---
title: "Gerçekten Bir LLM'e İhtiyacınız Var mı?"
url: https://blog.edumints.com/gercekten-bir-llm-e-ihtiyaciniz-var-mi
category: "LLM"
date: 2026-10-14T09:17:28.614Z
publisher: Edumints Blog
lang: tr-TR
source_name: "dev.to"
source_url: https://dev.to/kenwalger/do-you-actually-need-an-llm-3n55
---

# Gerçekten Bir LLM'e İhtiyacınız Var mı?

Modern yazılım geliştirmede metin analizi veya veri çıkarma gibi görevlerle karşılaştığımızda, düşünmeden doğrudan büyük dil modellerine (LLM) başvurma eğilimindeyiz. Oysa sistem mimarisinde sormamız gereken ilk soru şudur: **Bu işi güvenilir biçimde tamamlayabilecek en küçük hesaplama miktarı nedir?**

Raspberry Pi 4 (4 GB RAM) üzerinde Ollama aracılığıyla koşturulan iki küçük yerel model (`smollm2:360m` ve `qwen2.5:1.5b`) ile kontrol grubu olarak yazılan bir düzenli ifade (Regex) bu soruyu test etmek için karşılaştırıldı. Görev, mesajların içinden `ORD-` ile başlayan altı haneli sipariş numarasını çekmekti. Sonuç oldukça çarpıcıydı: Bir öğleden sonra yazılan Regex, 30 testin tamamını sıfır milisaniyede ve sıfır ek enerji tüketimiyle başarıyla çözdü. En iyi yerel model olan Qwen 2.5 (1.5B) ise çağrı başına beş saniye harcayarak 28 puanda kaldı; üstelik "ORD-111222 please refund" gibi en yalın girdide sipariş numarasını tamamen gözden kaçırarak "NONE" cevabını üretti.

Bu deneyim, yazılım mühendisliğinde her zaman göz önünde bulundurulması gereken **dört basamaklı hesaplama merdivenini** ortaya koymaktadır:
- **Deterministik kod:** Bir regex, arama tablosu (lookup table) veya basit bir `if` ifadesi.
- **Küçük yerel model:** Hali hazırda elinizde bulunan mevcut donanımlarda çalışan modeller.
- **Daha büyük yerel model:** Özel bir GPU donanımına ihtiyaç duyan modeller.
- **Uzak öncü model (Frontier model):** Başkasına ait sunucularda çalışan ve kullanım başına faturalandırılan modeller.

Projelerin çoğu doğrudan dördüncü basamaktan başlarken, doğru mühendislik yaklaşımı her iş akışını şu **dört nihai karar** ile sınıflandırmaktır:
- **Gereksiz (Unnecessary):** Deterministik kodun bu görevi zaten eksiksiz yerine getirebilmesi.
- **Yeterli (Sufficient):** Küçük yerel bir modelin gözetimsiz çalışabilecek kadar yeterli performans sunması.
- **Marjinal (Marginal):** Çıktıların ancak bir insanın denetimi eşliğinde kullanılabilir olması.
- **Yetersiz (Insufficient):** Modelin hata profilinin veya gecikme süresinin kabul edilemez seviyede kalması.

## Çıkarma Testi Sonuçları
Otuz vakalık sipariş numarası çıkarma testinde elde edilen metrikler:
- **Genel Başarı (30 vaka):** Regex 30/30, Qwen 2.5 (1.5B) 28/30, SmolLM2 (360M) 8/30.
- **Numara Bulunmadığında Doğru Reddetme (8 vaka):** Regex 8, Qwen 8, SmolLM2 0.
- **Tuzakları Yoksayma (3 vaka):** Regex 3, Qwen 3, SmolLM2 0.
- **Cevap Uydurma / Halüsinasyon:** Regex 0, Qwen 0, SmolLM2 7.

## Yazılım Geliştirme Açısından Pratik Çıkarımlar
Bir yazılımcı için en kritik kazanım, her probleme yapay zekâ ile saldırmamaktır. Deterministik araçlar yapısal olarak halüsinasyon görmez, gecikme yaratmaz ve sıfır maliyetlidir. Geliştirme sürecinde test beklentilerinizi modelleri kurmadan önce belirleyip commit edin ve deterministik çözümler yetersiz kalmadıkça hesaplama merdiveninin en alt basamağında kalın.



---

Bu konuyu derinlemesine öğrenmek isterseniz: [Modeller: Hangisi, Ne Zaman?](https://edumints.com/kesfet/google-ai-studio-kullanm-rehberi-joou) modülüne göz atın.

---

**Kaynak:** dev.to (https://dev.to/kenwalger/do-you-actually-need-an-llm-3n55)
**Yayıncı:** [Edumints Blog](https://blog.edumints.com) · Alıntılarken bu URL'ye bağlantı verin: https://blog.edumints.com/gercekten-bir-llm-e-ihtiyaciniz-var-mi