Small Language Models (SLM)
21 Temmuz 2026 Salı
“Devasa Modellerin Tahtı Sallanıyor”
Yapay zekâ dünyasında son birkaç yıldır tek bir mantra vardı: "Ne kadar büyük, o kadar iyi!"
Yüz milyarlarca, hatta trilyonlarca parametreye sahip devasa Büyük Dil Modelleri (LLM - Large Language Models) hayatımıza girdi. GPT-4, Gemini, Claude derken hepimiz bu dev modellerin yeteneklerine hayran kaldık.
Ancak bir süre sonra madalyonun öteki yüzü görünmeye başladı: Bu dev modeller inanılmaz derecede hantal, bulut API ücretleri el yakıyor, yanıt sürelerinde gecikmeler yaşanıyor ve en önemlisi şirket verilerini üçüncü taraf bir buluta göndermek devasa bir gizlilik riski yaratıyor.
İşte tam bu noktada, yapay zekâ dünyası vites değiştirdi. Artık yeni trend, devasa sunucuları işgal eden "ağır sıklet" modeller değil; cebimize, bilgisayarımıza ve şirket içi sunucularımıza sığabilen "fit ve çevik" Küçük Dil Modelleri (SLM - Small Language Models).
"Nedir BLOG"un bu haftaki yazısında, "Cepteki Zekâ" serimizin ilk bölümü olan SLM kavramını mercek altına alıyoruz.
Small Language Models (SLM) Nedir?
Small Language Models (SLM); genellikle 1 milyar ile 10 milyar parametre arasında değişen ölçekte eğitilmiş, kaynak tüketimi düşük ama belirli görevlerde devasa modellere kafa tutacak kadar zeki yapay zekâ modelleridir.
Parametre sayısını yapay zekanın "beyin hücresi" sayısı gibi düşünebilirsiniz:
LLM'ler (Büyük Dil Modelleri): 100 milyar - 1 trilyon+ parametreye sahiptir. Her konudan biraz anlayan devasa genel kültür ansiklopedileri gibidirler.
SLM'ler (Küçük Dil Modelleri): 1B, 3B, 7B veya 8B parametreye sahiptirler. Odaklanmış, gereksiz yüklerinden arındırılmış ve spesifik uzmanlık alanlarında çok hızlı çalışan "saha uzmanları" gibidirler.
İlginç Bir Bilgi: Yeni nesil teknikler (Knowledge Distillation, Quantization) sayesinde bugün 7 milyar parametreli bir SLM, bundan sadece birkaç yıl önce eğitilen yüz milyarlarca parametreli dev modellerden çok daha mantıklı ve tutarlı yanıtlar üretebiliyor.
Neden Herkes SLM (Küçük Dil Modelleri) Konuşuyor?
Şirketlerin ve geliştiricilerin gözlerini SLM'lere çevirmesinin 4 kritik nedeni var:
1. Cüzdan Dostu: Sıfır API Maliyeti
Devasa modellerin API kullanım ücretleri, uygulamanız popülerleştikçe kabusa dönüşebilir. Bir SLM'i kendi sunucunuzda veya cihazınızda çalıştırdığınızda, her kullanıcı sorgusu için bulut devlerine para ödemek zorunda kalmazsınız.
2. Yüksek Veri Gizliliği ve Güvenlik
Bir banka, sağlık kuruluşu veya savunma sanayii firması olduğunuzu düşünün. Müşteri verilerini veya ticari sırlarınızı ABD merkezli bir bulut sağlayıcısına gönderemezsiniz. SLM’ler tamamen şirket içinde (On-Premise) çalışabildiği için verileriniz asla dışarı çıkmaz.
3. Işık Hızı ve Düşük Gecikme (Latency)
Devasa modellerin yanıt üretmesi, bulut sunucularındaki yoğunluğa göre birkaç saniye sürebilir. Küçük modeller ise çok az RAM ve işlemci gücü tükettiği için yanıtları neredeyse anında (milisaniyeler içinde) üretir.
4. Kolay Özelleştirme (Fine-Tuning)
100 milyar parametreli bir modeli kendi verilerinizle eğitmek (fine-tune) servet tutar. Ancak 7B parametreli bir SLM'e kendi şirket içi dokümanlarınızı öğretmek birkaç saat sürer ve çok ucuzdur.
LLM vs. SLM: Hangisi Ne Zaman Kullanılmalı?
Popüler SLM Örnekleri
Bugün açık kaynak dünyasında ve teknoloji devleri arasında muazzam bir SLM yarışı var:
Microsoft Phi Serisi (Phi-3 / Phi-4): Cep telefonunda bile çalışabilen, boyutuna göre inanılamaz akıl yürütme yeteneği olan efsane bir seri.
Meta Llama (Llama 3 8B): Açık kaynak dünyasının en popüler, en çok indirilen ve özelleştirilen küçük modellerinden biri.
Google Gemma: Google'ın Gemini teknolojisinden beslenen, geliştiriciler için optimize edilmiş hafif siklet modeli.
Mistral 7B: SLM devrimini başlatan Fransız yapay zeka girişimi Mistral'in harikası.
Bitiş ve Gelecek Haftanın Teaseri!
Özetle yapay zeka dünyasında "en büyük olan" değil, "işini en verimli gören" kazanmaya başladı. SLM'ler sayesinde artık devasa bulut bağımlılıklarından kurtuluyor, yapay zekayı daha demokratik, ucuz ve güvenli bir hale getiriyor.
Peki bu kadar küçük ve akıllı modellerimiz varsa... Bunları sadece sunucularda değil, doğrudan cebimizdeki telefonda, akıllı saatimizde veya interneti olmayan bir cihazda nasıl çalıştıracağız?
İşte orada devreye donanım ve mimari devrimi giriyor! "Cepteki Zeka" serimizin 2. bölümünde haftaya Edge AI (Uçta Yapay Zeka)konusunu konuşacağız.
Takipte kalın, kahveleri eksik etmeyin!