Hugging Face’te bir modeli yayınlamak, dosya yüklemekten çok daha fazlasını içerir: bir model deposu (repo) oluşturmak, ağırlıkları ve konfigürasyonları yüklemek, model kartı yazmak, lisans türünü tanımlamak ve gerekiyorsa erişimi onaya bağlamak gerekir. Bu rehberde model paylaşımının teknik adımlarını, model kartı ve lisanslama mantığını baştan sona anlatıyoruz (Hugging Face’in genel işleyişine bu rehberden göz atabilirsiniz).
Hugging Face’te model paylaşmak için önce bir hesap ve yazma yetkili erişim token’ı oluşturulur, ardından Git tabanlı bir model deposu açılır. Depoya ağırlık dosyaları, config.json, tokenizer dosyaları ve README.md (model kartı olarak yorumlanır) eklenir. Lisans türü (Apache 2.0, MIT, community license vb.) belirlenir ve isteniyorsa model “gated” yapılarak erişim onaya bağlanır. Yükleme; web arayüzü, huggingface-cli komut satırı veya Python SDK (HfApi) üzerinden yapılabilir.
Model Deposu (Repo) Nasıl Oluşur?
Hugging Face’te her kullanıcı veya kurum kendi model deposunu açabilir. Bu depo Git tabanlıdır; yani sürüm kontrolü, dallanma (branch) ve commit geçmişi gibi özellikler taşır. Depo public (herkese açık) veya private (sadece belirli kişilere açık) olarak oluşturulabilir. Depo oluşturulduktan sonra ağırlık dosyaları, konfigürasyon dosyaları, eğitim veya çıkarım kodu örnekleri ve model kartı eklenir.
Model yüklenirken lisans tipi ve modelin “gated” (onaylı erişim) olup olmadığı da belirtilir. Bu iki ayar, başkalarının modelinizi nasıl bulabileceğini ve kullanabileceğini doğrudan etkiler.
Bir Model Deposunda Hangi Dosyalar Bulunur?
Tipik bir model deposu şu dosya türlerini içerir:
1 Ağırlık Dosyaları
model.safetensors veya pytorch_model.bin gibi dosyalar modelin öğrenilmiş parametrelerini tutar. Büyük modellerde ağırlıklar birden fazla parçaya bölünür ve bir model.safetensors.index.json dosyasıyla eşleştirilir.
2 Konfigürasyon Dosyaları
config.json model mimarisini, katman sayısını ve embedding boyutunu tanımlar. generation_config.json, tokenizer.json ve tokenizer_config.json ise metin üretimi ve tokenizasyon ayarlarını taşır.
3 Dokümantasyon ve Meta Veri
README.md dosyası Hugging Face tarafından otomatik olarak model kartı olarak yorumlanır. .gitattributes dosyası büyük dosyaların Git LFS ile nasıl yönetileceğini belirtir; LICENSE veya LICENSE-MODEL dosyaları ise lisans metnini içerir.
4 Örnek Depo Yapısı
.
├── .gitattributes
├── config.json
├── generation_config.json
├── README.md (model kartı)
├── tokenizer.json
├── tokenizer_config.json
├── model.safetensors.index.json
└── weights/
├── model-00001-of-00003.safetensors
├── model-00002-of-00003.safetensors
└── model-00003-of-00003.safetensorsAdım Adım Model Yükleme
1 Hesap ve Token Oluşturma
Hugging Face hesabı açılır ve “Access Tokens” bölümünden yazma (write) yetkili bir token oluşturulur. Bu token, komut satırı veya Python SDK üzerinden kimlik doğrulama için kullanılır.
2 Depo Oluşturma ve Yükleme (CLI)
huggingface-cli login
huggingface-cli repo create kullanici-adi/model-adi --type model
huggingface-cli upload kullanici-adi/model-adi ./model-dizini/ .3 Python SDK ile Yükleme
from huggingface_hub import HfApi
api = HfApi()
api.upload_folder(
folder_path="./model-dizini",
repo_id="kullanici-adi/model-adi",
repo_type="model",
)Büyük modeller için upload_file ve snapshot_download gibi yardımcı fonksiyonlar da kullanılabilir.
4 Commit ve Sürümleme
Her yükleme işlemi bir Git commit’i oluşturur. İstenirse bu commit’ler v1.0 veya v1.1-quant gibi etiketlerle (tag) işaretlenerek sürüm takibi yapılabilir.
İyi Bir Model Kartı Nasıl Yazılır?
Model kartı, modelinizin kullanım kılavuzu niteliğindedir ve topluluğun modeli doğru, güvenli ve yasal şekilde kullanabilmesi için kritik önem taşır. Ne kadar şeffaf ve ayrıntılı olursa, modelin benimsenme olasılığı da o kadar artar. Tipik bir model kartı şu bölümleri içerir:
- Amaç ve kullanım alanları: Modelin hangi görevler için tasarlandığı ve hangi senaryolarda (tıbbi teşhis, yasal karar gibi) kullanılmaması gerektiği.
- Eğitim verisi ve yöntem: Hangi veri setlerinin kullanıldığı, ön işleme adımları, eğitim süresi ve donanım.
- Performans ve değerlendirme: Hangi metriklerin hangi veri setlerinde elde edildiği, bilinen zayıf yönler.
- Lisans ve kullanım koşulları: Lisans türü, ticari kullanıma açık olup olmadığı, türev model yükümlülükleri.
- Güvenlik ve riskler: Zararlı içerik üretme riski, önyargı (bias) sorunları, kötüye kullanım senaryoları.
- Kullanım örneği: Modelin transformers veya benzeri bir kütüphaneyle nasıl yükleneceğine dair kısa bir kod parçası.
Lisans Türleri ve Ticari Kullanım
Hugging Face’te üç ana lisanslama yaklaşımı öne çıkıyor:
- Açık lisanslar: Apache 2.0, MIT ve bazı Creative Commons türevleri. Genellikle ticari kullanıma ve türev model oluşturmaya izin verir.
- Topluluk (community) lisansları: Llama Community License, Qwen License gibi lisanslar. Genellikle açık ağırlıklıdır ama belirli bir gelir eşiğinin üzerinde ücret veya rakip modellerde kullanım yasağı gibi kısıtlamalar içerebilir.
- Kapalı veya sadece araştırma amaçlı lisanslar: Bazı modeller yalnızca akademik kullanım için serbesttir; ticari kullanım için ayrı bir anlaşma gerekir.
Önemli bir uyarı: API’de görünen lisans etiketi her zaman tüm koşulları yansıtmayabilir. Bazı depolarda ek LICENSE-MODEL veya NOTICE dosyaları ekstra şartlar getirebilir; üretimde kullanmadan önce bu dosyaları mutlaka kontrol edin.
Gated (Onaylı Erişim) Modeller Nedir?
Bazı modeller indirilmeden önce ek onay gerektirir. Bu süreç genellikle şöyle işler: kullanıcı model sayfasındaki “Agree and access repository” butonuna tıklar, lisans ve kullanım koşullarını kabul eder, bazen kısa bir form doldurur; ardından model sahibi veya otomatik bir sistem erişimi onaylar. Bu mekanizma, ticari kullanımı kontrol etmek, belirli kullanıcı gruplarını (örneğin yalnızca araştırma kurumları) sınırlamak ve yasal uyumluluğu sağlamak için kullanılır. Önemli bir nokta: bu bir ödeme adımı değil, bir uyumluluk kapısıdır. NVIDIA PersonaPlex-7B buna güncel bir örnek: model ağırlıklarına erişim için NVIDIA’nın lisans koşullarının önce kabul edilmesi gerekiyor.
Modeli Paylaştıktan Sonra Ne Olur?
Bir model yayınlandıktan sonra topluluk genellikle şu şekilde etkileşime girer:
- Modeli indirip kendi uygulamalarına entegre eder veya yerel ortamda ince ayar (fine-tuning) yapar.
- Modeli GGUF, ONNX veya TensorRT gibi farklı formatlara dönüştürüp yeniden paylaşır.
- Model kartını ve tartışma sayfasını kullanım örnekleri, hata raporları ve performans karşılaştırmalarıyla zenginleştirir.
- Ticari kullanım ve ince ayar sonrası yükümlülükler hakkında sorular sorup tartışır.
Üretimde kullandığınız modeller için lisansı ve model kartını o spesifik sürüm (revision) için arşivlemeniz, kritik ağırlıkları kendi altyapınıza da yedeklemeniz ve from_pretrained() gibi çağrıları belirli bir revision değerine sabitlemeniz önerilir; çünkü depo veya lisans ileride değişebilir. Hangi model ailelerinin en çok türev ürettiğini ve topluluk trendlerini 2026 topluluk raporumuzda inceleyebilirsiniz.
Sıkça Sorulan Sorular
Hugging Face’e model yüklemek ücretsiz mi?
Evet, public model depoları oluşturmak ve yüklemek ücretsizdir. Private depolar için depolama sınırları plana göre değişir.
Model kartı yazmak zorunlu mu?
Teknik olarak zorunlu değildir ama şiddetle tavsiye edilir. Model kartı olmayan modeller, topluluk tarafından daha az güvenilir bulunur ve daha az kullanılır.
Lisansımı sonradan değiştirebilir miyim?
Evet, depo sahibi lisansı güncelleyebilir. Ancak bu durumda modelin önceki sürümlerini indirmiş kullanıcıların hangi lisansa tabi olduğu belirsizleşebileceğinden, sürüm bazlı lisans arşivleme önerilir.
Gated model ile private model arasındaki fark nedir?
Private model, sadece izin verilen kişilerin göreceği şekilde tamamen gizlidir. Gated model ise herkese görünür ve keşfedilebilir olur, ancak indirilmeden önce lisans kabulü ve onay gerektirir.
Güncel yapay zeka haberlerini, yeni promptları ve pratik ipuçlarını kaçırma. Haber bültenimize ücretsiz abone ol, doğrudan mailine gelsin!
- Hugging Face Nedir? Ne İşe Yarar ve Nasıl Kullanılır? (2026 Rehberi)
- Hugging Face Topluluğu ve Trend Modeller: Kim Ne Paylaşıyor? (2026 Raporu)
- NVIDIA PersonaPlex-7B Nedir? Full-Duplex Sesli Yapay Zeka Modeli
- Cosmos T1 Nedir? Türkiye’nin Yerli Yapay Zeka Modeli
- Codex mi Claude Code mu? 2026 Kapsamlı Karşılaştırma Rehberi
- Claude Fable 5.1 Nedir? Özellikleri, Fiyatı ve Opus 5 ile Karşılaştırması
- GPT-6 Astra Nedir? OpenAI’ın Yeni Amiral Gemisi Modeli ve AGI Tartışması




