIG-Bench, MMLU-Pro) ve cok dilli anlama (MGSM) gorevlerinde Gemma 3 guclu sonuclar bildirmistir. Yerel calistirma icin diger buyuk modellere gore daha az VRAM gerektirmesi, gelistirici deneyiminde onemli bir avantaj; 9B model A10G veya RTX 4090 GPU'da rahat calisirken 27B model bfloat16 formatinda 24GB VRAM ister.

Ekosistem: PaliGemma, CodeGemma, ShieldGemma

Google, Gemma'yi temel alarak gorev odakli varyantlar yayimlamistir. PaliGemma, goruntu ve metin cift girdisini isleyen multimodal modeli olup gorsel soru-cevap, goruntu yazilarina ve nesne tespiti gorevlerinde kullanilmaktadir. CodeGemma, kod tamamlama ve uretimi icin ince ayarli varyant; dolgu-tabanlı (fill-in-the-middle) kod sentezi destegi icerir. ShieldGemma, guvenli kullanim icin tasarlanmis guvenlik siniflandirici model olup zararli icerik tespitinde kullanilir. Gemma 3 ile bu varyantlarin yeteneklerinin bir bolumu ana modele tasindi; 2025 itibarıyla topluluk, Gemma tabanli cok sayida domain-specific fine-tune modeli Hugging Face'de yayimlamistir; bu topluluk fine-tune'lari Gemma'nin pratik uygulama yelpazesini tip, hukuk ve kodlama gibi alanlara genisletmistir.

Sik Sorulan Sorular

check_circle Gemma ile Llama arasindaki fark nedir? Her ikisi de agirliklarini halka acik sunan modellerdir, ancak lisans farklılık gosterir: Llama 3 Meta'nin ozel Llama Community License'iyla sunulurken Gemma Google'in kullanim kosullarına baglıdır. Kiyaslama tablolarinda benzer boyutlarda Gemma ve Llama birbiriyle rekabet eder; gorev bazinda hangi modelin ustun oldugu degisir.
check_circle Gemma yerel olarak nasil calistirilir? Ollama ile ollama pull gemma3 komutu yeterlidir. Alternatif olarak Hugging Face'den model indirilerek Transformers pipeline veya llama.cpp ile calistirilabilir. 2B ve 4B modeller islemci guclu dizüstu bilgisayarlarda, 9B model 16GB VRAM GPU'da rahat calisir.
check_circle Gemma API uzerinden kullanilabilir mi? Evet. Google AI Studio (aistudio.google.com) uzerinden Gemma modelleri ucretsiz olarak API ile test edilebilir. Uretim ortami icin Google Cloud Vertex AI uzerinden Gemma endpoint'leri olusturulabilir; fiyatlandirma token bazlidir.
check_circle Gemma'nin multimodal kapasitesi ne duzeyde? Gemma 3 ile goruntu + metin cift girdisi resmi olarak ana modele eklendi. PaliGemma varyanti gorsel soru-cevap ve goruntu yazilarina odakliydi; Gemma 3 bu yetenegi daha genis bir kapsama yaydi. Goruntu anlama kalitesi Gemini Pro ile karsilastirildiginda sinirli kalsa da yerel calistirma senaryolarinda guclu bir alternatiftir.
check_circle Gemma fine-tuning icin uygun mu? Evet. LoRA ve QLoRA ile Gemma modelleri tek GPU'da ince ayarlanabilir. Hugging Face TRL ve Axolotl kütüphaneleri Gemma destegi sunar; Google'in Gemma fine-tuning rehberleri resmi Kaggle ve Google Colab notebooklarinda mevcuttur. Kucuk Gemma varyantları (2B/4B) hızlı prototipleme için idealdir.
check_circle Gemma'yi Gemini ile karıstirmamak gerekir mi? Evet. Gemini, Google'in kapali API modeli ailesidir (Gemini 1.5 Pro, 2.0 Flash); Gemma ise agirliklarini acik sunan bagimsiz bir model serisidir. Ikisi de Google DeepMind arastirmalarina dayansa da farkli lisans, fiyatlandirma ve erisim modeliyle sunulur.