Bilgisayarda Yerel Çalıştırılabilen Yapay Zeka Modelleri – 2026

Llama, Qwen, Gemma, DeepSeek, Phi, Mistral ve GPT-OSS modelleri internete bağlı bir AI servisine ihtiyaç duymadan çalıştırılabiliyor. Hangi modellerin 8, 16, 32 veya 64 GB RAM bulunan bilgisayarlara uygun olduğunu, model boyutlarını ve kurulum seçeneklerini karşılaştırıyoruz.

Yazar
Caner Y.
Dijital medya ve içerik üretimi alanında çalışmalarını sürdüren Caner, Quantraptor’ın içerik operasyonlarının yürütülmesine, yayın planlamasının oluşturulmasına ve platformun dijital erişimini ve görünürlüğünü artırmaya yönelik süreçlere katkı...
15 Min. Okuma
Bilgisayarda Yerel Çalıştırılabilen Yapay Zeka Modelleri - 2026
QUANTRAPTOR / AI VERİ / YEREL YAPAY ZEKA

Bilgisayarda Yerel Çalıştırılabilen Yapay Zeka Modelleri

Bulut tabanlı AI servislerine sürekli bağlı kalmadan bilgisayarda çalışabilen yapay zeka modelleri. Llama, Qwen, Gemma, DeepSeek, Mistral, Phi ve GPT-OSS ailelerini donanım, model boyutu ve kullanım alanlarına göre karşılaştırıyoruz.

1B–120B+ Farklı büyüklüklerde yerel model seçenekleri
8–64 GB+ Farklı donanım sınıfları
Windows / macOS / Linux Yerel çalıştırma ekosistemi
Önemli: Yerel model çalıştırmak için model ağırlıklarının bilgisayara indirilmesi gerekir. İndirilen model uygun bir çalıştırma yazılımıyla internet bağlantısı olmadan kullanılabilir. Ancak web araması, bulut API'leri ve uzaktan araçlar gibi özellikler ayrıca bağlantı gerektirebilir.

Yerel yapay zekada temel göstergeler

Resmî model katalogları ve çalıştırma araçlarının belgelerinden seçilmiş örnekler.

1B Llama 3.2 · Küçük model seçeneği
4B Gemma 3 · Masaüstü model seçeneği
20B GPT-OSS · Açık ağırlıklı model
120B GPT-OSS · Büyük model seçeneği

Yerel AI modellerinin dosya boyutları

Ollama kataloğundaki belirli model sürümlerinin yaklaşık indirme boyutları. Bunlar RAM tüketimi değil, model dosyası büyüklükleridir.

Llama 3.2 · 1B1,3 GB
Llama 3.2 · 3B2,0 GB
Gemma 3 · 4B3,3 GB
Mistral · 7B4,1 GB
Llama 3.1 · 8B4,7 GB
Gemma 3 · 12B8,1 GB
Phi-4 · 14B9,1 GB
Gemma 3 · 27B17 GB
Grafik metodolojisi: Çubuklar 17 GB referansına göre ölçeklenmiştir. Model dosyaları belirli Ollama dağıtımlarına aittir. Farklı quantization seviyeleri dosya boyutunu değiştirebilir. Modelin çalışması için ek bellek gerekir.

2026'da yerel çalıştırılabilen AI model aileleri

META

Llama

Llama 3.2'nin 1B ve 3B sürümleri hafif yerel kullanım için seçenekler sunar. Llama 3.1 ve 3.3 gibi ailelerde daha büyük modeller bulunur.

ALIBABA / QWEN

Qwen

Qwen3 ve sonraki ailelerde küçük ve büyük modeller bulunur. Genel sohbet, akıl yürütme, kodlama ve çok modlu kullanım için farklı sürümler sunulur.

GOOGLE

Gemma

Gemma 3 ve Gemma 4, cihaz üzerinde çalıştırılabilen model seçenekleri içerir. Bazı sürümler metnin yanında görüntü ve ses girdilerini destekler.

DEEPSEEK

DeepSeek-R1

Akıl yürütme odaklı model ailesidir. Distile edilmiş daha küçük sürümler yerel kullanım için uygundur. Tam boyutlu modeller çok daha yüksek kaynak gerektirir.

MISTRAL AI

Mistral ve Ministral

Genel amaçlı metin işleme ve farklı uygulama senaryoları için modeller sunar. Ministral ailesinde 3B, 8B ve 14B seçenekleri bulunur.

MICROSOFT

Phi

Phi ailesi, görece küçük modellerle yerel çıkarım yapılmasına olanak tanır. Phi-4 Mini ve Phi-4 farklı donanım seviyelerine hitap eder.

OPENAI

GPT-OSS

20B ve 120B sürümleri bulunan açık ağırlıklı model ailesidir. Yerel ve özelleştirilmiş dağıtımlar için kullanılabilir. Donanım ihtiyacı sürüme göre önemli ölçüde değişir.

IBM

Granite

Kurumsal uygulamalar, metin işleme ve yazılım geliştirme senaryolarında değerlendirilebilen açık ağırlıklı modeller içerir.

RAM kapasitesine göre yerel AI seçenekleri

Aşağıdaki eşleştirmeler yaklaşık başlangıç rehberidir; kesin sistem gereksinimleri değildir. Quantization, bağlam uzunluğu, işletim sistemi ve GPU belleği sonucu değiştirebilir.

Bilgisayar RAM'i Başlangıç için model sınıfı Örnek modeller Beklenti
8 GB 1B–3B Llama 3.2 1B/3B, Gemma 3 1B Kısa görevler ve hafif sohbet
16 GB 3B–8B Gemma 3 4B, Qwen3 8B, Llama 3.1 8B Genel amaçlı yerel kullanım
32 GB 8B–14B; bazı daha büyük quantized modeller Phi-4 14B, Gemma 3 12B Daha geniş model seçenekleri
64 GB+ 14B–32B ve uygun yapılandırmalar Gemma 3 27B, Qwen3 32B Daha yüksek bellek gerektiren modeller
Donanım notu: 32 GB RAM bulunan her bilgisayarın 32B modeli hızlı çalıştıracağı söylenemez. Yeterli RAM olsa bile CPU üzerinden çıkarım yavaş olabilir. GPU belleği ve modelin tamamının hızlandırıcıya yüklenebilmesi performansı önemli ölçüde etkiler.

RAM, VRAM ve model boyutu arasındaki fark

SYSTEM MEMORY

RAM

İşletim sistemi, uygulamalar, model ağırlıkları ve çıkarım işlemleri için kullanılan sistem belleğidir.

GPU MEMORY

VRAM

Ekran kartının belleğidir. Modelin GPU üzerinde çalıştırılmasında önemli rol oynar. Yetersiz VRAM bazı işlemlerin RAM veya CPU'ya aktarılmasına neden olabilir.

MODEL FILE

Dosya boyutu

Model ağırlıklarının depolamada kapladığı alandır. Çalışma sırasında kullanılan toplam bellek bundan daha yüksek olabilir.

QUANTIZATION

Nicemleme

Model ağırlıklarının daha düşük hassasiyetle saklanmasını sağlayabilir. Bellek ihtiyacını azaltırken kalite ve performans üzerinde farklı etkiler yaratabilir.

Yerel yapay zeka hangi işler için kullanılabilir?

Kullanım alanı Örnek model aileleri Önemli kriter
Genel sohbet Llama, Gemma, Qwen, Mistral Dil kalitesi ve hız
Kod yazma Qwen Coder, Devstral, Granite Kod doğruluğu ve bağlam
Akıl yürütme DeepSeek-R1, Qwen, GPT-OSS Görev başarısı ve gecikme
Belge özetleme Gemma, Llama, Qwen Bağlam penceresi
Görsel inceleme Gemma multimodal, Qwen-VL Görsel giriş desteği
Yerel AI asistanı Qwen, GPT-OSS, Llama Araç kullanımı ve güvenlik

Yerel yapay zeka çalıştırma araçları

KOMUT SATIRI / API

Ollama

Modelleri indirme, çalıştırma ve yerel API üzerinden kullanma imkanı sunar. Windows, macOS ve Linux ortamlarını destekler.

MASAÜSTÜ ARAYÜZÜ

LM Studio

Modelleri grafik arayüzle aramaya, indirmeye, belleğe yüklemeye ve sohbet etmeye olanak tanır.

ÇIKARIM MOTORU

llama.cpp

Özellikle GGUF modelleri çalıştırmak için kullanılan yerel çıkarım altyapısıdır. CPU ve desteklenen hızlandırıcılarda çalışabilir.

GELİŞTİRİCİ ALTYAPISI

vLLM

Özellikle GPU tabanlı model sunumu, yüksek iş hacmi ve API servisleri için kullanılan çıkarım altyapısıdır.

Ollama ile yerel AI modeli çalıştırma

Ollama kurulduktan sonra aşağıdaki komutlardan biri terminalde çalıştırılabilir. İlk çalıştırmada model dosyası indirilir.

# Hafif Llama modeli
ollama run llama3.2:1b

# Llama 3.2 3B
ollama run llama3.2

# Google Gemma 3 4B
ollama run gemma3

# Qwen3 8B
ollama run qwen3:8b

# Microsoft Phi-4
ollama run phi4

# Mistral 7B
ollama run mistral
Kurulum notu: Komutlar resmî Ollama model adlarını kullanır. Model sürümleri, etiketler ve dosya boyutları değişebileceğinden indirmeden önce model sayfası kontrol edilmelidir. İlk indirme için internet gerekir.

LM Studio ile yerel AI kurulumu

01
LM Studio'yu indirin

İşletim sisteminizle uyumlu sürümü resmî siteden kurun.

02
Model kataloğunu açın

Discover bölümünden Llama, Qwen, Gemma veya diğer model ailelerini inceleyin.

03
Donanımınıza uygun modeli seçin

Model boyutu, quantization seviyesi ve mevcut bellek kapasitesini değerlendirin.

04
Modeli belleğe yükleyin

İndirilen modeli Chat bölümünden seçerek yükleyin.

05
Yerel sohbet başlatın

Model hazır olduğunda internet tabanlı çıkarım API'sine ihtiyaç duymadan sohbet edin.

Yerel ve bulut tabanlı AI karşılaştırması

Özellik Yerel AI Bulut AI
Model çıkarımı Kullanıcının cihazında Uzak sunucuda
İnternet gereksinimi İndirme sonrası temel kullanımda gerekmeyebilir Genellikle gerekir
Donanım ihtiyacı Kullanıcıya aittir Çoğunlukla sağlayıcıya aittir
Veri kontrolü Yerel yapılandırmayla daha fazla kontrol Sağlayıcının veri politikasına bağlı
Maliyet Donanım, elektrik ve bakım Abonelik veya API kullanımı
Model güncellemesi Kullanıcı yönetebilir Sağlayıcı yönetebilir
Performans Yerel donanıma bağlı Sunucu ve servis altyapısına bağlı

Yerel yapay zekanın avantajları ve sınırlamaları

AVANTAJ

Veri üzerinde kontrol

Uygun yapılandırılmış yerel çıkarım sisteminde kullanıcı girdileri harici model API'sine gönderilmeden işlenebilir.

AVANTAJ

Çevrimdışı kullanım

Model ve gerekli bileşenler indirildikten sonra birçok temel görev internet bağlantısı olmadan yapılabilir.

SINIRLAMA

Donanım kapasitesi

Büyük modeller yüksek RAM, VRAM ve işlem gücü gerektirebilir. Bazı bilgisayarlarda performans sınırlı kalabilir.

SINIRLAMA

Güncellik ve bakım

Yerel modeller güncel internet bilgisine otomatik olarak erişmez. Güncelleme, güvenlik ve entegrasyon süreçleri ayrıca yönetilmelidir.

Yerel AI kullanırken nelere dikkat edilmeli?

01
Model lisansını kontrol edin

Açık ağırlıklı olması her modelin sınırsız ticari kullanıma izin verdiği anlamına gelmez.

02
Model kaynağını doğrulayın

Mümkün olduğunda resmî model depolarını ve güvenilir dağıtımları tercih edin.

03
Bellek kullanımını izleyin

Model ağırlıkları dışında bağlam belleği ve uygulama yükü de kaynak tüketir.

04
Yerel API erişimini koruyun

Model servislerini gereksiz yere internete açık hale getirmeyin. Ağ erişimi ve kimlik doğrulama ayarlarını kontrol edin.

05
Yanıt kalitesini test edin

Küçük modelin hızlı çalışması, karmaşık görevlerde yeterli doğruluk sağlayacağı anlamına gelmez.

Araştırmanın sonucu: Yerel yapay zeka, artık yalnızca yüksek kapasiteli sunucularla sınırlı değil. Küçük modeller dizüstü bilgisayarlarda, daha büyük modeller ise yeterli RAM ve GPU kapasitesine sahip masaüstü sistemlerde çalıştırılabiliyor. Ancak model parametre sayısı, indirme boyutu, bellek gereksinimi ve gerçek çalışma hızı birbirinden ayrı değerlendirilmelidir.

Sık sorulan sorular

Yapay zeka modelleri bilgisayarda internetsiz çalışır mı?

Evet. Model ağırlıkları ve gerekli yazılımlar indirildikten sonra birçok model yerel olarak çalıştırılabilir.

8 GB RAM ile yerel yapay zeka kullanılabilir mi?

Bazı küçük ve quantized modeller kullanılabilir. Performans, işletim sistemi, CPU ve bağlam ayarlarına bağlıdır.

16 GB RAM için hangi AI modelleri uygundur?

Gemma 3 4B, Llama 3.2 3B ve uygun quantization ile bazı 7B–8B modeller başlangıç seçenekleri olabilir.

32 GB RAM ile büyük dil modeli çalıştırılabilir mi?

Evet. Bazı orta ve büyük modeller uygun quantization ve bağlam ayarlarıyla çalışabilir. Ancak hız ve uyumluluk donanıma bağlıdır.

Yerel AI için ekran kartı şart mı?

Her zaman değil. Bazı modeller CPU üzerinde çalışabilir. GPU kullanımı çoğu durumda çıkarım hızını artırabilir.

Ollama ücretsiz mi?

Ollama'nın yerel model çalıştırma yazılımı ücretsiz kullanılabilir. Ancak seçilen modelin lisansı ve ek hizmet koşulları ayrıca incelenmelidir.

LM Studio ne işe yarar?

Yerel modelleri grafik arayüz üzerinden indirmeyi, yüklemeyi ve sohbet etmeyi kolaylaştırır.

ChatGPT'nin kullandığı tüm modeller bilgisayara indirilebilir mi?

Hayır. OpenAI'ın GPT-OSS gibi açık ağırlıklı modelleri yerel olarak kullanılabilir. ChatGPT'de sunulan tüm modellerin ağırlıkları indirilebilir değildir.

DeepSeek modelleri yerel çalıştırılabilir mi?

Evet. Özellikle DeepSeek-R1 ailesinin distile edilmiş küçük sürümleri yerel çalıştırma araçlarıyla kullanılabilir.

Yerel AI modelleri Türkçe destekliyor mu?

Birçok çok dilli model Türkçe girdi ve çıktı üretebilir. Ancak Türkçe kalitesi model ailesine, sürüme ve göreve göre değişir.

Model dosyası 5 GB ise 5 GB RAM yeterli midir?

Hayır. Model ağırlıkları dışında çalışma zamanı ve bağlam belleği gerekir.

Yerel AI modelleri tamamen gizli midir?

Yerel çıkarım veri kontrolünü artırabilir. Ancak uygulamanın telemetri, güncelleme, ağ erişimi ve ek entegrasyon ayarları ayrıca değerlendirilmelidir.

Yerel AI ile yazılım geliştirilebilir mi?

Evet. Kodlama odaklı modeller kod tamamlama, açıklama, hata analizi ve geliştirme süreçlerinde kullanılabilir.

En iyi yerel yapay zeka modeli hangisi?

Tek bir model her bilgisayar ve görev için en iyi değildir. Donanım, dil desteği, kalite, hız ve lisans koşulları birlikte değerlendirilmelidir.

Kaynaklar ve metodoloji

İçerik tarihi: 15 Kasım 2026. Kapsam: Yerel çalıştırılabilen açık ağırlıklı model aileleri, örnek dosya boyutları ve donanım seçenekleri.

Ollama: Model etiketleri, örnek indirme boyutları ve komut satırı çalıştırma bilgileri.

Google: Gemma 3 ve Gemma 4 ailelerinin model boyutları ve hedef cihaz sınıfları.

LM Studio: Yerel model kataloğu, uygulama gereksinimleri ve kurulum iş akışı.

Ollama — Model Kütüphanesi
Ollama — Resmî GitHub
LM Studio — Model Kataloğu
LM Studio — Sistem Gereksinimleri
LM Studio — Başlangıç Rehberi
Google — Gemma Modelleri
Qwen — Resmî GitHub
llama.cpp — Resmî GitHub
OpenAI — Hugging Face Modelleri

Editoryal sınırlılık: Bu makaledeki RAM sınıfları kesin üretici gereksinimleri değil, yaklaşık seçim rehberidir. Model dosyası büyüklüğü çalışma anındaki bellek tüketimini göstermez. Model sürümleri, lisanslar ve donanım uyumluluğu değişebilir.

Bu İçeriği Paylaş
Dijital medya ve içerik üretimi alanında çalışmalarını sürdüren Caner, Quantraptor’ın içerik operasyonlarının yürütülmesine, yayın planlamasının oluşturulmasına ve platformun dijital erişimini ve görünürlüğünü artırmaya yönelik süreçlere katkı sunmaktadır.
Yorum yapılmamış

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir