Kısa yanıt
Veri merkezi ölçeğinde ham yetenek açısından, 2026'nın ortasındaki sıralama liderleri, ağırlıklarını Moonshot'ın Temmuz 2026'da 1M token'lık bağlam penceresiyle yayımladığı Kimi K3 ve Pro varyantı MIT lisansı altında SWE-bench Verified kodlama testinde %80,6 bildiren DeepSeek V4'tür. İkisi de kamuya açık değerlendirmelerde kapalı amiral gemisi modellerle rekabet edebiliyor.
Tek ve iyi bir GPU için varsayılan seçim, Qwen'in orta boy yoğun (dense) modelleridir. GPU'su hiç olmayan bir dizüstü bilgisayar için gerçekçi tavan, Gemma gibi küçük modellerdir. Bir API üzerinden ucuz ve yetenekli çıkarım isteyen geliştiriciler için ise Llama 3.3 70B ve DeepSeek V3.2, öncü modellerin talep ettiği tutarın çok küçük bir kısmına yanıt verir.
Dürüst gerçek şu ki "hangi açık model en iyisi" sorusu, artık genel olarak hangi yapay zeka modelinin kullanılacağı sorusuyla aynı yanıt şekline sahip: her şey göreve ve nerede çalıştığına bağlıdır ve kapalı modellerle arasındaki fark artık genellikle fiyat ve lisansın karar verdiği kadar kapanmış durumda.
Açık kaynak mı, açık ağırlık mı? Lisans gerçekten önemli
"Açık kaynak" etiketi üç farklı anlaşmayı kapsar ve bu fark, sana maliyet çıkarana kadar görünmez.
Gerçek açık lisanslar (MIT, Apache). DeepSeek, MIT lisansı altında yayımlanır: kullan, değiştir, üzerine ticari bir ürün inşa et, üzerinde durulacak bir koşul yok. Bu, açık kaynağın en katı anlamıdır ve 2026'da birkaç öncü sınıfı model sonunda bunu taşıyor.
Koşullu açık ağırlıklar. Meta'nın Llama lisansı bunun ünlü örneğidir: ağırlıklar indirilebilir ve neredeyse herkes için ücretsizdir, ancak lisans çok büyük ölçekli ticari dağıtımları ve belirli kullanımları kısıtlar. Llama açıklaması, bu ayrımın internette neden tartışıldığını ele alıyor.
Açık ağırlıklar, araştırma kısıtlamaları. Bazı sürümler araştırma ve kişisel kullanıma izin verir ama ticari dağıtımı tamamen kısıtlar. İnşa etmeden önce oku.
Bu modelleri bir sohbet ürünü üzerinden kullanan bir birey için bunların hiçbiri bir şeyi değiştirmez. Bunların üzerine yazılım çıkaran bir şirket için ise lisans, herhangi bir karşılaştırma testinden önce kontrol edilecek ilk gerçektir.
2026'nın öne çıkan açık modelleri, karşılaştırmalı
Fiyatlar, Whizi model maliyet endeksinden alınan, milyon token başına barındırılan API oranlarıdır; 2026-08-20 tarihinde OpenRouter liste fiyatlarından çekilmiştir. Karşılaştırma testi rakamları, geliştiricilerin kamuya açık sıralama tablolarında bildirdiği sonuçlardır.
| Model | Lisans | Bağlam | 1M token başına girdi / çıktı | Öne çıkan özellik |
|---|---|---|---|---|
| Kimi K3 (Moonshot) | Açık ağırlık | 1M | $3.00 / $15.00 | Ağırlıklar Temmuz 2026'da yayımlandı; açık sıralamalarda lider |
| DeepSeek V3.2 | MIT | 164K | $0.27 / $0.40 | Emtia fiyatlarına öncü sınıfı yanıtlar |
| DeepSeek V4 Pro | MIT | 1M | $1.19 / $3.56 | SWE-bench Verified'da %80,6 bildiriyor |
| Llama 4 Maverick (Meta) | Llama lisansı | 1M | $0.20 / $0.80 | Endeksteki en ucuz 1M bağlam |
| Llama 3.3 70B (Meta) | Llama lisansı | 131K | $0.10 / $0.32 | İş atı: her yerde ve neredeyse ücretsiz |
| Mistral Large 3 | Açık ağırlık | 262K | $0.50 / $1.50 | En güçlü Avrupa açık sürümü |
| Qwen3.7 Flash | Apache | 1M | $0.03 / $0.13 | Sınıfının en düşük fiyatıyla 1M bağlam |
Dikkat çeken iki örüntü var. Birincisi, bir zamanlar kapalı modellerin satış noktası olan 1M token'lık bağlam pencereleri, artık açık sürümlerde standart hale geldi; bağlam penceresi karşılaştırması tüm tabloyu takip ediyor. İkincisi, fiyat tabanı düşmeye devam ediyor: Qwen3.7 Flash, maliyet endeksinde standart bir sorguya $0.000095 karşılığında yanıt veriyor, bu da bin yanıtı on sentin altında fiyatlandırıyor.
Çalıştırmanın gerçek maliyeti nedir?
Whizi maliyet endeksi, her modeli standart bir yanıt (1,000 girdi token'ı artı 500 çıktı token'ı) için fiyatlandırır, böylece liste oranları karşılaştırılabilir hale gelir. Bu ölçüye göre açık modeller, kapalı amiral gemisi modellerden biraz daha ucuz değildir; farklı bir ekonomik kategoridedirler.
Llama 3.3 70B'den standart bir yanıt $0.00026'ya mal olur. DeepSeek V3.2'den $0.00047'ye. Endeksteki en pahalı açık model olan Kimi K3'ten $0.0105'e. Kapalı amiral gemisi modeller aynı yanıt için $0.0175 ile $0.035 arasında bir yere denk gelir ve endeksin en ucuzdan en pahalıya toplam açıklığı kabaca 2,000x'tir. Llama 3.3'ten bin yanıt 26 sente mal olur; kapalı bir amiral gemisinden aynı bin yanıt $30'u geçebilir.
Bu yüzden açık modeller, birçok yapay zeka ürününün hızlı veya ekonomik katmanını sessizce güçlendirir ve bu yüzden yüksek hacimli görevler (sınıflandırma, çıkarma, ölçekte özetleme) neredeyse her zaman onlara düşer. Canlı maliyet endeksi, yanıt başına hesaplamalarla birlikte tam 100 modelli tabloyu içeriyor.
Bu tabloyu dürüst tutan uyarı şu: ağırlıkları kendin çalıştırmak, ancak zamanın ve donanımın ücretsizse ücretsizdir. 70B'lik bir modele iyi hizmet verebilecek bir GPU, dört haneli bir satın alımdır ve tek bir tüketici GPU'suna sığan orta boy modeller bunun karşılığında yetenekten ödün verir. Çoğu insan için açık modellere barındırılan erişim, donanım olmadan fiyat avantajını yakalar.
Hangi iş için hangi açık model
Yüksek hacimli, maliyete duyarlı iş (özetler, çıkarma, etiketleme): Llama 3.3 70B veya Qwen3.7 Flash. Yanıt başına sentin onda birinin kesirleri kadar bir maliyetle, ara sıra yanılmanın maliyeti, premium bir modelin doğru olmasının maliyetinden daha düşüktür.
Kodlama: DeepSeek V4 Pro veya Kimi K3'ün kodlama varyantları. Bildirilen SWE-bench sayıları onları kapalı kodlama asistanlarıyla gerçek bir rekabete sokuyor ve MIT lisansı DeepSeek'i güvenli bir gömme seçenek yapıyor. Claude vs DeepSeek bunu doğrudan karşılaştırıyor.
Uzun belgeler: 1M bağlamlı sürümlerden herhangi biri; bütçe seçimi olarak Llama 4 Maverick, milyon girdi token'ı başına $0.20.
Yerel ve özel: 24 GB'lık bir GPU'da bir Qwen orta boy model veya bir dizüstü bilgisayarda Gemma sınıfı küçük modeller. Gizlilik tamdır, yetenek orta seviyededir ve Llama kılavuzu, yerel çalıştırma için gerçekçi beklentileri ele alır.
Çok dilli ve Avrupa'da barındırılan iş: Mistral Large 3, Mistral açıklamasının da temelini oluşturuyor.
Açık modellerin hâlâ kaybettiği yerler
Dürüst bir kılavuz, boşlukları adlandırır; çünkü bunlar gerçektir ve satın alma kararlarını belirler.
Akıl yürütmenin en zirvesi. En zor çok adımlı akıl yürütme ve ajan görevlerinde, kapalı amiral gemisi modeller yayımlanan değerlendirmelerin çoğunda hâlâ öndedir. Fark dramatik şekilde kapandı, ama tamamen kapanmadı.
Cila ve ürün. Açık ağırlıklar sadece ağırlık olarak gelir. Sesli mod, derin araştırma araçları, hafıza ve uygulama ekosistemleri; kapalı sağlayıcıların paketlediği, açık modellerin ise onları barındırana bıraktığı ürün mühendisliğidir.
Barındırma tutarlılığı. Aynı açık model, kuantizasyon ve sunum seçimlerine bağlı olarak farklı barındırıcılarda farklı performans gösterebilir; bu, kapalı API'lerde görülmeyen bir arıza türüdür. Bir açık model aniden daha kötü performans gösteriyorsa, model kadar barındırıcı da şüpheli sayılmalıdır.
Destek ve hesap verebilirlik. Kapalı bir model yanlış davrandığında bir tedarikçi vardır. Kendi barındırdığın ağırlıklar yanlış davrandığında ise elinde bir GitHub sorun takipçisi vardır.
Birini gerçekten kullanmanın üç yolu
1. Çok modelli bir çalışma alanı üzerinden. Sıfır kurulum gerektiren yol: Whizi, GPT, Claude ve Gemini'nin yanında Llama, DeepSeek, Kimi, Qwen ve Mistral gibi açık modelleri de içerir; böylece açık ile kapalı arasında seçim, bir abonelik kararı olmaktan çıkıp soru başına verilen bir karara dönüşür. Hacimli işi ucuz açık modellere, zor akıl yürütmeyi ise aynı konuşma içinde bir amiral gemisine gönder.
2. Bir API üzerinden. Geliştiriciler için, yukarıdaki fiyatlarla barındırılan açık modeller, üretim iş yükleri için öncü sağlayıcıların ötesine bakmanın başlıca sebebidir.
3. Kendi donanımında. Ollama ve LM Studio artık yerel çalıştırmayı gerçekten kolaylaştırıyor. Bunu tasarruf için değil, gizlilik veya çevrim dışı ihtiyaçlar için seç; elektrik ucuzdur ama GPU değildir.
- Ticari bir şey inşa etmeden önce lisansı kontrol et: MIT ve Apache koşulsuzdur, Llama tarzı lisanslar değildir
- Yüksek hacimli görevleri önce açık modellere yönlendir; yanıt başına fiyat farkı 20 ile 100x arasındadır
- Bildirilen karşılaştırma testlerine sadece bir ön liste olarak güven, karar vermeden önce kendi görevinde test et
- Barındırılan bir açık model beklenenin altında performans gösterirse, modeli suçlamadan önce farklı bir barındırıcı dene
- Para tasarrufu için değil, gizlilik veya çevrim dışı kullanım için yerel çalıştır
- Farkın hâlâ görüldüğü görevler için bir öncü model hazır tut
Sık sorulan sorular
Şu anda en iyi açık kaynak LLM hangisi?
2026'nın ortasındaki yayımlanan sıralama tablolarında Kimi K3, açık sürümler arasında genel olarak öndedir; DeepSeek V4 Pro hemen arkasından geliyor ve gerçek bir MIT lisansı altında en güçlü kodlama sonuçlarını tutuyor. Tek bir GPU için Qwen'in orta boy yoğun modelleri genellikle tercih edilir. Sıralama her birkaç ayda bir değişir, bu yüzden herhangi bir sabit yanıtı başlangıç niteliğinde bir ön liste olarak ele al.
Açık kaynak LLM'ler ChatGPT veya Claude kadar iyi mi?
Birçok yayımlanan karşılaştırma testinde en iyi açık modeller artık kapalı amiral gemisi modellerin birkaç puan yakınında ve günlük sorular için farkı fark etmek zor. Kapalı modeller en zor akıl yürütme görevlerinde üstünlüğünü koruyor ve çok daha fazla ürün cilasıyla geliyor: sesli mod, araştırma araçları ve hafıza. Yüksek hacimli veya maliyete duyarlı işler için açık modeller genellikle daha iyi seçimdir.
Açık kaynak LLM'ler gerçekten ücretsiz mi?
Ağırlıkları indirmek ücretsizdir; işlem gücü hiçbir zaman ücretsiz değildir. Yetenekli bir modeli kendin çalıştırmak ciddi bir GPU gerektirir ve barındırılan erişim token başına fiyatlandırılır, sadece çok ucuza: Llama 3.3 70B için standart bir yanıt başına kabaca $0.0003, kapalı bir amiral gemisi için ise $0.02 veya daha fazlası. Lisans anlamında ücretsiz, pratik anlamda ucuz.
Açık kaynak bir LLM'i dizüstü bilgisayarımda çalıştırabilir miyim?
Evet, beklentilerini ayarlayarak. Ollama ve LM Studio gibi araçlar, tüketici donanımında küçük ve orta boy modelleri çalıştırır ve güçlü bir GPU'su olmayan bir dizüstü bilgisayar küçük olanların altından kalkar. Tam bir gizlilik ve çevrim dışı kullanım kazanırsın; buna karşılık veri merkezi donanımı veya barındırılan bir sağlayıcı gerektiren büyük modellerin yeteneğinden vazgeçersin.
Açık kaynak ile açık ağırlık arasındaki fark nedir?
Katı anlamda açık kaynak, DeepSeek ve Qwen sürümlerinin taşıdığı, anlamlı bir kısıtlama içermeyen MIT veya Apache gibi bir lisans anlamına gelir. Açık ağırlık ise modelin indirilebilir olduğu ama lisansın, Llama lisansının çok büyük ticari dağıtımları kısıtlaması gibi koşullar eklediği anlamına gelir. Bireyler bu farkı nadiren fark eder; bir modeli gömen şirketlerin ise önce bunu kontrol etmesi gerekir.
