LLaMA (Meta LLaMA Modelleri)

#LLM #AcikAgirlikliModel #Meta #FineTuning

Meta tarafından geliştirilen ve ağırlıkları kamuya ücretsiz dağıtılan açık kaynak büyük dil modeli ailesi.

LLaMA (Large Language Model Meta AI), Meta AI tarafından 2023 yılında kamuoyuna sunulan açık ağırlıklı (open-weight) büyük dil modeli serisidir. GPT-4 ve Claude gibi yalnızca API erişimiyle sunulan kapalı modellerin aksine, LLaMA ağırlık dosyaları araştırmacılara ve geliştiricilere ücretsiz olarak dağıtılır; bu yapı modeli indirilebilir, yerel sunucularda barındırılabilir ve farklı alanlara ince ayar yapılabilir hâle getirir. LLaMA serisi aşamalı olarak gelişti. 2023 başında yayımlanan LLaMA 1, kısa sürede sızdırılmasıyla birlikte Alpaca ve Vicuna gibi topluluk türev modellerinin önünü açtı. LLaMA 2, ticari kullanıma tam açılan ilk versiyon olarak şirketlerin kendi sunucularında özel asistan kurmasına olanak tanıdı. LLaMA 3 ve 3.1, 8B ile 405B arasındaki parametre aralığıyla GPT-4o ile başa baş rekabet edebilir düzeye ulaştı; LLaMA 3.1 405B modeli, Ağustos 2024'te açık ağırlıklı modeller için tarihi bir kırılma noktası olarak değerlendirildi. 2025'te tanıtılan LLaMA 4 ise Mixture-of-Experts mimarisiyle metin, görsel ve sesi bir arada işleyebilen çok modlu bir yapıya geçti. Teknik açıdan LLaMA, standart Transformer bloklarını Grouped Query Attention (GQA) ve Rotary Position Embedding (RoPE) optimizasyonlarıyla güçlendirir. Bu düzenlemeler bellek bant genişliğini azaltır ve bağlam uzunluğunu artırır. Modeller 2 trilyon tokeni aşan çok dilli eğitim verisiyle ön eğitim alır; ardından RLHF ve SFT ince ayar aşamalarından geçer. Ekosistem oldukça geniştir. Ollama, LM Studio ve Jan gibi araçlar teknik bilgi gerektirmeden yerel LLaMA çalıştırmayı mümkün kılar. Unsloth ile QLoRA yöntemi, 24 GB VRAM'li tek bir tüketici GPU'sunda 70B parametre ince ayarını gerçekleştirir. Hugging Face Hub'daki on binlerce türev model — CodeLlama, Llama-Guard, tıbbi LLaMA türevleri — bu açık ekosistemi genişletmeye devam etmektedir. LLaMA lisansı belirli koşullarla ticari kullanıma izin verir; aylık 700 milyonu aşan kullanıcı tabanında Meta'dan ek lisans alınması gerekmektedir. Türkiye'deki geliştiriciler için LLaMA, GPT-4 API maliyetleri yerine aylık sıfır dolara yakın giderle yüksek kaliteli dil işleme olanağı sunar. LLaMA 3.1 ve üzeri modeller Türkçeyi desteklemekte; açık kaynak topluluk modelleri bu desteği geliştirmeye devam etmektedir.

public Neden Devrimsel?

Eskiden GPT-4 gücünde bir model yapmak yalnızca milyar dolarlık şirketlerin tekelindeydi. Meta, LLaMA serisini (7B, 13B, 70B, 400B parametreli varyantlarla) herkese açınca, dünya genelindeki binlerce bağımsız araştırmacı bu modeli kendi dillerine, sektörlerine veya sansürsüz versiyonlara göre kendi bilgisayarlarında ince ayar yapmaya başladı.

LLaMA Versiyonları

looks_one LLaMA 1 (2023)

İlk yayınlandığında araştırmacılara sızdırıldı ve açık kaynak topluluğunun ChatGPT klonları (Alpaca, Vicuna) üretmesini başlattı.

looks_two LLaMA 2

Ticari kullanıma tamamen açılan ilk dev model. Şirketlerin kendi özel AI asistanlarını sunucularında barındırmasına olanak tanıdı.

looks_3 LLaMA 3 / 3.1

GPT-4o ile rekabet edebilir düzeye ulaşan ilk açık ağırlıklı model ailesi. LLaMA 3.1 405B, Ağustos 2024'te tarihsel bir kırılma noktası olarak değerlendirildi.

looks_4 LLaMA 4 (2025)

Mixture-of-Experts (MoE) mimarisi ve çok modlu yapısıyla metin, görsel ve sesi aynı anda işler; Scout ve Maverick modelleriyle farklı donanım senaryolarına hitap eder.

LLaMA ile Neler Yapılabilir? Pratik Kullanım Senaryoları

  • check_circle Yerel Dağıtım: Ollama ile Birkaç Komutla Çalıştırma: Ollama aracı ile "ollama run llama3.2" komutu verilerek LLaMA modeli saniyeler içinde yerel makinede çalışır hâle gelir. İnternet bağlantısı gerekmez; veri gizliliği tam korunur. LM Studio, Jan ve GPT4All gibi uygulamalar da sıfır kod bilgisiyle yerel LLaMA çalıştırmayı mümkün kılar.
  • check_circle LoRA/QLoRA ile Verimli İnce Ayar: LLaMA'nın tam ince ayarı (full fine-tuning) onlarca GPU gerektirirken LoRA (Low-Rank Adaptation), mevcut ağırlıkları dondurarak yalnızca küçük ek matrisler eğitir. QLoRA ise modeli 4-bit nicemleme ile yükleyerek tek tüketici GPU'sunda (24 GB VRAM) 70B parametreli LLaMA modelini ince ayar yapılabilir kılar.
  • check_circle RAG Sistemi için Temel Model: Retrieval-Augmented Generation (RAG) sistemlerinde LLaMA, kurumsal belgelere veya özel veritabanına erişim sağlayan bir retriever ile birleştirilir. Bu yapıda model halüsinasyon yapmak yerine doğrulanmış kaynaklardan yanıt üretir; şirket içi chatbot ve belge sorgulama için idealdir.
  • check_circle Çok Dilli ve Özel Alan Modelleri: LLaMA 3.1 ve sonraki versiyonlar İngilizce dışında Almanca, Fransızca, İtalyanca, Portekizce, Hintçe, İspanyolca ve Türkçe dahil çok dilli destek sunar. Bu açık yapı aracılığıyla tıp, hukuk veya finans gibi özel alanlara ince ayar yapılmış türev modeller Hugging Face Hub'da topluluğa paylaşılmaktadır.

LLaMA'nın Açık Ağırlık Model Olarak Önemi

Meta'nın LLaMA modellerini açık ağırlık olarak yayımlaması büyük dil modeli ekosistemini köklü biçimde dönüştürdü. GPT-4 veya Claude gibi kapalı modellerin aksine LLaMA ağırlıkları indirilebilir, yerel olarak çalıştırılabilir ve ince ayar yapılabilir. Bu durum API maliyeti olmadan sınırsız kullanım, tam veri gizliliği ve model davranışı üzerinde tam kontrol anlamına gelir. LLaMA'nın yayımlanmasının ardından Mistral, Vicuna, Alpaca, WizardLM gibi onlarca türev model ortaya çıktı; bu ekosistem araştırma hızını önemli ölçüde artırdı. LLaMA 3.1 405B modeli, açık ağırlıklı modellerin GPT-4 seviyesine ulaşabildiğini kanıtlamasıyla sektörde kritik bir dönüm noktası oldu.

Ekosistem, Araçlar ve Türkiye Kullanımı

  • check_circle Yerel Çalıştırma Araçları: Ollama, LM Studio ve Jan uygulamaları teknik bilgi gerektirmeden LLaMA modellerini Windows, macOS ve Linux üzerinde saniyeler içinde çalışır hâle getirir. LLaMA 3.2 1B ve 3B gibi küçük modeller güçlü bir dizüstü bilgisayar CPU'sunda bile çalışabilir.
  • check_circle Verimli İnce Ayar: Unsloth ve QLoRA: Unsloth kütüphanesi, 7B-70B parametreli LLaMA modellerini tek tüketici GPU'sunda bellek kullanımını %70'e varan oranda azaltarak ince ayar yapılabilir kılar. Kurumsal veri kümelerine özel ince ayar bu yaklaşımla uygun maliyetli hâle gelir.
  • check_circle Türev Model Ekosistemi: Hugging Face Hub'daki on binlerce LLaMA türevi — CodeLlama (kod üretimi), Llama-Guard (içerik denetimi), Meditron (tıp), Türkçeye özelleştirilmiş modeller — topluluğun katkılarıyla büyümektedir.
  • check_circle Türkiye'de LLaMA Kullanımı: LLaMA 3.1 ve üzeri Türkçeyi resmi olarak desteklemektedir. Kendi sunucusunda LLaMA barındıran Türk startuplar ve KOBİ'ler aylık dolar bazlı API giderlerini önemli ölçüde azaltabilir. Türkçe doğal dil işleme için Hugging Face Hub'da ince ayar yapılmış Türkçe LLaMA modelleri mevcuttur.

Sık Sorulan Sorular

  • check_circle LLaMA nedir?: LLaMA (Large Language Model Meta AI), Meta tarafından geliştirilen ve ağırlıkları kamuya ücretsiz olarak dağıtılan büyük dil modeli ailesidir. LLaMA 1 (2023) ile başlayan seri LLaMA 4'e (2025) uzanmakta; açık ağırlık yapısı araştırmacı ve geliştiricilerin modeli yerel olarak çalıştırmasına ve ince ayar yapmasına olanak tanımaktadır.
  • check_circle LLaMA nasıl çalıştırılır?: En kolay yol Ollama uygulamasını kurup terminalde "ollama run llama3.2" komutunu çalıştırmaktır. Küçük modeller (1B-8B) tüketici sınıfı GPU veya güçlü CPU'da çalışır; büyük modeller (70B+) için çoklu GPU veya QLoRA bellek optimizasyonu önerilir.
  • check_circle LLaMA lisansı ticari kullanıma uygun mu?: LLaMA 2 ve LLaMA 3 lisansları ticari kullanıma izin verir; ancak aylık 700 milyonun üzerinde aktif kullanıcısı olan şirketler Meta'dan ayrı lisans almak zorundadır. Modeli bir ürüne entegre etmeden önce ilgili versiyon için güncel lisans metnini incelemeniz önerilir.
  • check_circle LLaMA ile GPT-4 farkı nedir?: GPT-4, yalnızca OpenAI API'si aracılığıyla kullanılabilen kapalı bir modeldir; ağırlıkları paylaşılmaz. LLaMA ise ağırlıkları indirilebilen açık bir modeldir: yerel çalıştırma, veri gizliliği ve ince ayar avantajı sunar. LLaMA 3.1 405B, performansta GPT-4o ile rekabet edebilir düzeydedir.
  • check_circle Türkçe için LLaMA kullanabilir miyim?: LLaMA 3.1 ve sonraki versiyonlar Türkçeyi resmi olarak desteklemektedir. Hugging Face Hub'da Türkçeye özelleştirilmiş ince ayar modelleri mevcuttur; bu modeller Türkçe girdi-çıktı kalitesini önemli ölçüde artırır.