Yapay zekayla çalışmak

Açık modeller: Kimi, DeepSeek ve Qwen

Açık model, model ağırlıklarının indirilebilir dosyalar olarak yayımlanması ve bu dosyaları kendi denetimizdeki donanımda çalıştırabilmeniz demektir. Açıklık bir şirketin değil, tek bir deponun özelliğidir: Z.ai kataloğunun içinde GLM-5.2 MIT altında dururken GLM-5.3 üreticinin kendi yazdığı özel bir lisans taşır.

  • Ders 8 / 15
  • Orta
  • Ücretsiz, kayıt yok

Dört üretici ve her deponun bugün taşıdığı lisans

Sütunlar üretici, kartlar depodur. İki sütunda, aynı şirketten iki deponun iki farklı lisans taşıdığına dikkat edin.

  1. Moonshot

    1
    • Kimi-K3

      özel kimi-k3 lisansı, yirmi milyon dolar koşuluyla

  2. DeepSeek

    1
    • DeepSeek-V4-Pro-0813

      MIT, hiçbir gelir koşulu olmadan

  3. Alibaba (Qwen)

    2
    • Qwen3.8-27B

      Apache 2.0, koşulsuz

    • Qwen3.8-2.4T-A95B

      özel lisans, elli milyon dolar koşuluyla

  4. Z.ai (GLM)

    2
    • GLM-5.2

      MIT

    • GLM-5.3

      özel lisans, on milyar dolar koşuluyla

Bu, 6 Eylül 2026 tarihindeki durumdur ve kalıcı değildir. Bir deponun lisansı sonraki sürüm çıktığında değişir ve bu listenin birkaç hafta sonra yeniden okunması gerekir.

Son kontrol: Bu dersteki bilgiler ve araç adları bu tarihte kaynaklarıyla yeniden doğrulanır.

Bir modele açık dediğimizde tam olarak ne açıktır

Türkçede ve Farsçada açık denen üç bambaşka şey var ve bunlar ayrılmadan sayfanın geri kalanı bir anlam taşımaz. Birincisi açık ağırlıklar: modelin öğrendiği sayılar onlarca indirilebilir dosya olarak yayımlanmıştır ve bu dosyaları kendi donanımınıza yükleyebilirsiniz. İkincisi yazılım anlamında açıklık, yani eğitim kodunun ve eğitim verisinin de yayımlanmış olması ve lisansın Apache 2.0 ya da MIT gibi tanınmış lisanslardan biri olması. Üçüncüsü ise hiç açık olmayan ama sürekli ötekilerle karıştırılan şey: yalnızca bir API üzerinden ve ucuza satılan model.

Bu sayfada adı geçen modellerin neredeyse hepsi yalnızca birinci gruba girer. Ağırlıklar var, eğitim verisi yok ve birkaç durumda lisans da standart bir lisans değil, üreticinin yazıp kendi modelinin adını verdiği bir metin. İndirebilirim ile onunla her şeyi yapabilirim arasındaki mesafe, ticari bir projenin tam olarak takıldığı yerdir ve genellikle iş bittikten sonra fark edilir.

Tutumumuz şu: bu depo bugün hangi lisansı taşıyor diye sorun, bu şirket açık kaynak mı diye değil. İkinci sorunun yanıtı yoktur. Bir üretici küçük modelini Apache 2.0 ile, amiral gemisini koşullu bir lisansla yayımlayabilir ve tam olarak bunu yapar.

Açık model nedir? Kimi, DeepSeek ve Qwen lisansları

Hangi modelleri gerçekten indirebilirsiniz

Aşağıdaki tabloyu 6 Eylül 2026 tarihinde doğrudan her üreticinin Hugging Face üzerindeki kendi deposundan okuduk. Lisans sütunu, haberlerin söylediği değil, model kartının kaydettiği şeydir.

DepoKayıtlı lisansParametre
Qwen/Qwen3.8-27BApache 2.027,8 milyar
zai-org/GLM-5.2MIT753 milyar
zai-org/GLM-5.3özel glm-5.3 lisansı753 milyar
deepseek-ai/DeepSeek-V4-Pro-0813MIT1,65 trilyon
moonshotai/Kimi-K3özel kimi-k3 lisansı2,78 trilyon
Qwen/Qwen3.8-2.4T-A95Bözel qwen3.8-max lisansı2,45 trilyon
meta-llama/Llama-4-Scout-17B-16E-InstructLlama 4 topluluk lisansı108,6 milyar
mistralai/Mistral-Large-3-675B-Instruct-2512Apache 2.0kayıtlı değil

Bu tabloda bakmaya değer iki şey var. Birincisi ikinci ve üçüncü satırların aynı şirketten gelmesi ve aynı lisansı taşımaması; Qwen satırları da aynı şeyi söylüyor, 27 milyarlık model Apache 2.0 iken amiral gemisi değil. İkincisi listedeki en büyük modellerin tam da koşullu lisans taşıyanlar olması. Bu bir rastlantı değil: koşullar, ticari değeri en yüksek model için yazılır.

Adlar hakkında listelerin sürekli yanlış aktardığı bir not: bir sıralama tablosundaki ad çoğu zaman bir modelin adı değildir. Kimi K3 Max ve GLM-5.2 Max, üretici belgelerinde ayrı modeller değildir; orada max bir akıl yürütme çabası düzeyidir. Yani sıralama tablosunda basılan diziyi değil, deponun kendisini arayın.

Lisans nasıl okunur: birbirine benzeyen üç koşul

Bu listedeki üç özel lisansı yan yana koyup üçünün de metnini okuduk. Yapıları neredeyse aynı: önce MIT tarzı son derece serbest bir izin, sonra yalnızca bir gelir eşiğinin üzerinde devreye giren iki koşul ve en sonda dahili kullanımın ikisinden de muaf olduğunu söyleyen açık bir istisna.

Kimi K3 lisansında ilk koşul şöyle: işiniz hizmet olarak model ise, yani üçüncü bir tarafın girdiler ve parametreler üzerinde anlamlı denetim kurmasına izin veriyorsanız ve herhangi ardışık on iki ayda toplam geliriniz yirmi milyon doları aşıyorsa, her türlü ticari kullanımdan önce Moonshot ile ayrı bir anlaşma yapmanız gerekir. İkincisi, aylık aktif kullanıcısı yüz milyonu ya da aylık geliri yirmi milyon doları aşan bir ürünün arayüzünde Kimi K3 adını göstermesi gerektiğini söyler. Dördüncü madde ise ikisinin de dahili kullanımı ilgilendirmediğini açıkça yazar.

GLM-5.3 lisansı aynı şablonu çok daha yüksek bir eşikle izler: on iki ayda on milyar dolar gelir ve anlaşma yerine Z.ai güvenlik incelemesinden geçme koşulu. Qwen3.8-Max lisansı ise elli milyon dolar koyar ve yapay zeka iş asistanı adında ikinci bir kategori ekler; yani öncelikli olarak kodlama ya da ofis üretkenliği için kurulmuş bağımsız bir ürün.

Şimdi pratik sonuç, ve burası çoğu yazının ya korkuttuğu ya da her şeyi düzleştirdiği yer. Birkaç düzine çalışanı olan bir şirket için yukarıdaki üç eşik de konu dışıdır. Modeli kendi işinizi ya da müşteri işinizi yapmak için kendi sunucunuzda çalıştırıyorsanız, elinizde fiilen MIT biçiminde bir lisans vardır. Asıl ısıran lisans başka yerdedir: CC BY-NC. O, her ölçekte ticari kullanımı yasaklar ve kimsenin beklemediği modellerin üzerinde oturur; örneğin Cohere'in çok dilli çeviri modeli Aya Expanse 32B. Onu bir müşteri projesine koyun, şirketinizin büyüklüğü hiçbir şeyi değiştirmez.

Üzerine bir şey kurmadan önce model kartını okuyun

Model kartı deponun ilk sayfasıdır ve üzerindeki beş şey on beş dakikada okunur, sonrasında haftalar kazandırır. Birincisi deponun içindeki LICENSE dosyası, sayfanın üstündeki rozet değil. Bu listedeki üç model için o rozet yalnızca other diyor ve gerçek metin dosyanın içinde. İkincisi ağırlık dosyalarının var olup olmadığı: safetensors dosyası olmayan bir depo çalıştırılabilir bir model değil, bir açıklama sayfasıdır.

Üçüncüsü parametre sayısı; bu modelin neyin üzerinde açılacağını belirler ve bir sonraki bölümün konusudur. Dördüncüsü sürümün base mi instruct mı olduğu: temel model yönerge izlemez ve ondan sohbet botu davranışı beklerseniz modelin bozuk olduğu sonucuna varırsınız. Beşincisi deponun son değişiklik tarihi; çünkü yukarıdaki tablonun gösterdiği gibi lisans iki sürüm arasında değişir.

Ve özellikle gerçek işe ait bir tuzak: nicemlenmiş yeniden yüklemeler. Topluluk bu modellerin dört bitlik ve sekiz bitlik sürümlerini kendi depolarında yayımlar ve sıradan donanıma sığanlar bunlardır. O depolar her zaman orijinalin lisansını taşımaz, bazıları hiç lisans kaydetmez. Birinin üzerine kurarsanız müşteriye teslim ettiğiniz şeyin lisansı belirsizdir. Hugging Face'in depo lisansları rehberi lisansın her depo için ayrı ilan edildiğini söyler ve bu tek cümle hikayenin tamamıdır.

Okunacak beş şey ve inanılmayacak üç şey

İlk kod satırından önce model kartıon beş dakika

Deponun içinde okuyun

  • LICENSE dosyasının tamamı, yalnızca üstteki rozet değil
  • safetensors dosyalarının varlığı, yoksa çalıştıracak bir şey yoktur
  • hangi donanımda açılacağını bilmek için parametre sayısı
  • base mi instruct mı olduğu, çünkü davranışları aynı değil
  • son değişiklik tarihi, çünkü lisans sürümler arasında değişir

Bu üçüne güvenmeyin

  • şu şirket açık kaynak diyen bir haber
  • belirli bir deponun lisansı hakkında bir sohbet botu yanıtı
  • lisansını kaydetmemiş nicemlenmiş bir yeniden yükleme

Bu sayfa yalnızca lisans ve çalıştırılabilirliği kapsar. Hiçbir model kartı, bir modelin sizin işinizi ne kadar iyi yaptığını yanıtlamaz; onu kendi gerçek örnekleriniz üzerinde ölçmelisiniz.

Açık ağırlıklar, desteklenen ülke listesinin artık geçerli olmaması demektir

Bu bir mimari olgudur, bir aşma yöntemi değil. Bir API'nin hesabı vardır, hesabın ülkesi vardır, ülke desteklenen listede ya vardır ya yoktur ve ödeme kart ister. Bir ağırlık dosyasında bunların hiçbiri yoktur: kendi seçtiğiniz bir makineye yüklenen bir dosya kümesidir. Dolayısıyla bu model İran'dan çalışır mı sorusu, açık ağırlıklar için doğru soru bile değildir. Doğru soru, o makinenin nerede olduğu ve ne kadar belleği bulunduğudur.

Bu sitede engel aşma tavsiyesi yazmıyoruz ve hesap satmıyoruz; İran'dan yapay zeka sayfamızın zaten söylediği şey bu. Burada söylediğimiz tek şey, açık ağırlıkların bir hile değil, farklı bir erişim katmanı olduğu. Ve iki dürüst sınırını da yazıyoruz: indirmek için yine depoya ulaşmanız, çalıştırmak için donanıma sahip olmanız gerekir.

İyimser tartışmaların çoğu donanımda biter. Kendiniz hesaplayabileceğiniz bir kabataslak kural: 16 bit kesinlikte her parametre iki bayt yer kaplar. 27,8 milyar parametreli Qwen modeli için bu, başka hiçbir şey hesaba katılmadan yalnızca ağırlıklar için yaklaşık 55 gigabayt demektir. 753 milyar parametreli GLM-5.3 için yaklaşık bir buçuk terabayt. Topluluğun nicemlenmiş derlemeleri bu rakamı kat kat düşürür ve yerel kullanımı mümkün kılan da onlardır; ama hiçbirini kendi donanımızda çalıştırmadık ve bir sayı uydurmayacağız.

Dürüst sonuç şu: bu ailelerin küçük modelleri sıradan bir kiralık sunucuda çalışır, aynı listedeki amiral gemileri çalışmaz. DeepSeek açık kaynak, o yüzden bedava çalıştırabilirsiniz diyen biri, muhtemelen hiçbir yerde 1,65 trilyon parametre yüklememiştir.

Dört modelin boyutu, kendi depolarından

parametre sayısı
  1. Qwen3.8-27B 27,8 milyar Apache 2.0, sıradan bir sunucuya sığan
  2. Llama-4-Scout 108,6 milyar Llama 4 topluluk lisansı
  3. GLM-5.3 753 milyar GLM-5.2 ile aynı sayı, farklı lisansla
  4. DeepSeek-V4-Pro 1,65 trilyon MIT, ama çalıştırmak sıradan bir sunucunun işi değil

Daha çok parametre daha çok bellek demektir, illa daha iyi yanıt değil. Bu dördünün hiçbirini kendi donanımızda çalıştırmadık ve gerçek bellek kullanımı için bir rakam yazmıyoruz.

Gerçek iş için hangisini almalı

Üç durum var ve yanıt her birinde farklı. Yalnızca birinci sınıf bir yanıtı daha ucuza almak istiyorsanız ve yerel çalıştırma derdiniz değilse, açık ağırlıklar size hiç yaramaz: aynı modelleri kendi API'lerinden satın alın ve karşılaştırmalı bir sayıya bakın. Sunucunuzdan çıkmaması gereken verileriniz varsa, açık ağırlıklar tek yoldur ve amiral gemisinden değil küçük bir modelden başlamalısınız. Modeli bir müşteriye sattığınız ürünün içine koymak istiyorsanız, önce lisansı okuyun sonra kod yazın.

Burada size hangi modelin daha iyi olduğunu söylemiyoruz, çünkü o yanıt haftadan haftaya değişir ve yeri burası değil. Yeri, her satırı bir okunma tarihi ve kaynak taşıyan bu sitenin yapay zeka referans bölümüdür. Bu dersin size verdiği şey, o tabloyu okurken lisans sütununun ne anlama geldiğini bilmenizdir.

Bir sınır da çizelim: bunların hepsi dil modelleriyle ilgili. Görüntü ve ses modelleri farklı ve kimi zaman daha katı lisanslar taşır; çıktısı doğrudan müşteriye giden modeller ise bu izleğin başka bir dersinde ele alınan bir soru daha doğurur: modelin ürettiği şey hukuken kimindir.

Yapay zekayla hızlı yol

Lisans okumak avukat işi değildir ama sabır işidir ve modellerin iyi olduğu yer tam olarak burasıdır: uzun metin, tekrar eden yapı, belirli bir soru. Ancak bir koşulu var ve göz ardı edilirse yanıt hiç okumamaktan kötü olur. Modele belleğinden sormayın; lisans metnini önüne kendiniz koyun ve madde madde alıntılamasını isteyin. Burada hızlı ve ucuz bir model yeter, çünkü bu yargı işi değil çıkarım işidir.

  1. Hugging Face üzerindeki depo sayfasına gidin ve LICENSE dosyasını açın. Depoda böyle bir dosya yoksa burada durun: bilinmeyen lisans, hayır demektir.
  2. Lisans metninin tamamını kopyalayın ve aşağıdaki reçeteyle gönderin. Kullanımınızın ne olduğunu söyleyin, yoksa kimseye yaramayan genel bir yanıt alırsınız.
  3. Modelin alıntıladığı her maddeyi orijinal metinde bulun. Bulamıyorsanız o madde yoktur ve yanıtın geri kalanı da şüphelidir.
  4. Çıktıyı tarih ve depo adresiyle birlikte proje dosyasına kaydedin. Sonraki sürüm başka bir lisans taşıyacak ve o gün bugün neyi kabul ettiğinizi bilmeniz gerekecek.

Kopyalamaya hazır şablon

Aşağıdaki metin bir modelin LICENSE dosyasıdır. Yalnızca bu metinden yanıtla ve bu model hakkında bildiklerini kullanma.

Kullanımım: {örneğin, müşteri siteleri için metin üretmek üzere modeli kendi sunucumuzda çalıştırmak}
Ölçeğim: {örneğin, yedi kişi, yıllık gelir bir milyon doların altında}

Aşağıdaki her madde için önce lisans cümlesini birebir alıntıla, sonra tek satırda benim kullanımım için devreye girip girmediğini söyle:
1. ticari kullanıma izin var mı
2. bir gelir eşiği var mı ve rakamı nedir
3. model adını bir yerde göstermem gerekiyor mu
4. üçüncü taraflara hizmet vermek için ayrı bir koşul var mı
5. model çıktısı üzerinde herhangi bir kısıt var mı

Metin bir madde hakkında bir şey söylemiyorsa bu metinde belirtilmemiş yaz ve tahmin etme.

--- lisans metni ---
{LICENSE dosyasının tamamını buraya yapıştırın}

Çıktıya güvenmeden önce: Bu reçete size hukuki bir yanıt vermez ve vermesi de amaçlanmamıştır; yaptığı şey, uzun bir metinden doğru beş soruyu çekip çıkarmaktır; böylece iş ciddiye binerse bir avukatın önüne ne koyacağınızı bilirsiniz. Son iki adımı atlamayın: alıntıları orijinalde bulun ve model beş maddeden herhangi biri için bir madde uydurduysa yanıtı atıp baştan başlayın.

Bu işte yapay zeka

Bu konuda ana araç bir sohbet botu değil, deponun kendi kataloğudur. Ama modellerin gerçekten yardımcı olduğu iki iş var: yukarıda gördüğünüz lisans metnini okumak ve bu açık modelleri deneyerek sizin işinizde birinci sınıf bir modelden ne kadar uzakta olduklarını öğrenmek. Tutumumuz açık: bir modele belirli bir deponun hangi lisansı taşıdığını asla sormayın. O bilgi eğitimi bittiğinde yoktu ve alacağınız yanıt tam bir güvenle yanlış olacak.

Gerçekten işe yarayan araçlar

  • Hugging Face Ağırlıkların ve lisans dosyasının gerçekten yaşadığı yer. Her depo sayfası dosyalarını ve son değişiklik tarihini gösterir; bu üç şey, bu dersin anlattığı denetimin tamamıdır.
  • DeepSeek Hem bir API'si hem de kendi resmi hesabında MIT altında ağırlıkları var; bu da iki yolu karşılaştırmak için en temiz örnek yapıyor. İran'dan erişim hakkında bir iddiada bulunmuyoruz ve kendi dosyamıza da yazmadık.
  • Kimi Özel bir lisansın pratikte nasıl göründüğünü görmek için en iyi örnek bu: metin kısa, koşullar numaralı ve on dakikada okunuyor. Moonshot desteklenen ülke listesi yayımlamıyor, biz de erişim hakkında bir şey yazmadık.
  • Claude Lisans metni önüne konup madde madde alıntılaması istendiğinde daha dolaysız yanıt verir ve boşluğu uydurma bir güvenle daha az doldurur. İran, Anthropic'in iki desteklenen ülke listesinin hiçbirinde yok.

Nerede geri teper

Buradaki somut risk, lisans hakkında kendinden emin ve yanlış bir yanıttır. Her depo kendi lisansını ayrı ilan eder; Hugging Face rehberinin kendisi de bunu söyler. Ama şu modelin lisansı ne diye sorulduğunda bir dil modeli, eğitiminde gördüğü genel örüntüden bir yanıt kurar ve o örüntü genellikle aynı ailenin önceki sürümlerinden gelir. Bu yüzden GLM için MIT der; bu 5.2 için doğru, 5.3 için yanlıştır. İkinci risk nicemlenmiş yeniden yüklemeler: lisans kaydetmemiş bir depo orijinalin lisansını devralmaz ve onu bir müşteriye teslim ederseniz sorumluluk sizindir. Üçüncü risk veriyle ilgili: lisans metni özel bir sözleşmeyse ve onu bir sohbet botuna yapıştırırsanız, plana ve ayarlara bağlı olarak eğitimde kullanılabilir; Anthropic bunu gizlilik sayfasında açıklıyor. Bu araçların İran'dan erişim ve ödeme durumu için satın alma rehberine bakın.

Kaynaklar: Hugging Face: licenses are declared per repository Hugging Face: what a model card contains Anthropic: is my data used for model training Anthropic: supported countries

Bu tavsiyenin sınırı

Bu sayfadaki her şey 6 Eylül 2026 tarihindeki durumdur ve kalıcı değildir; GLM-5.2 ve 5.3 örneği, iki farklı lisans arasındaki mesafenin tek bir sürüm olabileceğini gösteriyor. İkincisi, bu modellerin hiçbirini kendi donanımızda çalıştırmadık: parametre sayıları üretici depolarından geliyor ve yerel hız ya da kalite hakkında bir iddiada bulunmuyoruz. Üçüncüsü, bu ders lisanslamayı açıklar, hukuki tavsiye değildir; bu karara bir sözleşme dayanıyorsa lisans metnini işi bu olan birinin önüne koyun. Dördüncüsü, konu yalnızca dil modelleri; görüntü ve ses modellerinin kendi kuralları var.

Kendi işimizden

Tam da bu dersin anlattığı tuzağa kendimiz düştük. Bu sitenin yapay zeka bölümü için 110 model sürümü dosyası tutuyoruz ve bunların 13'ü açık ağırlık kaydediyor: 7 Apache 2.0, 2 CC BY-NC 4.0, 2 Llama 4 topluluk lisansı, biri Modified MIT ve biri de kayıtlı lisansı olmayan. Ama aynı katalogdaki deepseek-v4-pro satırı open_weights değerini false olarak kaydetmişti; çünkü kaynağı DeepSeek fiyatlandırma sayfasıydı ve bir fiyatlandırma sayfası ağırlıklar hakkında hiçbir şey söylemez. Bu dersi yazdığımız gün deepseek-ai/DeepSeek-V4-Pro-0813, Hugging Face üzerinde MIT altında ve 66 safetensors dosyasıyla duruyordu. Yani kendi dosyamız bir ay boyunca yanlıştı ve tam da bu sayfanın uyardığı nedenle: lisansı, lisansların yaşamadığı bir sayfadan okumuştuk. Düzeltilsin diye bu oturumun raporuna yazdık.

Gerçek devam soruları

DeepSeek açık kaynak mı

Modellerinin ağırlıkları kendi resmi hesabında MIT altında yayımlanıyor, yani açık ağırlıklı. Eğitim verisi yayımlanmıyor, yani yazılım anlamında açık kaynak değil. Ve bu yanıt bugün orada duran depolarla ilgili, şirketle değil.

Açık bir modeli müşteri projesinde kullanabilir miyim

Çoğu durumda evet, çünkü bu lisanslardaki gelir koşulları on milyonlarca dolardan başlıyor. Gerçek istisna, her ölçekte ticari kullanımı yasaklayan CC BY-NC. Yani basit kural şu: LICENSE dosyasını açın ve non-commercial ifadesini arayın.

Bu modeller hangi donanımı gerektirir

Parametre sayısına bağlıdır ve kendiniz tahmin edebilirsiniz: 16 bit kesinlikte her parametre iki bayttır, yani 27,8 milyarlık bir model yalnızca ağırlıklar için kabaca 55 gigabayt ister. Topluluğun nicemlenmiş derlemeleri bunu epey düşürür. Hiçbirini kendi donanımızda çalıştırmadık ve ölçülmüş bir rakamımız yok.