2f01d06592
All checks were successful
Deploy / deploy (push) Successful in 7m12s
Co-Authored-By: Claude Fable 5.1 <noreply@anthropic.com>
36 lines
5.2 KiB
Markdown
36 lines
5.2 KiB
Markdown
# Türkiye'de barındırılan model: sağlayıcı adayları
|
||
|
||
> 26 Eyl 2026 sabaha karşı. Bilal kararı: "sunucu Türkiye'de". Kod tarafı hazır: `src/lib/ai/client.ts` sağlayıcıyı `AI_BASE_URL` + `AI_API_KEY` ortam değişkenlerinden okur (OpenAI uyumlu her uç takılır), model adı `OPENROUTER_MODEL`/`OPENROUTER_SOHBET_MODEL` ile seçilir. Aşağıdaki bilgiler herkese açık sayfalardan; fiyat, araç çağrısı (function calling) desteği ve veri işleyen sözleşmesi (DPA) her adaya **doğrudan sorulmalı**.
|
||
|
||
## Adaylar
|
||
|
||
| Aday | Ne | Türkiye'de veri | OpenAI uyumlu | Modeller | Fiyat | DPA/KVKK | Araç çağrısı | Not |
|
||
|---|---|---|---|---|---|---|---|---|
|
||
| **LLMTR** (llmtr.com) | Yönetilen API geçidi; "Türkiye'de barındırılan" etiketli modeller kendi altyapısında | Evet (etiketli modeller için; veri merkezi adı açıklanmıyor) | Evet: `base_url = https://llmtr.com/v1` | Türkiye'de: Qwen 3.6 35B-A3B, Gemma 4, Trendyol Azure 12B, Magibu 11B, Muse Glimmer 30B; global modeller de aynı katalogda ama **yurt dışında işlenir** — yanlışlıkla seçilmemeli | Kredi yüklemede %8 marj; model fiyatları sitede | Sayfada yok, sorulacak | Belirtilmemiş, **sorulacak** (danışman araçları için şart) | En az iş: yalnız .env değişir. Model küçülür (35B MoE); araç çağrısı kalitesi denenmeli |
|
||
| **baykAI** (cloud.bayk.ai) | Türkiye'de GPU bulutu; pod açıp kendi modelini (vLLM) koşturursun | Evet ("model de veri de Türkiye'deki veri merkezlerinde") | vLLM ile evet (kendi kurulumumuz) | İstediğimiz açık model (DeepSeek/Qwen büyük sürümler dâhil) | Saatlik pod; sayfada rakam yok | "Talep hâlinde KVKK uyumlu DPA imzalarız" — **tek açık DPA vaadi** | vLLM ile evet | Daha çok işletme yükü (model yönetimi, ölçekleme); esneklik ve DPA netliği en yüksek |
|
||
| **EVREN** (evren.ssyz.org.tr) | Savunma Sanayii Başkanlığı'nın yapay zekâ platformu | GPU Türkiye'de | Evet (blog yazısı) | DeepSeek v4-flash (bizim bugünkü model!), GLM 5.3, Qwen 3.8, Gemma 4 | Katkı temelli kredi; ticari erişim koşulu belirsiz | Bilinmiyor | Bilinmiyor | Bugünkü modelin birebir Türkiye'de kopyası burada; **erişim şartı sorulmalı** (kamu/savunma odaklı olabilir) |
|
||
| **GreenPT** | LLMTR kataloğunda "Türkiye merkezli, 38 model" görünüyor | Doğrulanmadı | ? | ? | ? | ? | ? | Yalnız katalog satırı; siteye bakılmadı |
|
||
| **Kendi GPU sunucusu** (Türk Telekom/Turkcell VM, Doruk, Vargonen, SistemDC…) | Kiralık GPU + vLLM | Evet | Evet | Sınır: kartın belleği (L40S/A100'de 30-70B; DeepSeek tam boy çok pahalı) | Sektör rehberi: 60-300 bin TL/ay (L4/L40S/A100 + runtime); RTX 5060 Ti ~19 bin TL/ay (küçük model) | Sunucu sağlayıcı DPA'sı + kendi sorumluluğumuz | vLLM | En pahalı ve en çok iş; trafik küçükken anlamsız |
|
||
| llm.gen.tr | Kredili API | Belirtilmemiş | Evet | 30 model | ₺125 ≈ 1 M token | Yok | ? | **"Hizmetler yakında durdurulacak" uyarısı var — elenir** |
|
||
|
||
## Öneri
|
||
|
||
1. **İlk deneme LLMTR** (bir günlük iş): hesap aç, `AI_BASE_URL=https://llmtr.com/v1`, model Qwen 3.6 35B-A3B (Türkiye etiketli). Üç şey test edilir: (a) danışman araç çağrısı çalışıyor mu (`[soru] araç:` logu), (b) 24'lük liste üretimi şemaya uyuyor mu (`yapilandirilmisUret` json_schema strict), (c) gecikme. Sonra DPA ve veri merkezi yazılı sorulur.
|
||
2. **B planı baykAI**: LLMTR araç çağrısını ya da liste şemasını beceremezse, baykAI'da vLLM ile Qwen/DeepSeek'in daha büyük bir sürümü; DPA yazılı alınır.
|
||
3. **EVREN**'e tek e-posta: ticari erişim var mı, fiyat ne. Varsa bugünkü modelin aynısı Türkiye'de olur, prompt'lar değişmez.
|
||
4. Sağlayıcı seçilince aynı commit'te `/gizlilik` "Hizmet sağlayıcılar" bölümü yeniden yazılır (yurt dışı aktarım paragrafı kalkar, yurt içi işleyen + DPA satırı gelir) ve Resend (İrlanda) için ayrı karar verilir (Türkiye'de e-posta sağlayıcısı ya da standart sözleşme).
|
||
|
||
## Teknik uyarılar
|
||
|
||
- Liste üretimi `response_format: json_schema, strict: true` ister; küçük açık modeller bunu bazen yok sayar. Kod gevşek şemayla kurtarıyor ama iki denemede de tutmazsa liste üretilemez — ilk testte 5 farklı sıralamayla denenmeli.
|
||
- Danışman araç şemaları OpenAI biçiminde (`tools`, `tool_choice`); vLLM'de `--enable-auto-tool-choice --tool-call-parser hermes` (Qwen) gerekir. LLMTR'de sağlayıcı ayarıdır, sorulur.
|
||
- Model değişince `reasoning_effort: "none"` alanı bazı sağlayıcılarda 400 döndürebilir; `cagri.ts`'de iki yerde geçiyor, gerekirse kaldırılır.
|
||
|
||
## Kaynaklar (26 Eyl 2026)
|
||
|
||
- [LLMTR](https://llmtr.com/), [LLMTR modeller](https://llmtr.com/models), [LLMTR KVKK ve veri yerelliği yazısı](https://llmtr.com/blog/kvkk-llm-api-veri-yerelligi)
|
||
- [baykAI](https://cloud.bayk.ai/)
|
||
- [EVREN + OpenCode yazısı](https://bykemalh.me/tr/blog/evren-llm-opencode-coding-agent), [EVREN](https://evren.ssyz.org.tr/)
|
||
- [llm.gen.tr](https://llm.gen.tr/)
|
||
- [DorukNet: AI ajanları için sunucu altyapısı 2026](https://doruk.net.tr/blog/yapay-zeka-ajanlari-sunucu-ve-hosting-altyapisi), [SistemDC RTX 5060 Ti](https://www.sistemdc.com/yazi/nvidia-rtx-5060-ti-sunucu-kiralama-ai-inference-ve-oyun-rehberi-2026), [Hostvera LLM sunucu](https://hostvera.com.tr/llm-yapay-zeka-sunucusu.php)
|