Apple fm: Mac’teki ücretsiz yapay zeka mesaj ayırabilir mi?

macOS 27 ile Mac’lere internetsiz çalışan ücretsiz bir yapay zeka modeli geldi; Terminal’de fm komutuyla çağrılıyor. Kısa sürede “artık her Mac’te ücretsiz yapay zeka var” paylaşımları yayıldı.

Biz o sırada gelen müşteri mesajlarını ayırmak için Jev’i kullanmaya hazırlanıyorduk. Jev, her cevabın yanına bir olasılık değeri koyan ücretli bir karar modeli; henüz canlı bir işte kullanmıyoruz. Önce ücretsiz modeli denedik ve sonucu LinkedIn’de paylaştık. Bir okur gerçek bir kıyaslama isteyince aynı mesajları Jev’e de verdik. Bu yazı iki denemeyi, kurulum adımlarını ve vardığımız sonucu bir araya getiriyor.

Apple fm nedir, her Mac’te var mı?

fm, Apple’ın cihaz içinde çalışan dil modeline Terminal’den ulaşmanızı sağlayan bir komut. Komutun arkasında, Apple’ın geliştiricilere Foundation Models adıyla sunduğu ve Apple Intelligence’ın temelinde yer alan cihaz içi model var. İnternete bağlanmadan çalışıyor, kullanım ücreti yok ve mesajınız bilgisayardan çıkmıyor.

“Her Mac’te var” cümlesi ise tam doğru değil. Apple’ın Apple Intelligence sayfasına göre M1 ya da daha yeni işlemcili bir Mac gerekiyor ve cihaz dili ile Siri dili, desteklenen dillerden aynı birine ayarlanmış olmalı; Türkçe bu dillerin arasında. Bizim Mac’imizde ayrıca modelin bir kez inmesi ve ilk kullanımda bir lisansın onaylanması gerekti.

18 Türkçe mesaja hangi soruları sorduk?

Mesajları bir yazılım şirketinin, bir web ajansının ve bir restoranın gelen kutusuna düşebilecek türden yazdık: girişte hata alan bir ekip, iade isteyen bir abone, kahve çekirdeğini internetten satmak isteyen bir dükkan, backlink paketi satan bir spam, CV gönderen bir iş arayan, yemekten sonra zehirlendiğini yazan bir müşteri.

Evet/hayır ve çoktan seçmeli soruların cevabı çoğu zaman mesajda açıkça yazıyor. Derecelendirme soruları daha zor: “orta” ile “yüksek” aciliyet arasındaki çizgiyi biz çektik, başka biri farklı çekebilirdi. O sütundaki yanlışları bu gözle okumak gerekiyor.

fm’in sonucu: 48 sorunun 37’si

fm 18 mesajın 16’sına cevap verdi. Bu 16 mesajın 48 sorusundan 37’sini doğru bildi, yani yüzde 77. Evet/hayır sorularında 16’da 13, çoktan seçmeli sorularda 16’da 14, derecelendirmede 16’da 10 doğru cevap verdi.

Yanlışların ikisi dikkat çekici. fm her iade mesajına “yüksek aciliyet” dedi; biz iki iade mesajı için de “orta” beklemiştik. CV’sini gönderip açık pozisyon soran bir yazılımcıyı ise kurumsal site isteyen gerçek bir müşteri sandı ve sıcaklığına “ılık” dedi. Bu mesajın üç sorusunu da 5 denemenin 5’inde aynı biçimde yanlış cevapladı.

Cevapsız kalan iki mesaj zararsız teknik destek mesajlarıydı. Biri, girişte hata alan ve iki saat sonra müşteri sunumu olan bir ekipten acil yardım istiyordu; öteki, raporlar sayfasında grafiklerin bazen boş geldiğini bildiriyordu. Cevabı, seçenekleri önceden belirlenmiş bir şablonla (JSON şemasıyla) istediğimizde fm ikisini de 5 denemenin 5’inde güvenlik filtresine takıp cevapsız bıraktı. Aynı mesajları düz metinle sorunca doğru cevapladı. Filtreyi gevşetmesi beklenen --guardrails permissive-content-transformations seçeneği işe yaramadı.

Aynı mesajlar ücretli bir modelde: Jev kıyası

Jev’e aynı 18 mesajı aynı sorularla verdik. fm’in cevap verdiği 16 mesajda Jev 48 sorunun 42’sini bildi, yani yüzde 88. 18 mesajın tamamında ise 54 sorunun 47’sini bildi.

Jev evet/hayır ve çoktan seçmeli sorularda hiç yanılmadı. 18 mesajdaki 7 yanlışının hepsi derecelendirme sorusundaydı: dört destek mesajında aciliyeti bir basamak yüksek verdi, spam mesajın ve iş başvurusunun sıcaklığına “soğuk” yerine “ılık” dedi, karışık bir restoran yorumunun riskine “düşük” yerine “orta” dedi. İade mesajlarında aciliyeti fazla bulan yalnız fm değildi; Jev de iki iade mesajına “yüksek” dedi.

Aşağıdaki dört mesaj farkı en iyi gösteren örnekler. fm sütunu 5 denemenin kaçında aynı cevabın geldiğini, Jev sütunu cevabın puanını gösteriyor; evet/hayır sorularında bu puan “evet” olasılığı.

Asıl fark: cevaba ne kadar güvenebilirsiniz?

Bir modeli iş akışına bağlarken asıl soru, hangi cevabın otomatik uygulanacağı ve hangisini bir insanın kontrol edeceği. Bunun için modelin “bundan emin değilim” diyebilmesi gerekir.

fm’de elimizdeki tek işaret, aynı soruyu 5 kez sorunca kaç kez aynı cevabı verdiği. Bu işaret işe yaramadı: fm’in yanlış cevaplarının neredeyse hepsi 5 denemenin 5’inde aynı geldi. Bir cevabı tekrar etmesi, doğru olduğunu göstermiyor.

Jev’in puanı ise yanlışları gerçekten ayırdı:

Jev için planladığımız kural şuydu: puanı 0,8’in üzerindeki cevaplar otomatik uygulanır, altındakilere bir insan bakar. 0,8 ölçtüğümüz bir değer değil, seçtiğimiz bir eşik. Tablo yine de düşük puanlı cevabı insana göndermenin neden işe yaradığını gösteriyor. fm ile bu kuralı kuramadık.

Kendi Mac’inizde deneyin: kurulum ve ilk komutlar

Aşağıdaki komutları 2 Kasım 2026’da macOS 27 yüklü bir Mac’te denedik. Terminal’i açıp sırayla yazabilirsiniz.

1. 01

   Model hazır mı, bakın

   fm available yazın. Model hazırsa “System model available” cevabı gelir; değilse çıkan mesaja bakın.

2. 02

   Lisansı onaylayın

   İlk kullanımda fm chat ile bir sohbet açın, lisansı yes yazarak onaylayın ve çıkın. Lisans metnini fm license ile okuyabilirsiniz.

3. 03

   Tek bir soru sorun

   fm respond 'sorunuz' tek bir soruyu cevaplar; echo 'sorunuz' | fm respond de çalışır. Modele talimat vermek için -i 'talimat' ekleyin.

4. 04

   Cevabı kalıba sokun

   --schema dosya ile cevabı belirli alanlarla, JSON olarak alırsınız. Bizim denememizde iki zararsız mesaj yalnız bu modda güvenlik filtresine takıldı; cevapsız kalan olursa aynı soruyu düz metinle deneyin.

5. 05

   Metnin boyunu ölçün

   fm count-tokens 'metin' metnin kaç token tuttuğunu yazar, -q yalnız sayıyı verir. “Merhaba, bugün hava nasıl?” cümlesi 7 token.

6. 06

   İsterseniz yerel sunucu açın

   fm serve --host 127.0.0.1 --port PORT modeli bu bilgisayarda yerel bir sunucu olarak çalıştırır (PORT yerine boş bir port numarası yazın). Başka bir adresteki sayfadan gelen isteği reddeder (403); tarayıcıdan kullanmak için aynı adreste çalışan küçük bir ara sunucu gerekir. Bizimki yaklaşık 90 satır Python. Bütün komutların listesi fm --help ile çıkar.

Hangi işte kullanırız, hangisinde kullanmayız?

İki denemeyi birlikte okuyunca karar, yanlış cevabın neye mal olduğuna bağlı.

Kendi gelen kutunuza bakarken sorulacak soru şu: bir mesaj yanlış yere giderse ne kaybedersiniz? Kaybedeceğiniz yalnızca bir etiketse ücretsiz model yeter. Kaybedeceğiniz bir müşteri adayıysa ya da sonuç hatalı bir iadeyse cevabın yanında güvenilir bir puan isteyin ve düşük puanlı cevabı bir insana gönderin.

Bu denemenin sınırları

Deneme küçük: 18 mesaj, 54 cevap. Mesajları da beklenen cevapları da biz yazdık; derecelendirme sorularında beklenen cevap tartışmaya açık. fm’i tek bir macOS sürümünde denedik, iki modeli de birer gün çalıştırdık. Sonuç yön gösterir, istatistiksel kanıt değildir. “fm Türkçede kötü” ya da “iyi” gibi genel bir sonuç da çıkarmıyoruz; yalnız bu 18 mesajda ne olduğunu anlatıyoruz.