Ollama Gemma 4 Kurulum Rehberi

**ozkandonmez** · Bugün, 17:47

Aşağıdaki metin, Google AI ve Ollama’nın güncel resmî sayfalarına göre hazırlanmıştır. Gemma 4’ün Ollama kütüphanesinde gemma4:e2b, gemma4:e4b, gemma4:26b ve gemma4:31b etiketleriyle yayınlandığı; e4b etiketinin aynı zamanda latest olduğu; küçük modellerde 128K, büyüklerde 256K context bulunduğu; Ollama tarafında şu an metin + görsel giriş desteğinin listelendiği doğrulanıyor.

Google Gemma 4 + Ollama Kurulum Rehberi (Windows / Ubuntu)

Google’ın yeni Gemma 4 model ailesi artık Ollama üzerinden de çok kolay şekilde kurulup çalıştırılabiliyor. Bu rehberde sıfırdan Ollama kurulumu, ardından Gemma 4 modelini indirme, ilk test, API kullanımı ve hangi modeli seçmek gerekir kısmını sade şekilde anlatıyorum.

1) Gemma 4 nedir?

Gemma 4, Google DeepMind’in açık ağırlıklı yeni model ailesidir. Ollama tarafında şu an şu etiketlerle kullanılabiliyor:

gemma4:e2b → en hafif seçenek
gemma4:e4b → dengeli ve pratik ana model
gemma4:26b → daha güçlü workstation seviyesi model
gemma4:31b → en güçlü dense model

Kısa not:

E2B ve E4B modelleri 128K context ile geliyor.
26B ve 31B modelleri 256K context ile geliyor.
Ollama kütüphanesinde şu an Text + Image giriş desteği listeleniyor.
Google Gemma 4 ailesinde küçük modeller için ses yeteneğinden de bahsediyor; fakat Ollama tarafında yayınlanan model kartında esas görünen kullanım metin + görsel giriş şeklindedir.

2) Hangi modeli seçmeliyim?

Yeni başlayanlar için genel tavsiye:

Düşük VRAM / hafif sistem → gemma4:e2b
En mantıklı günlük kullanım → gemma4:e4b
Güçlü workstation / yüksek kalite → gemma4:26b
En yüksek yerel kalite → gemma4:31b

Ollama kütüphanesinde görünen yaklaşık model boyutları:

gemma4:e2b → yaklaşık 7.2 GB
gemma4:e4b → yaklaşık 9.6 GB
gemma4:26b → yaklaşık 18 GB
gemma4:31b → yaklaşık 20 GB

Bu değerler indirilen quant model paket boyutlarıdır; rahat kullanım için sistemde daha fazla boş alan ve RAM / VRAM gerekebilir.

3) Windows’ta Ollama kurulumu

PowerShell açın ve şu komutu çalıştırın:

Code:

irm https://ollama.com/install.ps1 | iex

Kurulum bittikten sonra yeni PowerShell penceresi açın ve test edin:

Code:

ollama

Sonra Gemma 4 modelini indirin ve çalıştırın:

Code:

ollama run gemma4:e4b

Daha hafif model isterseniz:

Code:

ollama run gemma4:e2b

Daha güçlü model isterseniz:

Code:

ollama run gemma4:26b

Code:

ollama run gemma4:31b

4) Ubuntu / Debian / Linux’ta Ollama kurulumu

Terminal açın ve şunu çalıştırın:

Code:

curl -fsSL https://ollama.com/install.sh | sh

Kurulum sonrası servisi başlatın:

Code:

sudo systemctl enable --now ollama
sudo systemctl status ollama

Sonra Gemma 4 modelini indirin:

Code:

ollama run gemma4:e4b

Alternatifler:

Code:

ollama run gemma4:e2b

Code:

ollama run gemma4:26b

Code:

ollama run gemma4:31b

5) İlk test nasıl yapılır?

Model indirildikten sonra doğrudan terminal içinde sohbet açılır. Örnek:

Code:

ollama run gemma4:e4b

Açıldıktan sonra şunu yazabilirsiniz:

Code:

Türkçe olarak kendini tanıt ve Gemma 4'ün ne işe yaradığını açıkla.

Kod testi için:

Code:

Python ile klasördeki tüm txt dosyalarını birleştiren örnek kod yaz.

Uzun belge özeti testi için:

Code:

Aşağıdaki metni maddeler halinde özetle:

6) Kurulu modelleri listeleme

Code:

ollama list

Bir modeli silmek için:

Code:

ollama rm gemma4:e2b

Sürüm görmek için:

Code:

ollama --version

7) API ile kullanma

Ollama çalışınca yerel API genelde otomatik açılır:
http://localhost:11434

Basit test:

Code:

curl http://localhost:11434/api/generate -d '{
  "model": "gemma4:e4b",
  "prompt": "Gemma 4 nedir, sade Türkçe anlat."
}'

Chat biçimiyle kullanım:

Code:

curl http://localhost:11434/api/chat -d '{
  "model": "gemma4:e4b",
  "messages": [
    { "role": "system", "content": "Kısa ve net cevap ver." },
    { "role": "user", "content": "Gemma 4 ile neler yapılabilir?" }
  ]
}'

Kurulu modelleri API ile görmek için:

Code:

curl http://localhost:11434/api/tags

8) Görsel anlama desteği

Gemma 4 ailesi çok kipli yapıdadır. Ollama kütüphanesinde Gemma 4 için Text + Image giriş desteği listeleniyor. Yani ekran görüntüsü, ürün fotoğrafı, belge resmi, tablo ekranı gibi görseller üzerinde yorumlama yapılabilir.

Bu özellik özellikle şu işlerde faydalıdır:

Ekran görüntüsü açıklatma
Belge / PDF ekran görüntüsünden özet çıkarma
Ürün veya parça fotoğrafını yorumlatma
OCR benzeri akışlarda destek alma

Not:

Metin modeli gibi sadece yazı ile de kullanılabilir.
Görsel işlerinde daha güçlü sistemlerde performans daha iyi olur.

9) Performans ve donanım notları

gemma4:e2b en hafif seçenektir.
gemma4:e4b çoğu kullanıcı için en mantıklı günlük dengedir.
gemma4:26b ve 31b tarafı güçlü RAM / VRAM isteyen sınıfa girer.
CPU ile çalıştırmak mümkündür ama yavaş olabilir.
NVIDIA GPU varsa tecrübe belirgin şekilde iyileşir.

Pratik öneri:

8–12 GB VRAM civarı → önce e2b
12–16 GB ve üstü → e4b daha mantıklı
24 GB sınıfı ve üstü → 26b denenebilir
Daha büyük RAM / VRAM / güçlü workstation → 31b

10) Sık karşılaşılan sorunlar

Sorun: ollama komutu bulunamadı

Terminal / PowerShell kapatılıp yeniden açılmalı
Kurulum yarım kaldıysa tekrar kurulmalı

Sorun: model çok yavaş

Daha büyük model seçilmiş olabilir
Önce gemma4:e2b veya gemma4:e4b denenmeli
GPU sürücüleri kontrol edilmeli

Sorun: disk çabuk doluyor

Model dosyaları büyük olabilir
Kullanılmayan modeller silinmeli
Model klasörü farklı diske taşınabilir

Sorun: API çalışmıyor

Önce Ollama servisinin ayakta olduğundan emin olun
Yerel adres olarak http://localhost:11434 kontrol edin

11) En pratik başlangıç komutları

Windows:

Code:

irm https://ollama.com/install.ps1 | iex
ollama run gemma4:e4b

Ubuntu/Linux:

Code:

curl -fsSL https://ollama.com/install.sh | sh
sudo systemctl enable --now ollama
ollama run gemma4:e4b

Daha hafif sürüm:

Code:

ollama run gemma4:e2b

Daha güçlü sürüm:

Code:

ollama run gemma4:26b

12) Kısa sonuç

Gemma 4, Ollama ile birlikte yerelde çalıştırması en kolay yeni nesil açık model ailelerinden biri oldu. Hafif sistemlerde e2b, genel kullanımda e4b, güçlü workstation tarafında ise 26b ve 31b öne çıkıyor. Özellikle Türkçe sohbet, kod yazdırma, belge analizi, uzun context ve görsel yorumlama tarafında ciddi potansiyel taşıyor.

Kaynaklar: