Claude kendi sunucuda barındırılabilir mi?

Claude'u kendi sunucunuzda barındırabilir misiniz? Hayır, işte nedeni

Claude'u kendi sunucunuzda barındıramazsınız. Anthropic model ağırlıklarını yayınlamamaktadır; bu nedenle indirilebilecek bir dosya, çalıştırılabilecek bir container veya modeli kendi donanımınız üzerinden sunmanıza izin veren bir lisans bulunmamaktadır. Her Claude isteği, Anthropic'in API'sine veya Amazon Bedrock, Google Vertex AI ya da Microsoft Foundry gibi barındırılan bir iş ortağına gider. Modeli kendi sahip olduğunuz bir makinede çalıştırmak bir yapılandırma sorunu değildir. Söz konusu yapay zeka modeli, Anthropic dışında mevcut değildir.

Kısa cevap budur. Daha uzun cevap ise, bu soruyu soran çoğu kişinin aslında model ağırlıklarını istemediği yönündedir. Bu kişiler, kontrolünüz altındaki bir sunucuda elde edilebilecek üç şeyden birini istemektedir: yerel olarak çalışan yetenekli bir model, API anahtarlarınızı tutan ve harcamalarınızı sınırlayan bir ağ geçidi veya dizüstü bilgisayarları yerine kendi sunucularında yaşayan bir kodlama aracı. Bu kılavuz, komutlarıyla birlikte bu üç durumu da kapsamaktadır.

"Self-hosted Claude" ifadesi genellikle ne anlama gelir

"Self-hosted Claude" için yapılan arama trafiği, farklı beklentilere sahip birkaç gruba ayrılır ve her birinin farklı çözümlere ihtiyacı vardır.

Bazı kullanıcılar gizlilik ister. İstemlerin (prompt) ağ dışına çıkmasını istemezler. Bu durum yalnızca yerel bir açık ağırlıklı (open weight) model ile çözülebilir; çünkü herhangi bir Claude isteği, tanımı gereği Anthropic'e yapılan bir istektir.

Bazı kullanıcılar maliyet kontrolü ister. Kontrolden çıkmış bir ajanın kredilerini tüketmesinden endişe ederler. Bir ağ geçidi (gateway) bu sorunu çözer ve Claude ile uyumlu çalıştığı için model kalitesinden ödün vermezsiniz.

Bazı kullanıcılar dizüstü bilgisayardan bağımsızlık ister. Bilgisayarın kapağını kapattıklarında da çalışmaya devam eden bir ajan ararlar. Bir VPS bu sorunu çözer ve Claude Code üzerinde sorunsuz çalışır.

Bazı kullanıcılar ise "self-hosted OpenRouter" ifadesini ararlar. Bu da bir ağ geçididir ve genellikle önerilen çözüm LiteLLM'dir.

Hangi gruba dahil olduğunuzu belirleyin; çünkü her durum için kurulması gereken yapı farklıdır.

Ollama ile açık kaynaklı bir modeli self-host etmek

Eğer hiçbir istemin (prompt) sunucunuzdan dışarı çıkmaması gerekiyorsa, açık ağırlıklı (open weight) bir model çalıştırın. Günümüzde kiralanan bir sunucuda gerçekten kullanılabilir olan aileler Llama, Qwen, Mistral, Gemma ve DeepSeek'tir. Bunların tümü, indirip çalıştırabileceğiniz ağırlıklar yayınlar.

Ollama, bu işe başlamanın en hızlı yoludur. Kurulum betiği tek satırlıktır ve Ubuntu üzerinde bir systemd servisi oluşturur.

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

systemctl status ollama komutu active (running) çıktısını vermelidir. Ardından bir model çekin ve onunla iletişime geçin.

ollama pull qwen3:8b
ollama run qwen3:8b "Summarise what a reverse proxy does in two sentences."

İlk pull komutu birkaç gigabaytlık veri indirir; bu nedenle modelin herhangi bir yanıt verebilmesi için RAM veya GPU belleğine sığması gerekir. Kuantize edilmiş modeller için kaba bir kural şudur: 8 milyar parametreli bir model yaklaşık 6 GB boş alan gerektirir, 14 milyar parametreli bir model yaklaşık 10 GB gerektirir ve 70 milyar parametreli bir model ise çoğu genel amaçlı VPS planının sunduğundan daha fazla bellek gerektirir. Eğer sunucuda bellek yetersizse, süreç çekirdek tarafından sonlandırılır ve dmesg içinde "out of memory" satırıyla birlikte Error: llama runner process has terminated hatasını görürsünüz. Modeli suçlamadan önce free -h dosyasını kontrol edin. Aynı bellek bütçesi, modelin uzun bir istemin ne kadarını okuyacağını da belirler; çünkü Ollama, varsayılan pencereyi aşan kısımları sessizce kırpar. Bu yüzden uzun belgeler yarım özetlendiğinde ilk kontrol edilmesi gereken şey num_ctx değerini artırmak ve KV önbelleğini boyutlandırmaktır.

Ollama ayrıca 127.0.0.1:11434 üzerinde bir HTTP API sunar; bu da onu sadece bir sohbet aracı olmaktan çıkarıp diğer yazılımlar için kullanışlı hale getirir.

curl http://127.0.0.1:11434/api/generate -d '{"model":"qwen3:8b","prompt":"ping","stream":false}'

Sessiz bir dönemin ardından gelen ilk istek otuz saniye sürerken bir sonrakinin anında yanıtlanması bir hata değildir: Ollama, beş dakikalık boşta kalma süresinden sonra modeli bellekten boşaltır. keep_alive ile modeli bellekte tutmak, bu yeniden yükleme gecikmesini ortadan kaldırır.

Bu portu localhost'a bağlı bırakın. Genel bir IP adresi üzerinde açık bir Ollama portu, onu bulan herkes için ücretsiz bir GPU demektir. Systemd birimi, GPU algılama ve önüne bir reverse proxy koyma dahil olmak üzere tam kurulum, VPS üzerinde Ollama çalıştırma rehberinde ele alınmıştır. Aynı anda birden fazla kullanıcıya hizmet veriyorsanız, önce Ollama ve vLLM karşılaştırmasını okuyun; çünkü Ollama'nın tek akışlı tasarımı, donanım sınırlarına ulaşılmadan çok önce darboğaz haline gelir.

Aradaki fark konusunda dürüst olun. Orta ölçekli bir VPS üzerindeki iyi bir açık kaynaklı model; özetleme, sınıflandırma, taslak oluşturma ve basit veri çıkarma işlemleri için gerçekten kullanışlıdır. Uzun ve çok adımlı mantıksal yürütme, büyük kod tabanları ve aracı (agentic) araç kullanımı konularında ise öncü (frontier) barındırılan modellerin seviyesine yaklaşamaz ve hiçbir istem iyileştirmesi (prompt tuning) bu farkı kapatamaz. Yerel modeli iyi olduğu işler için seçin; zorluk seviyesinin yüksek olduğu işler için ise barındırılan modelleri kullanın.

LiteLLM ile kendi ağ geçidinizi çalıştırın

Bu, insanların aradığı "kendi kendine barındırılan OpenRouter" çözümüdür. Bir ağ geçidi (gateway), uygulamalarınız ile tüm model sağlayıcıları arasında konumlanır. Uygulamalarınız, sunucunuza yönlendirilmiş tek bir anahtar tutar. Asıl sağlayıcı anahtarları ise yalnızca o sunucuda barındırılır. Anahtar başına harcama limiti koyabilir, farklı uygulamaları farklı modellere yönlendirebilir ve her isteği tek bir merkezden kayıt altına alabilirsiniz.

LiteLLM, OpenAI uyumlu bir API diliyle konuştuğu ve Anthropic, Ollama ile diğer birçok sağlayıcıya aynı uç nokta üzerinden proxy yaptığı için yaygın olarak tercih edilir. Bir yapılandırma dosyası ile Docker üzerinde çalıştırın.

model_list:
  - model_name: claude
    litellm_params:
      model: anthropic/claude-sonnet-5
      api_key: os.environ/ANTHROPIC_API_KEY
  - model_name: local
    litellm_params:
      model: ollama/qwen3:8b
      api_base: http://127.0.0.1:11434

Bunu litellm_config.yaml olarak kaydedin ve proxy'yi başlatın. Proxy, 4000 numaralı portu dinler.

docker run -v $(pwd)/litellm_config.yaml:/app/config.yaml \
  -e ANTHROPIC_API_KEY=$ANTHROPIC_API_KEY \
  -e LITELLM_MASTER_KEY=sk-1234 \
  -p 4000:4000 docker.litellm.ai/berriai/litellm:latest \
  --config /app/config.yaml

LITELLM_MASTER_KEY yönetici kimlik bilgisidir; bu nedenle onu root parolası gibi değerlendirin ve örnek değeri asla dağıtmayın. Proxy'yi, barındırılan bir API'yi çağıracağınız şekilde çağırın.

curl http://localhost:4000/v1/chat/completions \
  -H 'Authorization: Bearer sk-1234' \
  -H 'Content-Type: application/json' \
  -d '{"model": "claude","messages": [{"role": "user","content": "Say hello in five words."}]}'

Sağlıklı bir yanıt, choices dizisi içeren standart bir JSON'dır. 401 bir kimlik doğrulama hatasıdır. Bu kurulumda hatanın yaygın nedeni, ana anahtarınızla eşleşmeyen bir Authorization başlığıdır. LiteLLM ayrıca geçersiz bir sanal anahtar için ve sağlayıcının reddettiği bir sağlayıcı anahtarı (örneğin hatalı bir ANTHROPIC_API_KEY) için de kimlik doğrulama hatası döndürür; bu durumda hata mesajında sağlayıcının adı <Provider>Exception biçiminde yer alır. Modeli belirten bir 400 hatası, genellikle isteğinizdeki model değerinin yapılandırma dosyasındaki hiçbir model_name ile eşleşmediği anlamına gelir. LiteLLM ayrıca bir istek modelin bağlam penceresi için çok uzun olduğunda 400 döndürür; bu nedenle yapılandırmayı düzenlemeden önce hata mesajını okuyun.

Bunu doğrudan Anthropic'i çağırmak yerine inşa etmenizin nedeni harcama limitidir. Her uygulama için kendi bütçesine sahip ayrı bir sanal anahtar oluşturun.

curl 'http://0.0.0.0:4000/key/generate' \
--header 'Authorization: Bearer sk-1234' \
--header 'Content-Type: application/json' \
--data-raw '{"models": ["claude"], "max_budget": 100}'

Sanal anahtarlar ve bütçeler, proxy'nin arkasında bir Postgres veritabanına ihtiyaç duyar. Yukarıdaki docker run içerisinde veritabanı tanımlı değildir, bu yüzden önce -e DATABASE_URL=postgresql://user:password@host:5432/litellm ekleyin. Veritabanı olmadan bu çağrı No connected db. hatasıyla başarısız olur.

Bu anahtar yüz dolar harcayabilir, tek bir modele erişebilir ve başka hiçbir şey yapamaz. Bir aracı (agent) gece saat üçte hatalı davrandığında, etki alanı tüm hesabınız yerine sadece o anahtarla sınırlı kalır. Bu model ve etrafındaki izleme mekanizmaları, bir VPS üzerinde aracı maliyetlerini kontrol altında tutma konusunun içeriğini oluşturur. Eğer token başına ödeme yapıp yapmama konusunda hala karar aşamasındaysanız, API ile abonelik maliyeti karşılaştırması matematiksel hesaplamaları sizin için yapar.

Ağ geçidinin ne yapmadığına dikkat edin. Claude'u yerel hale getirmez ve istemlerinizi Anthropic'ten gizlemez. İstekler, sağlayıcıya ulaşmak için sunucunuzdan çıkmaya devam eder. Kazancınız; anahtarlar, harcama, yönlendirme ve kayıtlar üzerindeki kontroldür.

Claude Code'u kendi VPS'nizde çalıştırma

Üçüncü isteği karşılamak en kolay olanıdır. Claude Code bir istemcidir. Tek bir native binary olarak kurulur ve API ile HTTPS üzerinden iletişim kurar. Kendi yönettiğiniz bir sunucuya kurulması, dizüstü bilgisayarınızı kapattıktan sonra da agent'ın çalışmaya devam etmesini sağlar. Ayrıca agent'ın etki alanı, ana makineniz yerine yeniden oluşturabileceğiniz bir sunucuyla sınırlı kalır.

npm install -g @anthropic-ai/claude-code
claude --version

npm paketi Node.js 22 veya sonraki bir sürümü gerektirir. Ancak daha eski bir Node.js sürümünde kurulum yalnızca bir EBADENGINE uyarısı yazdırır ve yine de tamamlanır. Anthropic tarafından önerilen native installer, curl -fsSL https://claude.ai/install.sh | bash, hiç Node.js gerektirmez. Her iki durumda da kurulan claude binary'si Node üzerinde çalışmaz. Anthropic minimum 4 GB RAM belirtir. Bu nedenle VPS boyutlandırması buna göre yapılmalıdır.

Uzun süren bir işin kopan SSH bağlantısı nedeniyle sonlanmaması için bunu tmux içinde çalıştırın. Oturum yönetimi de dahil olmak üzere bu kurulum, tmux ile VPS üzerinde Claude Code çalıştırma bölümünde ele alınır. Agent için ayrı ve ayrıcalıksız bir kullanıcı oluşturun. Yazma erişimini önem verdiğiniz herhangi bir kaynağa vermeden önce Claude Code'u sunucuda çalıştırma güvenlik kurallarını okuyun.

Bu, modeli değil agent'ı self-host etmektir. Bu ayrımın net biçimde yapılması gerekir. Çünkü genellikle bu iki konu birbirine karıştırılır. Süreci, dosya sistemini, dış ağ erişimini ve logları siz yönetirsiniz. Inference işlemi yine Anthropic tarafından gerçekleştirilir.

Her seçeneğin gerçekte size maliyeti

Fiyatlar değişir. Bu nedenle aşağıdaki rakamları kesin bir teklif değil, genel bir çerçeve olarak değerlendirin. 17 October 2026 itibarıyla Claude Sonnet 5.5, 1 milyon input token için $2 ve 1 milyon output token için $10 olarak listelenir. Claude Opus 5.5 için bu fiyatlar sırasıyla $4 ve $20'dir. Yukarıdaki gateway yapılandırmasında kullanılan model olan Sonnet 5, Sonnet 5.5 ile değiştirilmiştir ancak deprecated değildir. Anthropic'in model deprecations sayfasında bu model Active olarak listelenir ve emeklilik tarihi 30 June 2027 tarihinden önce değildir. Fiyatı hâlâ $2 ve $10'dur. Opus 5 ise hâlâ $5 ve $25 olarak listelenir. Local model token başına ücret almaz. Bunun yerine, kullanılsın veya kullanılmasın çalıştığı her ay sunucunun maliyeti kadar ücret oluşturur.

Başabaş noktası insanların beklediğinden daha düşüktür. Kullanışlı bir open model çalıştırmak için yeterli belleğe sahip bir VPS her ay gerçek bir maliyet oluşturur ve çoğu zaman boşta kalır. Kullanımınız düzensiz aralıklarla gerçekleşiyorsa hosted API genellikle daha ucuzdur. Kullanımınız sürekli ise veya verileriniz ağınızın dışına çıkamıyorsa local model her iki açıdan da daha avantajlıdır.

Gerçekçi ve karma yaklaşım, ekiplerin çoğunun benimsediği yaklaşımdır. Yüksek hacimli ve düşük zorluk düzeyindeki işler için bir open model'i yerel olarak çalıştırın. Zor istekleri hosted frontier model'e yönlendirin. Uygulamaların hangi modelin kullanıldığını bilmek zorunda kalmaması ve iki model arasındaki sınırı uygulama koduna dokunmadan değiştirebilmeniz için her ikisinin önüne bir gateway yerleştirin. Bu mimari, "self-hosted Claude" ifadesinin pratik karşılığıdır. Kelimesi kelimesine karşılığı olan sürümün aksine bu mimari gerçekte kullanılabilir. Agent stack'inin tamamını da kendiniz çalıştırmak istiyorsanız, self-hosted AI agent'ları derleyen bölüm mevcut seçenekleri ele alır.

FAQ

Claude model ağırlıklarını indirip yerel olarak çalıştırabilir miyim?

Hayır. Anthropic, hiçbir Claude modeli için ağırlıkları yayınlamamıştır ve self-hosting işlemine izin veren bir lisans bulunmamaktadır. İnternette indirilebilir bir "Claude modeli" olarak reklamı yapılan her şey, ya yanıltıcı isme sahip farklı bir modeldir ya da API çağrısı yapan bir sarmalayıcıdır (wrapper). Eğer bir API anahtarına ihtiyaç duyuyorsa, yerel değildir.

Claude'a en yakın açık model hangisidir?

Tam bir karşılığı yoktur ve liderler birkaç ayda bir değişmektedir. Test etmeye değer açık ağırlıklı model aileleri Llama, Qwen, Mistral, Gemma ve DeepSeek'tir. Özetleme, sınıflandırma ve basit kod düzenlemelerinde 8 ila 14 milyar parametreli iyi bir açık model gerçekten kullanışlıdır. Uzun ve çok adımlı akıl yürütme ile ajan tabanlı araç kullanımında, barındırılan (hosted) bir sınır modeline (frontier model) olan fark hala büyüktür. Bir skor tablosuna güvenmek yerine kendi istemlerinizle (prompt) test yapın.

LiteLLM, self-hosted bir OpenRouter mıdır?

Yönlendirme ve anahtar yönetimi kısmı için işlevsel olarak evet. LiteLLM sunucunuzda çalışır, OpenAI uyumlu tek bir uç nokta (endpoint) sunar ve Anthropic, Ollama ile diğer birçok sağlayıcıya proxy görevi görür. Bir Postgres veritabanı bağlandığında anahtar başına harcama limitleri, model yönlendirme ve logları tek bir yerden okuma imkanı elde edersiniz. Size sağlamadığı şey yerel çıkarımdır (inference): Claude'a yapılan istekler yine de Anthropic'e ulaşır.

Claude Code'u kendi sunucumda çalıştırmak kodumu gizli tutar mı?

Hayır. Claude Code, süreç nerede çalışıyor olursa olsun, okuduğu dosya içeriklerini Anthropic API'sine gönderir. Bir VPS size içeriğin gizliliğini değil, ajanın izolasyonunu sağlar. Ajan için özel ve yetkisiz bir kullanıcı oluşturun, kimlik bilgilerinden ve alakasız depolardan uzak tutun; okuyabildiği her şeyi sunucudan dışarı çıkan içerik olarak değerlendirin.