Açık Kaynak mı, Kapalı AI mı? Ne Zaman Hangisini Seçmelisin

Açık Kaynak mı, Kapalı AI mı?

Bir AI modeli kullanmaya karar verdin ama hangi tarafta durman gerektiğini bilmiyorsun. OpenAI, Anthropic, Google tarafında API'yi çağırıyorsun, model çalışıyor. Qwen, Gemma, DeepSeek, Granite tarafında modeli indiriyorsun, kendi bilgisayarında ya da sunucunda çalıştırıyorsun. İkisi arasındaki fark sadece teknik değil; maliyet, gizlilik, özelleştirme ve bağımlılık meselesi. Hangisinin senin için doğru olduğunu aşağıdaki sorularla netleştirebilirsin.

---

Temel Fark Nedir?

Kapalı modeller (OpenAI, Anthropic, Google): Model ağırlıkları yayınlanmaz. API ya da uygulama üzerinden erişirsin, verin sağlayıcının sunucusuna gider, fiyatı sağlayıcı belirler. Kurulum yok, ama kontrol de yok.

Açık kaynak modeller (Qwen, Gemma, DeepSeek, Granite, Kimi): Model ağırlıkları herkese açık. İstersen Hugging Face'ten indirip kendi donanımında çalıştırırsın, istersen Spaces'ta tarayıcıdan denersin. Kontrol sende, sorumluluk da sende.

Not: Bu modellerin çoğu tam anlamıyla "açık kaynak" değil, açık ağırlıklıⁱmodelin eğitilmiş ağırlıkları indirilebiliyor ama eğitim verisi ve kodu her zaman paylaşılmıyor. Lisanslar da modele göre değişiyor; ticari kullanmadan önce lisansı kontrol et.

Günlük işlerin büyük çoğunluğunda (yazı, özetleme, basit kod, soru-cevap) iyi bir açık model artık yeterli. Fark en zor işlerde, en büyük kapalı modellerde hâlâ hissediliyor.

[mindi_yorum]
💰 API fiyatında fark büyük: Claude Sonnet 5.5 milyon token başına $2 girdi / $10 çıktı, açık ağırlıklı MiniMax M3.1 Flash çoğu sağlayıcıda $0,15 / $0,60
🟢 Günlük işlerde açık modeller yeterli hale geldi; kalan fark en zor reasoningⁱçok adımlı mantık yürütme görevlerinde
🟡 Açık kaynak "ücretsiz" değil: kendi donanımında çalıştırıyorsan GPU, elektrik, bakım ve zaman maliyeti var
🔵 İkisini birlikte kullanmak mantıklı: kritik işler kapalı modelde, yüksek hacimli rutin işler açık modelde

---

Performans: Gerçekten Fark Var mı?

Kısa cevap: var, ama düşündüğünden az.

Zor yazılım geliştirme testlerinde ve uzun, çok adımlı görevlerde en büyük kapalı modeller (Claude Opus, GPT ve Gemini'nin üst sürümleri) hâlâ öne çıkıyor. Ama açık model tarafı hızla geliyor; yeni çıkan güçlü açık modeller birkaç ay içinde kapalı modellerin bir önceki neslini yakalıyor. Güncel modelleri ve test sonuçlarını model sayfamızda karşılaştırabilirsin.

Pratik anlamda şöyle düşün:

• Kod tamamlama, e-posta yazma, özetleme: Açık model yeterli
• Karmaşık çok adımlı akıl yürütme, hukuki analiz, tıbbi karar desteği: Kapalı modeller hâlâ avantajlı
• Dar ve tekrarlayan özel görevler: Kendi verinle ince ayar yapılmış küçük bir açık model, büyük genel bir modeli o görevde geçebilir

Bir uyarı: Evde çalıştırabildiğin küçük modeller (3B-30B arası) ile API'den kullanılan yüzlerce milyar parametreli açık modeller aynı şey değil. "Açık model kapalıyı yakaladı" haberleri genelde büyük açık modeller için geçerli; bunlar ev bilgisayarına sığmaz.

---

Maliyet: Rakamlar Neyi Söylüyor?

API tarafında fark ciddi. Kasım 2026 itibarıyla OpenRouter'daki fiyatlarla Claude Sonnet 5.5 milyon girdi token'ı için $2, milyon çıktı token'ı için $10 alıyor. Açık ağırlıklı MiniMax M3.1 Flash ise çoğu sağlayıcıda $0,15 / $0,60. Aynı işi yapabildikleri sürece aradaki fark 10 kattan fazla.

Ama hesabı sadece token üzerinden yapmak yanıltıcı. Açık modeli kendin çalıştırıyorsan şunlar da hesaba girer:

• GPU kiralama veya satın alma maliyeti
• Modeli güncel tutma, sunucu bakımı
• Bunları yapacak kişinin zamanı

Düşük hacimde (ayda birkaç bin istek) API kullanmak çoğunlukla daha ucuza gelir; açık modeli de kendin kurmak yerine OpenRouter gibi bir aracıdan API olarak kullanabilirsin. Kendi donanımında çalıştırmak, hacim çok yüksekse ya da veri dışarı çıkmamalıysa anlamlı hale gelir.

---

Gizlilik ve Güvenlik: Kimin Verisi?

Kapalı bir modele veri gönderdiğinde verini üçüncü bir tarafın sunucusuna göndermiş olursun. Sağlık, hukuk, finans gibi düzenlenmiş sektörlerde bu durum yasal risk taşıyabilir. Ticari sır içeren verileri dikkatsizce bir API'ye göndermek ciddi bir güvenlik açığı.

Açık modeli kendi donanımında çalıştırıyorsan veri dışarı çıkmaz. Bu, bazı sektörler için tercih değil, zorunluluk.

Kapalı model sağlayıcılarının çoğunun kurumsal planlarında "verilerini eğitimde kullanmıyoruz" taahhüdü var, ama bu taahhüt sözleşmeye ve platforma göre değişiyor. Okumadan imzalama. Şunu da unutma: açık bir modeli başkasının API'sinden kullanıyorsan verin yine o sağlayıcının sunucusuna gidiyor.

---

Özelleştirme: Modeli Senin Gibi Konuşturabilir misin?

Kapalı modeli fine-tuneⁱmodeli kendi verinle yeniden eğiterek belirli bir göreve özelleştirme etme imkânı kısıtlı; bazı sağlayıcılar sunuyor ama kontrol yine sağlayıcıda.

Açık modelde tam kontrol sende:

• Şirketinin jargonunu, ürün bilgilerini, yazım tarzını öğretebilirsin
• Belirli bir görev için küçük ama isabetli bir model elde edebilirsin
• LoRAimodelin tamamını değil, küçük ek katmanları eğiterek fine-tune yapma yöntemi; az GPU gerektirir ile düşük maliyetle ince ayar yapabilirsin

Ama önce şunu dene: çoğu iş için iyi yazılmış bir prompt ve birkaç örnek yeterli oluyor. Fine-tune, prompt'la çözemediğin tekrarlayan bir görev olduğunda anlamlı.

---

Açık Modeli Yerel Çalıştırmak: Donanım Gereksinimleri

Açık modeli kendi bilgisayarında çalıştırmanın en popüler iki aracı Ollama ve LM Studio. Ollama komut satırı ve API odaklı, LM Studio ise tıklayarak kullanılan bir masaüstü uygulaması. İkisi de aynı türden model dosyalarını çalıştırıyor.

İkisinde de asıl belirleyici donanımın. Modeli hangi cihazda çalıştıracağın hem hızı hem de hangi modeli seçebileceğini doğrudan etkiliyor. Kendi kartına hangi modelin sığdığını hızlıca görmek için Hangi Yapay Zeka Çalışır aracımızı kullanabilirsin.

RAM ve VRAM: Temel Kriter

Model tamamen GPU belleğine (VRAMiekran kartının kendi belleği; normal RAM'den çok daha hızlı, model çalıştırmak için kritik) sığarsa GPU'da çalışır ve hızlıdır. Sığmazsa bir kısmı ya da tamamı normal RAM'e taşınır; yavaşlar ama çalışır.

Kuantizasyonimodelin ağırlıklarını daha az bit'le saklayarak boyutunu küçültme; Q4 = 4-bit, Q8 = 8-bit; kalite biraz düşer, boyut ciddi küçülür seviyesi de boyutu etkiler. Q4_K_M en yaygın tercih: kalite kaybı az, dosya küçük.

Güncel modellerden örnekler (Q4 civarı, Ollama dosya boyutlarıyla):

Model	Dosya boyutu	Rahat çalıştığı bellek
Granite 4.2 3B	2,2 GB	6-8 GB VRAM ya da 8 GB RAM
Granite 4.2 8B	5,3 GB	8 GB VRAM
Gemma 4 12B	yaklaşık 8 GB	12-16 GB VRAM
Granite 4.2 30B	18 GB	24 GB VRAM
Gemma 4 31B	19-20 GB	24 GB VRAM

Dosya boyutu, ihtiyacın olan belleğin alt sınırı. Model uzun bir metinle (geniş bağlam) çalışırken ek bellek istiyor; o yüzden dosyadan birkaç GB fazlasını hesaba kat. Yüzlerce milyar parametreli büyük açık modeller (DeepSeek, Kimi, MiniMax'ın büyük sürümleri gibi) ev donanımına sığmıyor; bunları API üzerinden kullanmak gerekiyor.

Platforma Göre Durum

Apple Silicon (M serisi):
En avantajlı platformlardan biri. Unified memoryⁱişlemci ve GPU'nun aynı belleği paylaşması sayesinde 16 GB belleğe sahip bir Mac, belleğin büyük kısmını model için kullanabiliyor. 16 GB'lik bir Mac'te 8B-12B modeller rahat; 32 GB ve üstünde 30B sınıfı modeller çalışıyor.

NVIDIA GPU:
En sorunsuz destek burada. 8 GB VRAM'li bir kart 8B sınıfını, 12-16 GB'lik kart 12B sınıfını rahat çalıştırır. 24 GB VRAM'li RTX 3090, 4090 veya 32 GB'lik 5090 ile 30B sınıfı modeller açılıyor; evde ciddi yerel model kullananların en yaygın tercihi bu kartlar.

AMD ve Intel GPU:
Ollama ve LM Studio, AMD ve Intel kartları da destekliyor ve son sürümlerde bu destek gelişti. Yine de en geniş uyumluluk NVIDIA'da; AMD ya da Intel kart alacaksan kullanacağın aracın desteğini önceden kontrol et.

Sadece CPU (GPU yok):
Çalışır ama yavaş. 3B-8B arası küçük modeller günlük denemeler için kullanılabilir, daha büyükleri sabır ister. En az 16 GB sistem RAM'i öneriliyor.

Hız Beklentisi

Token/saniyeⁱmodelin saniyede ürettiği kelime parçası sayısı yerel modelde en çok hissettiğin şey. Kabaca 20 token/saniyenin altı gerçek zamanlı sohbette yavaş hissettiriyor. Hız, modelin boyutuna, kuantizasyona, kartın bellek hızına ve bağlam uzunluğuna göre çok değişiyor. Model tamamen VRAM'e sığdığında hız belirgin şekilde artıyor; bir kısmı RAM'e taşındığında ciddi şekilde düşüyor.

Arka planda toplu işlem yapıyorsan (ör. yüzlerce metni sırayla özetlemek) hız daha az önemli.

Ollama mı, LM Studio mı?

Ollama komut satırına aşinaysan iyi seçim. ollama run gemma4:12b gibi tek bir komutla model inip çalışıyor. API sunuyor, başka uygulamalar bağlanabiliyor. Hafif, arka planda servis olarak çalışıyor.

LM Studio görsel arayüz isteyenler için. Model indirme, bellek kullanımını takip etme, sohbet; hepsi tıklayarak. Donanımını da kontrol edip sistemine uygun modelleri öne çıkarıyor.

İkisi de Hugging Face'teki GGUF formatındaki modelleri çalıştırabiliyor; model kütüphanesi büyük ölçüde ortak.

---

Karar Rehberi: Hangi Durumda Ne Seçersin?

Kapalı model seç eğer:

• Hızlı prototip yapıyorsan ve kuruluma zaman harcamak istemiyorsan
• Hacmin düşükse ve API maliyeti kabul edilebilirse
• En iyi performans kritikse (zor akıl yürütme, uzun ve çok adımlı görevler)
• Teknik ekibin yoksa ve altyapı yönetmek istemiyorsan

Açık model seç eğer:

• Veri gizliliği zorunluysa (sağlık, hukuk, finans) ve modeli kendi donanımında çalıştıracaksan
• Yüksek hacimde çalışıyorsan ve maliyet önemliyse
• Modeli kendi verinle özelleştirmek istiyorsan
• Tek bir sağlayıcıya bağımlı kalmak istemiyorsan
• İnternete bağlı olmayan bir ortamda (air-gappediinternetten tamamen ayrılmış sistem) çalışmak zorundaysan

İkisini birden kullan eğer:

• Kritik ve karmaşık görevler için kapalı, yüksek hacimli rutin görevler için açık model
• Prototipte kapalı API, ürün olgunlaşınca özelleştirilmiş açık model

[mindi_yorum]
💰 "Açık kaynak bedava" yanılgısına düşme; kendi donanımında altyapı ve bakım maliyeti var, düşük hacimde API daha ucuz olabilir
🟢 Karma kullanım en sağlıklısı: kritik işler kapalı modelde, ölçekli rutin işler açık modelde
🟡 Kapalı modelin sözleşmesini oku; "verini kullanmıyoruz" taahhüdü platforma göre değişiyor. Açık modelin de lisansını oku, her lisans ticari kullanıma izin vermiyor
🔵 Başlangıçta kapalı API ile prototip yap, hacim büyüyünce aynı işi bir açık modelle dene ve sonucu karşılaştır

---

Sonuç

Doğru soru "hangisi daha iyi?" değil, "benim durumum için hangisi mantıklı?" olmalı.

1. Verin ne kadar hassas? → Dışarı çıkmaması gerekiyorsa kendi donanımında açık model
2. Hacmin ne kadar? → Düşükse API, çok yüksekse kendi altyapın
3. Teknik kapasiten var mı? → Yoksa kapalı API ile başlamak daha az riskli
4. Özelleştirme gerekiyor mu? → Prompt yetmiyorsa açık modelle fine-tune
5. En iyi performans şart mı? → Şimdilik en büyük kapalı modeller öne, ama fark daralıyor

Denemeye başlamak için Hugging Face en kolay kapı: ücretsiz hesapla açık modelleri tarayıcıdan test edebilirsin. Kendi bilgisayarında denemek istersen LM Studio ile kod bilmeden başlayabilirsin.