Open-Weight Model (Açık Ağırlıklı Model)

#OpenWeight #LLM #FineTuning #AcikKaynak

Model parametreleri kamuya açık dağıtılan, kendi altyapınızda çalıştırıp ince ayar yapabileceğiniz yapay zeka modeli.

Açık ağırlıklı model (open-weight model), eğitim sürecinin tamamlanmasının ardından model parametrelerinin —yani ağırlıkların— kamuya açık biçimde dağıtıldığı yapay zeka modelidir. GPT-4 veya Claude gibi tamamen kapalı modellerin aksine, açık ağırlıklı modellerde kullanıcılar parametreleri doğrudan indirebilir, kendi altyapılarında çalıştırabilir, özel veri kümeleriyle ince ayar yapabilir ve istedikleri platformda dağıtabilir. "Açık ağırlık" ile "açık kaynak" arasındaki kritik ayrıma dikkat etmek gerekir: "Açık ağırlık", yalnızca eğitilmiş model parametrelerinin paylaşıldığı anlamına gelir; eğitim kodu, veri seti ve metodoloji kapalı kalabilir. Gerçek "açık kaynak" ise —OLMo ve Pythia gibi örneklerde— eğitim sürecinin tüm bileşenlerini kapsar. Meta'nın Llama serisinde kullanılan Llama Community License, 700 milyonun üzerinde aylık aktif kullanıcıya sahip ürünlerde Meta onayını zorunlu kılar; bu nedenle Llama tam açık kaynak sayılmaz, yalnızca "açık ağırlık" olarak nitelendirilir. Öne çıkan açık ağırlıklı modeller: Meta'nın Llama ailesi (8B–405B parametre aralığı), Mistral ve Mixtral (Apache 2.0 lisansıyla kısıtlamasız ticari kullanım, Mixture of Experts mimarisiyle verimli çıkarım), Alibaba'nın Qwen 2.5 serisi, DeepSeek-R1 (MIT lisansıyla akıl yürütmede o1 ile kıyaslanabilir performans) ve Microsoft'un Phi-4'ü. Gemma 2 ise Google'ın araştırma odaklı katkısıdır. Donanım gereksinimleri model boyutuna bağlıdır: 7B parametreli Q4 kuantize model, tüketici düzeyinde 6 GB VRAM ile çalışabilir; 70B model ise en az 40 GB VRAM veya güçlü bir CPU ve RAM kombinasyonu gerektirir. Ollama, LM Studio ve llama.cpp, yerel çalıştırmayı kolaylaştıran başlıca araçlardır; ollama run llama3:8b komutuyla dakikalar içinde yerel bir LLM başlatılabilir. Açık ağırlıklı modellerin tercih edilme nedenleri arasında veri gizliliği gerektiren kurumsal senaryolar, API bağımlılığını ve maliyetini sıfırlama ihtiyacı, çevrimdışı ortamlarda çalışma zorunluluğu ve alana özgü ince ayarla performans artırma yer alır. 2025 itibarıyla Llama 3.3 70B, GPT-4o-mini düzeyinde genel dil becerisi sergilerken DeepSeek-R1 matematiksel akıl yürütmede GPT-o1 ile doğrudan rekabet etmektedir; bu gelişmeler açık modellerin kapalı modellerle gerçek anlamda rekabete girdiğini ortaya koymaktadır.

compare Açık Ağırlık vs Açık Kaynak

"Açık ağırlık" ve "açık kaynak" farklı kavramlardır. Açık kaynak, eğitim kodu ve verisini de kapsar; açık ağırlık yalnızca checkpoint dosyalarını kamuya sunar. Llama 3, ticari kullanım için lisans gerektirir — bu nedenle tam "açık kaynak" değil, "açık ağırlık" olarak sınıflandırılır. Mistral ve Falcon gibi modeller daha özgür lisanslarla sunulur.

Açık Ağırlıklı Öne Çıkan Modeller

public Llama 3 (Meta)

8B ve 70B parametreli; ticari kullanım için Meta lisansı gerektirir.

speed Mistral / Mixtral

Apache 2.0 lisansı; ticari ve araştırma kullanımı için kısıtlamasız.

science Gemma (Google)

Google'ın araştırma odaklı açık ağırlık modeli; 2B ve 7B sürümleri mevcut.

Önemli Açık Ağırlıklı Modeller

  • check_circle LLaMA Ailesi (Meta): LLaMA 3.1: 8B, 70B ve 405B boyutlarında; Llama Community License ile ticari kullanıma açık (500M+ kullanıcı eşiğiyle). LLaMA 3.2: multimodal versiyonlar (11B, 90B); görüntü anlama desteği. Fine-tune ekosistemi zengin: Ollama, Hugging Face, Together AI.
  • check_circle Mistral ve Mixtral: Mistral 7B: boyutuna göre en güçlü açık modeller arasında. Mixtral 8×7B: Mixture of Experts mimarisi; 8 uzman ağdan 2'si aktif — verimli ve güçlü. Apache 2.0 lisansı: kısıtlamasız ticari kullanım.
  • check_circle Qwen ve DeepSeek: Qwen 2.5 (Alibaba): 0.5B-72B; çok dilli güçlü; matematik ve kodda üst düzey. DeepSeek-R1: akıl yürütme odaklı; MIT lisansıyla tam açık; o1 ile karşılaştırılabilir performans. DeepSeek-V3: 671B Mixture of Experts; maliyet açısından verimli eğitim.
  • check_circle Küçük Açık Modeller: Phi-3 / Phi-4 (Microsoft): 3.8B-14B; bilgi yoğun eğitim verisiyle boyutuna göre üstün performans. Gemma 2 (Google): 2B-27B; MIT lisansı. SmolLM2 (Hugging Face): 135M-1.7B; gömülü sistemler için. Yerel çalıştırma: Ollama, LM Studio, llama.cpp ile tüketici GPU/CPU'da çalışır.

Açık Ağırlık ile Gerçekten Açık Kaynak Arasındaki Fark

Terminoloji önemlidir. 'Açık ağırlık' (open-weight): model parametreleri kamuya açıktır ama eğitim kodu, veri seti ve eğitim metodolojisi paylaşılmayabilir. 'Gerçekten açık kaynak': eğitim kodu, veri seti ve ağırlıklar kamuya açık. OLMo (Allen AI), pythia (EleutherAI) gerçek açık kaynak örnekleri. Lisans çeşitliliği: MIT, Apache 2.0, Llama Community License, RAIL. Ticari kullanım öncesi lisans şartlarını dikkatlice okuyun; bazı modellerde rakip kullanım veya belirli kullanım alanı kısıtlamaları var.

quiz Sık Sorulan Sorular

  • check_circle Neden açık ağırlık tercih edilir?: Veri gizliliği, çevrimdışı çalışma, API maliyeti sıfırlama ve modeli özelleştirme ihtiyacı başlıca nedenlerdir.
  • check_circle Açık ağırlıklı modeller kapalı modellerle rekabet edebilir mi?: 2024-2025 itibarıyla Llama 3.3 70B, GPT-4o-mini düzeyinde performans sergilemektedir.
  • check_circle Açık ağırlıklı model nedir?: Model parametrelerinin (ağırlıkların) kamuya açık olarak dağıtıldığı yapay zeka modelidir. Kullanıcılar modeli kendi altyapısında çalıştırabilir, fine-tune edebilir ve dağıtabilir. GPT-4 gibi kapalı modellerin aksine, sunucu bağımlılığı yoktur.
  • check_circle En iyi açık ağırlıklı modeller hangileri?: Genel kullanım: LLaMA 3.1 70B veya Qwen 2.5 72B. Akıl yürütme: DeepSeek-R1 veya QwQ-32B. Küçük/yerel: Phi-4, Gemma 2 9B veya Mistral 7B. Kod: DeepSeek-Coder veya Qwen 2.5-Coder.
  • check_circle Açık model çalıştırmak için ne gerekir?: 7B model Q4 kuantize: 8GB RAM (CPU) veya 6GB VRAM (GPU). 13B model: 12GB+ RAM/VRAM. 70B model: 40GB+ VRAM veya çok güçlü CPU + RAM. Ollama ile çalıştırma: ollama run llama3:8b komutu yeterli.
  • check_circle Açık ağırlıklı modeller ticari projede kullanılabilir mi?: Lisansa bağlıdır. Mistral ve Gemma 2: Apache 2.0 — tam ticari özgürlük. LLaMA 3: Llama Community License — 700M+ MAU olan ürünlerde Meta izni gerekir. DeepSeek-R1: MIT lisansı — kısıtlamasız. Her projenin başında lisans şartlarını okuduğunuzdan emin olun.