Model Ağırlıkları

Model ağırlıkları, eğitilmiş bir sinir ağının parametrelerinin somut, kaydedilmiş sayısal değerleridir — modeli kullanmak için indireceğiniz, belleğe yükleyeceğiniz ve çalıştıracağınız gerçek dosya (veya dosya kümesi); bunun karşıtı, soyut mimari veya bu ağırlıkları üreten eğitim sürecidir. İnsanlar "açık ağırlıklı" (open-weight) ve "kapalı" modeller arasında ayrım yaptığında, tam olarak bu ayrımdan söz ederler: Llama, Mistral, Qwen ve DeepSeek gibi açık ağırlıklı modeller, eğitilmiş ağırlık dosyalarını herkesin indirmesi, incelemesi, kendi altyapısında barındırması ve ince ayar yapması için yayınlar; Claude, GPT ve Gemini gibi kapalı modeller ise ağırlıklarını sağlayıcının kendi altyapısında özel tutar, yalnızca bir API üzerinden erişilebilir hale getirir ve altta yatan sayıları indirme veya doğrudan inceleme imkânı sunmaz. Bu ayrım, SaaS ve yapay zeka geliştiricileri için sadece felsefi değil, gerçek bir mimari ve iş kararı olarak son derece önemlidir. Açık ağırlıklar şunları sağlar: tam veri egemenliği (modeli tamamen kendi altyapınız içinde çalıştırmak, düzenlemeye tabi sektörler veya sıkı gizlilik gereksinimleri için kritik), bir sağlayıcının API kısıtlamaları olmadan sınırsız ince ayar ve özelleştirme, altyapı kurulduktan sonra jeton başına API maliyeti olmaması (donanım/barındırma maliyetleri onun yerini alsa da) ve üçüncü bir tarafın çalışma süresine, fiyatlandırma değişikliklerine veya politika değişikliklerine bağımlılık olmaması. Kapalı modeller ise genellikle şunları sunar: altyapı/GPU yönetimi yükü olmaması, en yetenekli öncü düzey modellere erişim (açık ağırlıklı modeller tarihsel olarak kapalı öncülerin 6-18 ay gerisinde kalmıştır, ancak zamanla bu açık daralmaktadır), düşük-orta hacimde daha basit kullandıkça öde ekonomisi ve herhangi bir geçiş çalışması olmadan model iyileştirmelerine otomatik erişim. Somut bir örnek: sıkı uyumluluk gereksinimleri altında hassas hasta verileriyle çalışan bir sağlık SaaS şirketi, herhangi bir veriyi üçüncü taraf bir API'ye göndermenin kesinlikle kabul edilemez olduğuna karar verir; Llama'nın açık ağırlıklarını indirir, modeli uyumluluk sınırları içindeki kendi GPU altyapısında barındırır ve tam veri kontrolü karşılığında biraz daha az yetenekli bir modeli kabul eder — bu tür bir kısıtlaması olmayan genel bir pazarlama SaaS aracı muhtemelen tersi bir seçim yapar, sadelik ve yetenek için kapalı bir öncü API'yi tercih eder. Tamamen kapalı ile tamamen açık arasında bilinmesi gereken bir orta yol da vardır: bazı sağlayıcılar "açık ağırlıklı, kısıtlı lisanslı" modeller sunar (ağırlıklar indirilebilir ve kendi altyapınızda barındırılabilir, ancak kullanım belirli ticari kullanımları kısıtlayan veya bir kullanım eşiğinin üzerinde atıf gerektiren bir lisansa bağlıdır) — yani tek başına "açık ağırlıklı" olmak otomatik olarak sınırsız ticari kullanım anlamına gelmez ve geliştiricilerin, kendi altyapısında barındırmanın tüm yasal/ticari kısıtlamaları ortadan kaldırdığını varsaymadan önce bir modelin belirli lisans koşullarını okuması gerekir, çünkü lisans koşulları model ailelerine göre önemli ölçüde farklılık gösterir ve sürümler arasında değişebilir.