Ilura ve yerel LLM (Ollama, LM Studio) — fark nerede?

Tek cümle özet

Ollama ve LM Studio yerel LLM çalıştırıcılar — kullanıcıya bir model verir. Ilura kişisel agent uygulamasıdır — cihaz-üstü zekâyla agent’ını yetiştirir, denetler, yaşatır. (İlk nesil masaüstü Ilura altta Ollama/MLX’i engine olarak kullanırdı; bugün iki ürün ayrı dünyalarda, rakip değil.)

İki ürün ne yapar?

Yerel LLM (Ollama / LM Studio)

Ollama ve LM Studio yerel LLM çalıştırıcılar. Ollama 2023’te çıkmış açık kaynak (MIT) — ollama pull llama3.1:8b ile model indir, ollama run ile chat veya localhost:11434/api/generate REST endpoint çağır. CLI tabanlı, geliştirici kitlesine uygun. Apple Silicon + NVIDIA + AMD GPU desteği yerli; GGUF + llama.cpp tabanlı; Modelfile ile system prompt + parametre kombinasyonu paketleyebiliyor. LM Studio kapalı kaynak GUI uygulaması — model arama, indirme, chat UI, OpenAI-compatible API server. MLX backend Apple Silicon’da Ollama’dan daha hızlı; ama ticari kullanımda ek lisans gerekiyor. İki ürünün ortak görevi: kullanıcıya bir model çalıştırma ortamı vermek. Agent kavramı, yetiştirme, hafıza, denetim, yayınlama — bunlar Ollama’nın veya LM Studio’nun işi değil. Geliştirici kendi script’inde, kendi LangChain pipeline’ında, kendi RAG kurulumunda yerel modeli çağırır. Yerel inference + KVKK iyi noktada (veri makineden çıkmıyor); ama agent yaşam döngüsü için ek katman gerek. Continue.dev, Open WebUI, Aider gibi araçlar yerel LLM’i kullanan tüketici/IDE arayüzleri — ama hiçbiri agent yetiştirme kategorisinde değil. Geliştirici kitlesine sınırlı kalan bir ekosistem; KOBİ sahibi veya hekim için doğrudan kullanılabilir bir ürün değil.

Ilura

Ilura, kullanıcının kendi agent’ını / iş arkadaşını iPhone’unda yetiştirdiği uygulama. Yetiştir → Öğret → Yaşat üçlemesi: agent üç soruyla tanımlanır, riskli her kararı kullanıcıyla denetlenir, onay-red akışı tercihlerine, rutinlerine ve karar kurallarına (kalıcı hafıza + üslup) yazılır; tekrarlayan işler Playbook’la tarif edilir. Motor Apple Intelligence — cihaz-üstü; model seçme, indirme, engine yönetme derdi yok. Veri cihazda — agent’ın hafızası ve kararları iPhone’da durur. Olgunlaşan agent’ı Siri ve Kısayollar üzerinden (desteklendiği yerde) çağırıp kullanırsın; Ilura arka planda kendi başına başka uygulamaları yönetmez, otonom kontrol iddia etmez — sen çağırırsın, çıktıyı sen onaylarsın. Kalıcı hafıza ve profil katmanları agent’ın “kişiliğini” oluşturuyor — bunlar Ollama veya LM Studio’da yok, kullanıcının kendi yazılımında kurması gereken katmanlar. Ilura’nın çekirdek tezi: model çalıştırmak işin %5’i; agent yaşam döngüsünü kurmak %95’i. Ilura bu %95’i hazır sunuyor.

Hangi özellik kimde nasıl?

KVKK ve veri yerleşimi farkı

Ollama ve LM Studio yerel çalışıyor — veri makineden çıkmıyor, KVKK madde 9 sınır ötesi aktarım sorunu doğmuyor. Bu yerel-öncelikli yaklaşım KVKK için iyi bir başlangıç noktası. Ama madde 12 kapsamında “uygun teknik ve idari tedbirler” denetlenebilir kanıt isteyen bir kavram — model ne yaptı, hangi karar alındı, kim onayladı kayıt altında olmalı. Ollama veya LM Studio bu denetim katmanını sunmuyor; kullanıcı kendi audit log’unu yazmak zorunda. Pratikte denetleyici sorduğunda “modelimiz yerel çalışıyor” demek yeterli olmuyor — somut kayıt + cryptographic doğrulama bekleniyor. Ollama bir engine; engine işin sadece bir kısmı.

Ilura aynı “veri kullanıcıda kalır” ilkesinde çalışır — bugün en saf haliyle: işleme cihaz-üstü, kişisel veri iPhone’dan çıkmaz. Riskli eylem onaysız akmaz; onay/red geçmişi cihazdaki kalıcı hafızada izlenir. Sağlık kuruluşu, hukuk bürosu, finansal hizmetler gibi düzenlemeli sektörlerde “veri nereye gidiyor?” sorusunun yapısal cevabı (hiçbir yere) en güçlü denetim pozisyonudur. (İlk nesil masaüstü Ilura’da bu tablo PolicyEngine + SHA-256 audit chain + KVKK paneli ile kurulurdu; cihaz-üstü dönemde sadeleşti.)

KVKK derinlik için KVKK uyumlu yapay zeka ve Türkiye’de AI agent kullanımı sayfalarına bakman faydalı olur.

Pratik bir not: Ollama kullanan bir hekim “veri makineden çıkmıyor, KVKK uyumlu” dediğinde teknik olarak doğru söylüyor — ama “hangi kararı kim onayladı?” sorusunda Ollama log’ları yetersiz kalıyor. KVKK madde 12 “veri sorumlusu uygun teknik ve idari tedbirleri almakla yükümlüdür” diyor. Ilura aynı “veri kullanıcıda” ilkesinde durur + üstüne onay/red disiplini ekler: riskli karar onaysız akmaz, karar geçmişi cihazdaki hafızada izlenir.

Hangi durumda hangisi?

Ollama ve LM Studio şu durumlarda yeterli: geliştirici olarak kendi script’inde yerel LLM çağırıyorsun (Python, Node, Rust); IDE’inde Continue.dev veya Cursor ile yerel kod tamamlama yapıyorsun; LangChain ile yerel chain kuruyorsun; quick experiment, no-state generation. Agent kavramı, yetiştirme, denetim gerek değil — sadece “yerel ChatGPT” duygusu yeterli. Ücretsiz + açık kaynak (Ollama) avantaj.

Ilura şu durumlarda daha iyi: agent’ı haftalarca aynı işin başında tutup yetiştirmek istiyorsan; KVKK rahatlığı gerekiyorsa; kod yazmadan başlamak istiyorsan; seni tanıyan bir yol arkadaşı arıyorsan. KOBİ sahibi, hekim, avukat, e-ticaretçi gibi profesyonellerde Ilura yaklaşımı daha uygun çünkü yetiştirme + denetim + günlük akışa bağlanma hazır geliyor — sıfırdan kurmaya gerek yok. Ollama + LangChain + kendi vector DB + kendi audit log kombinasyonu ile aynı işlevi kurmaya çalışmak haftalar/aylar süren bir yazılım projesi; Ilura bu katmanları hazır sunuyor.

İki ürün rakip değil; artık aynı yığında da değiller. “Ollama vs Ilura” yanlış soru — doğru soru “model mi çalıştırıyorsun, agent mı yetiştiriyorsun?”. Geliştirici experimentation için engine yeterli; seni tanıyan uzun vadeli agent için Ilura.

Pratik bir karar matrisi: geliştiricisin, kendi pipeline’ını tasarlıyorsun, deneylerin hızlı dönecek — Ollama veya LM Studio yeterli. Bir agent’ı 6+ ay boyunca aynı işin başında tutacak, KVKK rahatlığı ve kişisel hafıza istiyorsan — Ilura. Ortada bir senaryo varsa (geliştirici + kişisel agent istiyor) — ikisi paralel: Ollama masada, Ilura cepte.

Migration: Yerel LLM’den Ilura’ya

Bugün iki ürün ayrı dünyalarda yaşar: Ollama/LM Studio masaüstünde model deneyleri için, Ilura iPhone’unda kişisel agent için. (İlk nesil masaüstü Ilura, Ollama’yı altta engine olarak otomatik bulup kullanırdı; o kurulum akışı tarihe karıştı.) Geçiş pratikte basit: Ilura’yı edin, üç soruyla agent’ını kur — engine, URL, model çekme adımı yok.

Migration aslında “ekleme”; mevcut Ollama kurulumun bozulmuyor — Ollama’yı silmek zorunda değilsin, geliştirici script’lerin çalışmaya devam ediyor. Ilura ayrı bir cihazda, ayrı bir işi üstleniyor: kişisel agent’ını yetiştirmek. İki dünya birbirine karışmadan yan yana yaşıyor.

Donanım planlaması açısından fark net: Ollama’yı tek başına kullandığında modeli yükledikçe RAM tüketimi artar; donanım ve disk hesabı senin işin. Ilura’da hesap yok — Apple Intelligence destekleyen iPhone yeterli; agent’ın hafızası hafif, işletim sistemi yönetir.

Sonra ilk agent tanımı: üç soru — adı, görevi (örnek: “müşteri e-postalarını sınıflandırıp önerilen yanıt taslağı üreten asistan”), sınırları. İlk yetiştirme oturumunda agent her kararını sana soruyor — onay-red düzeltmelerin tercihlerine, rutinlerine ve karar kurallarına (üslup dahil) yazılıyor.

Eğer önceden LangChain veya kendi Python pipeline’ında bir agent kurmuşsan, Ilura’da yeniden kurmak zorundasın — direkt göç yok. Görev mantığı tanım + Playbook’a çevrilir; hafıza ilk konuşmalarda ve onay/red akışında yeniden kurulur.

Maliyet hesabı: Ollama ücretsiz; Ilura Kâşif planı ücretsiz. Yani çekirdek başlangıç için ek ücret yok. Geliştirici ve Girişimci planlarının ayrıntıları App Store’da; cihaz-üstü mimaride token faturası kalemi yapısal olarak yok.

İlk hafta beklenti: agent her kararını soruyor, “yetersiz” hissi olabilir. 2-3 hafta sonra tercih profili olgunlaşıyor, basit kararlarda tercihlerini taşıyor. 4. haftada tanıdık rutinde senin tarzında hazır taslak getiriyor — yine sen çağırır, çıktıyı sen onaylarsın; kişiselleşme farkı kapatıyor. Olgunlaşan agent Siri ve Kısayollar’a (desteklendiği yerde) bağlanıyor — sıradan bir Ollama endpoint’inin veremeyeceği bir deneyim.

Donanım notları: Ollama tarafında Apple Silicon veya 16GB+ RAM + GPU hesabı senin sorumluluğunda; 8B model için ~6GB RAM, 70B sınıfı için 32GB+ gerekir. Ilura tarafında bu hesap yok: Apple Intelligence destekleyen iPhone yeterli — model önerisi, eğitmen ekleme, sunucu kurma adımları kavramsal olarak kalktı.

Somut bir örnek üzerinden gidelim. Bir geliştirici Ollama + Continue.dev kullanıyor — IDE’inde yerel Llama 3.1 8B ile kod tamamlama yapıyor. Aynı geliştirici kendi günlük işleri için bir destek agent’ı istiyor: müşteri maillerinin triyajı, ticket özetleri. Continue.dev bunun için tasarlanmamış; LangChain ile kendi agent’ını kurması haftalar alır. Bu noktada Ilura devreye giriyor: Continue.dev IDE’de kalıyor (geliştirici workflow’u), Ilura iPhone’da kişisel destek agent’ını yetiştiriyor. İki ürün paralel, farklı sahnelerde.

Bir başka örnek hekim. Klinik LM Studio kurmuş; doktor günlük dosya özetleme için yerel model çalıştırıyor. LM Studio’nun chat UI’ı işi görüyor ama klinik birden fazla doktor için ayrı agent ister; her doktorun kendi ses tonunu öğrenecek yapı gerek. LM Studio’da bu yok — tek model + tek chat. Ilura’da her doktorun kendi iPhone’unda kendi agent’ı / iş arkadaşı var; tercih profili (tercih, rutin, karar kuralı) + üslup hekime özel, hasta verisi hekimin cihazından çıkmıyor. LM Studio masadaki deney aleti olarak kalabilir; günlük klinik akışı Ilura taşır.

Tarihsel not: ilk nesil masaüstü Ilura’da eğitmen modeli seçimi pratik bir karardı — yerel büyük model veya bulut eğitmen (Claude/GPT-4o), PII-mask katmanı, haftalık model uyarlama seansı. Bugünkü Ilura’da bu kararlar yok: öğrenme cihazda, onay/red düzeltmelerin ve Playbook’la olur (tercihlerin, rutinlerin ve karar kuralların); KVKK sorusu kökten kapanır.

Maliyet karşılaştırması: Ollama açık kaynak ücretsiz; LM Studio kişisel ücretsiz, ticari ek lisans. Ilura’da Kâşif ücretsiz; planlar App Store’da. Ollama veya LM Studio tek başına agent yetiştirme için yetersiz olduğu için kıyas zaten anlamlı değil — Ilura ayrı katman, ayrı değer.

Geçişin ardındaki en sık duyulan endişe “cihaz-üstü modelin akıcılığı yetmez” şeklinde. Bu kısmen doğru — cihaz-üstü model frontier bulut modelleri seviyesinde değil. Ama agent yetiştirme bağlamında akıcılık tek değil; tutarlılık + bağlam hatırlama + ses tonu uyumu birlikte daha önemli. Agent 4-6 haftada onay/red ve Playbook’la bu üç alanda fark kapatıyor; çünkü senin ses tonunda yetişiyor, senin tercihlerini içselleştiriyor. Claude generic akıllı; Ilura’da yetiştirilen agent senin için akıllı. Karar matrisi: “her şey için akıllı” generic asistan istiyorsan Claude.ai; “benim için akıllı” kişisel agent istiyorsan Ilura.

Sıkça sorulanlar