2026'da Türkiye Yapay Zekâ ve LLM Manzarası: Kim Neyi İnşa Ediyor

Türkiye'de bir kurum yönetiyorsanız ve bir yapay zekâ projesini değerlendiriyorsanız, diğer her kararı sessizce şekillendiren tek bir soru vardır: kimin modeli üzerine inşa edeceksiniz? Son birkaç yıl boyunca dürüst yanıt "bir Amerikan modeli, İngilizce, elimizden geldiğince Türkçeye uyarlanmış" idi. Artık tek yanıt bu değil. Türkiye'nin bugün yerli büyük dil modellerinden oluşan gerçek bir ekosistemi, kendi modelini eğiten telekom ve perakende devleri ve egemen yapay zekâya kaynak akıtan ulusal bir stratejisi var. Bu yazı kimin neyi inşa ettiğini ve—daha yararlı olanı—elinizde sahaya sürülecek gerçek bir proje olduğunda bunun ne anlama geldiğini haritalıyor.

Bunu gerçekçi tuttuk. Bir bilgi kamuya açık ve doğrulanabilir olduğunda onu belirtiyoruz. Pazarın hızla değiştiği ya da bir iddianın bulanık olduğu yerde bunu söylüyoruz. Model sürümleri ve parametre sayıları her ay değişiyor; belirli sayıları kutsal metin değil, 2026 ortasının bir anlık görüntüsü olarak değerlendirin.

Neden bir "Türkçe LLM" hiç önemli olsun ki

Ağırlıklı olarak İngilizce metinle eğitilmiş bir dil modeli Türkçe konuşabilir, ancak bunu üretimde hissedebileceğiniz yabancı bir aksanla yapar. Türkçe sondan eklemeli bir dildir—anlam, kök sözcüklere uzun ek zincirleriyle yığılır—dolayısıyla tek bir sözlük sözcüğü, İngilizcenin ifade etmek için bütün bir tümceye ihtiyaç duyduğu şeyi taşıyabilir. Yeterince Türkçe görmemiş modeller onu verimsiz biçimde tokenleştirir, biçimbilimi yanlış okur ve iş yanıtlarının dayandığı kültürel ve hukuki bağlamda tökezler.

Bir tüketici sohbet botu için bu, biraz tuhaf bir ifade olarak görünür. Bir kurumsal iş akışı için—bir KVKK politikası hakkında soru yanıtlayan bir asistan, bir Türkçe sözleşmeyi özetleyen bir banka, İstanbul ağzı argosuyla baş eden bir destek görevlisi—bu, güvenle sunulan yanlış yanıtlar olarak görünür. İşte Türkçe model ekosisteminin var olma nedeni tam da bu açığı kapatmaktır ve bir bütçe ayırmadan önce anlamaya değmesinin nedeni budur.

Ulusal ve vakıf modelleri

En çarpıcı gelişme, Türkçe LLM'lerin artık yalnızca ticari ürünler olarak değil, kamusal altyapı olarak inşa edilmesidir.

T3 AI (T3AI / "T3 AI'LE") amiral gemisidir. Türkiye Teknoloji Takımı (T3) Vakfı tarafından savunma sanayii firması Baykar ile birlikte geliştirilen model, TEKNOFEST sosyal platformunda bir beta sürümü yayınladı; açık kaynaklıdır ve açıkça "etik" bir ulusal model olarak konumlanmıştır. Ortaya çıkış hikâyesi sıra dışıdır: 67 ilden yaklaşık 1.800 gönüllünün katkısı ve Millî Eğitim Bakanlığı, SETA, devlet yayıncısı TRT, Türkiye Bilimler Akademisi, Anadolu Ajansı ve Microsoft gibi ortaklar. Siyasetini nasıl değerlendirirseniz değerlendirin, T3 AI Türkiye'nin bir temel modeli kiralamak yerine ona sahip olmaya niyetli olduğunu gösteriyor.

TÜBİTAK'ın Bilge modeli araştırma kurumu ayağıdır—Türkiye'nin ulusal bilim ve teknoloji kurumundan yerli olarak geliştirilmiş, egemen bilişsel altyapıya yönelik kararlı bir adımın parçası olan bir model.

HAVELSAN'ın MAIN platformu farklı bir yol izler. Yaklaşık dokuz milyar parametreli bir model çalıştırdığı bildirilen MAIN, güvenli ve kapalı ortamlarda çalışmak üzere tasarlanmış bir savunma sektörü kurumsal yapay zekâ sistemidir—verinin binadan çıkamayacağı durumlarda önem taşıyan türden hava boşluklu (air-gapped) bir dağıtım. Bu, düzenlemeye tabi Türk kurumlarının gittiği yönün bir önizlemesidir: kamusal buluta hiç dokunmayan yetenekli modeller.

Tüm bunların üzerinde devlet stratejisi durur. Türkiye, ülkeyi 2030'a kadar ciddi bir dijital güç yapmayı hedefleyen çok milyar dolarlık ulusal bir yapay zekâ hamlesi duyurdu; KOBİ'ler için yapay zekâ çekleri, özel yapay zekâ büyüme bölgeleri ve doğrulama laboratuvarları gibi araçlarla. Bir işletme için pratik çıkarım şudur: Türkçe yapay zekâ üzerine inşa etmek giderek yalnız bir bahis değil, desteklenen bir yön hâline geliyor.

İlgili yazı: Kurumlar İçin Kendi Sunucunuzda LLM: Yerel Modeller Öncü Modelleri Ne Zaman Geçer

Ticari ve kurumsal modeller

Ulusal çabanın yanı sıra, Türkiye'nin en büyük teknoloji şirketleri kendi verilerine ve ihtiyaçlarına dayalı modeller eğitti.

Turkcell, Mistral 7B tabanlı ve yaklaşık beş milyar Türkçe token üzerinde verimli uyarlama yöntemleriyle (LoRA/DoRA) ince ayarlanmış Türkçe optimize bir model olan Turkcell-LLM-7b-v1'i inşa etti. Devasa Türkçe müşteri etkileşimine sahip bir telekom operatörü olarak Turkcell, Türkçeyi düzgün çalıştırmak için hem veriye hem de gerekçeye sahip—ve çalışmasını gizlemek yerine yayınladı.

Ülkenin e-ticaret ağır sıkleti Trendyol, siber güvenlik gibi alanlar için özelleşmiş varyantlar da dâhil olmak üzere yaklaşık 7B ile 70B parametre arasında değişen bir çift dilli (Türkçe/İngilizce) LLM ailesi yayınladı. Bir perakende platformu için ürün, yorum ve destek diline göre ayarlanmış kurum içi bir model, bir bilim projesi değil, doğrudan rekabetçi bir kaldıraçtır.

VNGRS, geçen yılın en çok konuşulan çabalarından biri olan Kumru'yu üretti. Kumru büyük ölçüde sıfırdan inşa edilmiş bir Türkçe LLM'dir—çokça tartışılan Kumru-2B, onu eğitmek için kullanılan ~500 GB'lık Türkçe web derlemiyle birlikte Ekim 2025'te açık kaynak olarak yayınlandı ve daha büyük bir modelin planlandığı bildirildi. "Sıfırdan" olması önemlidir: Türkçeyi bir İngilizce temele cıvatayla eklemek yerine VNGRS önce Türkçe üzerinde eğitti; bu da daha temiz tokenleştirme ve daha doğal çıktı üretme eğilimindedir.

TURNA modeli gibi daha önceki akademik çalışmalar burada zemini hazırladı ve açık kaynak Türkçe DDİ (doğal dil işleme) topluluğu—veri kümeleri, tokenleştiriciler, değerlendirme setleri—tüm bunları mümkün kılan bağ dokusu olmayı sürdürüyor.

Bir anlık karşılaştırma

Model / proje	Kim	Karakter	En iyi zihinsel model
T3 AI	T3 Vakfı + Baykar	Açık kaynak, ulusal, "etik" çerçeve	Topluluk destekli egemen varsayılan
Bilge	TÜBİTAK	Araştırma kurumu, egemen altyapı	Devlet ve kamu sektörü uyumu
MAIN	HAVELSAN	~9B, kapalı/güvenli ortamlar	Hava boşluklu, düzenlemeye tabi dağıtımlar
Turkcell-LLM-7b	Turkcell	Mistral tabanlı, Türkçe ince ayar, açık	Telekom kalitesinde Türkçe, pratik boyut
Trendyol LLM'leri	Trendyol	Çift dilli 7B–70B, alan varyantları	Ticari, e-ticaret ayarlı ölçek
Kumru	VNGRS	Türkçe üzerinde sıfırdan eğitilmiş	En temiz doğal Türkçe işleme

Parametre sayılarını değil, son sütunu okuyun. Doğru model, karakteri kısıtınıza—düzenleme, dil kalitesi, dağıtım ortamı ya da bütçe—uyan modeldir; en büyük sayıya sahip olandan çok daha fazla.

Peki ya küresel sohbet botları?

Bunların hiçbiri küresel oyuncuların sahneyi terk ettiği anlamına gelmiyor. Pratikte bugün çoğu Türk kurumu, üretim iş yüklerini hâlâ üst düzey uluslararası modeller üzerinde çalıştırıyor; çünkü ham yetenek, araç seti ve güvenilirlik en üst uçta önde kalmaya devam ediyor. Bu meşru bir seçimdir—özellikle verinin hassas olmadığı iç, düşük riskli otomasyon için.

Değişen şey, bunun artık tek seçenek olmaması ve giderek otomatik seçenek de olmamasıdır. Üç güç Türk kurumlarını yerel ya da hibrit yığınlara doğru itiyor: veri ikametgâhı ve KVKK (kişisel veriyi yabancı bir API'ye göndermek artık bir mühendislik detayı değil, yönetim kurulu düzeyinde bir soru), ölçekte maliyet (bir iş akışı milyonlarca çağrı çalıştırmaya başladığında, doğru boyutlandırılmış yerel bir model çarpıcı biçimde daha ucuz olabilir) ve gerçekten Türkçe görevlerde dil kalitesi. Çoğu için olgun yanıt "yerel ya da küresel" değil, kasıtlı bir karışımdır—yeteneğin kazandığı yerde öncü modeller, egemenliğin, maliyetin ya da nüansın kazandığı yerde Türkçe veya kendi kendine barındırılan modeller.

İlgili yazı: Türk Şirketleri için GEO: ChatGPT ve Yapay Zekâ Aramasında Nasıl Alıntılanırsınız

Bunun projeniz için anlamı

2026'da bir temel seçiyorsanız, bu çeyrekte hangi ismin yükselişte olduğundan bağımsız olarak birkaç pratik ilke geçerlidir:

• Modelden değil, kısıttan başlayın. Düzenlemeye tabi veri sizi kapalı ya da kendi kendine barındırılan dağıtıma (MAIN kalıbı) iter. Yüksek hacimli otomasyon sizi maliyet açısından verimli yerel modellere iter. Nüanslı Türkçe içerik sizi Kumru ya da Turkcell'inki gibi doğal olarak eğitilmiş modellere iter. En zorlu kısıt seçsin.
• Model taşınabilirliği için tasarlayın. Ekosistem, tek bir modelle temelli evlenmek için fazla hızlı hareket ediyor. İş akışlarınızı—erişim, araçlar, güvenlik önlemleri, değerlendirme—alttaki model betona dökülmüş bir temel değil, değiştirilebilir bir bileşen olacak şekilde kurun.
• Kendi Türkçe görevlerinizde değerlendirin. Kamuya açık kıyaslamalar nadiren sizin belgelerinizi, müşterilerinizi ya da ağzınızı yansıtır. Bilinen doğru yanıtlara sahip gerçek soruların oluşturduğu küçük, dürüst bir test seti, herhangi bir sıralama tablosundan daha fazlasını söyler.
• Hibrit varsayın. En sağlam mimari her görevi ona uyan modele yönlendirir—ve hassas veriyi kontrol ettiğiniz altyapıda tutarken güvenli olduğu yerde öncü yeteneğe uzanır.
• Teşvikleri izleyin. Türkiye'nin ulusal hamlesi, Türkçe modellerin gelişmeye ve açık kalmaya devam edeceği anlamına geliyor. Bu ivmenin yönünde inşa etmek makul bir uzun vadeli bahistir.

Sonuç

2026'da Türkiye artık yalnızca başka yerde inşa edilmiş yapay zekâyı tüketen bir pazar değil. Ulusal temel modelleri, kendi modelini eğiten telekom ve perakende devleri, Kumru'da sıfırdan bir meydan okuyucu, savunma sınıfı kapalı ortam platformları ve tüm bunların arkasında devlet parası var. Gerçek bir projesi olan bir kurum için bu gerçekten iyi bir haber: daha fazla seçenek, daha fazla kaldıraç ve Türkçe veriyi ile Türkçe nüansı ait oldukları yerde tutmaya yönelik inandırıcı bir yol.

Püf noktası şu: daha fazla seçenek tasarımı kolaylaştırmaz, zorlaştırır. Şimdi iyi seçmek, modelinizden önce kısıtlarınızı anlamak demektir.

Orbitra olarak, Türk kurumlarının bu değişen model manzarası boyunca taşınabilir kalan yapay zekâ otomasyonu ve agentik iş akışları tasarlamasına yardımcı oluyoruz—öncü, yerel ve kendi kendine barındırılan modelleri doğru göreve eşleştirerek ve hassas veriyi kontrol ettiğiniz altyapıda tutarak. Nereye inşa edeceğinizi haritalıyorsanız, bu manzarayı somut bir mimariye ve ilk bir pilota dönüştürmenize yardımcı olabiliriz.