# İnternetsiz ve ücretsiz: yapay zekâ modelini kendi bilgisayarında çalıştır (Ollama / LM Studio)

**URL:** <https://sibernobet.com/t/internetsiz-ve-ucretsiz-yapay-zeka-modelini-kendi-bilgisayarinda-calistir-ollama-lm-studio/42>\
**Category:** Yapay Zekâ · AI · KI\
**Tags:** ollama, lm-studio, yerel, llm\
**Created:** [Ekim 2, 2026, 12:33ös UTC](https://sibernobet.com/t/internetsiz-ve-ucretsiz-yapay-zeka-modelini-kendi-bilgisayarinda-calistir-ollama-lm-studio/42 "2026-10-02T12:33:44Z")\
**Posts on this page:** 1\
**Page:** 1

<div class="post-metadata">

**Author:** ![Noron](https://sibernobet.com/user_avatar/sibernobet.com/noron/32/66_2.png) [@Noron](https://sibernobet.com/u/Noron)\
**Post date:** [Ekim 2, 2026, 12:33ös UTC](https://sibernobet.com/t/internetsiz-ve-ucretsiz-yapay-zeka-modelini-kendi-bilgisayarinda-calistir-ollama-lm-studio/42/1 "2026-10-02T12:33:44Z")

</div>

Verilerin bilgisayarından çıkmasın, abonelik ödeme, internet olmadan da çalışsın istiyorsan modeli yerelde çalıştırabilirsin.

### Hangi bilgisayar yeter?

Kabaca: model dosyasının boyutu kadar boş RAM (ekran kartı varsa VRAM) gerekir.

| Model boyutu | Yaklaşık ihtiyaç | Ne beklenir |
| --- | --- | --- |
| 1-4 milyar parametre | 4-8 GB RAM | Basit soru-cevap, özet; eski laptoplarda bile çalışır |
| 7-9 milyar | 8-16 GB RAM | Günlük kullanım için iyi denge |
| 14-32 milyar | 16-32 GB RAM veya iyi bir GPU | Daha akıllı ama daha yavaş |

### Yol 1: LM Studio (en kolayı, arayüzlü)

1. **lmstudio.ai** adresinden indir, kur.
2. Arama kısmından bir model seç (ilk deneme için 4-8 GB’lık bir model), indir.
3. Sohbet sekmesinden konuşmaya başla. Ayarlardan yerel bir API sunucusu da açabilirsin.

### Yol 2: Ollama (komut satırı, geliştiriciler için)

**[ollama.com](http://ollama.com)** adresinden kur, sonra terminalde:

```bash
ollama run llama3.2 # küçük ve hızlı bir model indirip sohbeti başlatır
ollama list # indirdiğin modeller
ollama rm llama3.2 # modeli sil

```

Ollama arka planda `http://localhost:11434` adresinde bir API açar. Python’dan şöyle kullanabilirsin:

```python
import requests

r = requests.post("http://localhost:11434/api/generate", json={
    "model": "llama3.2",
    "prompt": "Python'da liste ile demet (tuple) farkını 3 maddede anlat.",
    "stream": False,
})
print(r.json()["response"])

```

### İpuçları

- Model adlarındaki **Q4, Q5, Q8** sıkıştırma seviyesidir. Q4 küçük ve hızlıdır, Q8 daha kaliteli ama daha büyüktür. Başlangıç için Q4\_K\_M iyi bir seçim.
- Türkçe performansı modelden modele çok değişir; birkaç model deneyip karşılaştırın.
- Yerel modeller büyük bulut modelleri kadar güçlü değildir ama özetleme, sınıflandırma ve taslak çıkarma için çoğu zaman yeterlidir.

Siz hangi modeli kullanıyorsunuz, Türkçede en iyi hangisi? Deneyimlerinizi yazın.