OpenAI, 8 Eylül 2026'da ChatGPT Images 2.5'i yayınladı. Duyurunun başlığı yeni model, ama bir tasarımcı için asıl haber modelin kendisi değil: bu sürümle birlikte modele kalemle yön verebiliyorsunuz.
Görselin üzerine işaret koyup "şurayı değiştir" diyebiliyor, ya da fikri doğrudan sohbetin içinde çizip referans olarak verebiliyorsunuz. Yıllardır bir sanat yönetmeninin provanın üstüne kalemle yaptığı şeyin, nihayet modele giden bir kanalı var.
Aşağıda üç şey var: gerçekten ne çıktı, hangi kısmı iş akışını değiştiriyor, ve Türkçe iş yapan biri için cevaplanmamış tek soru ne.
Ne çıktı
Sürüm 8 Eylül'de duyuruldu ve masaüstü, mobil ve web dahil bütün ChatGPT kullanıcılarına, ayrıca ChatGPT Work ve Codex tarafına açılıyor. Bütün planları kapsıyor.
Model tarafındaki iddialar şunlar: daha doğal ışık, daha zengin dokular, referans fotoğraftaki öznenin daha iyi korunması ve düzenleme talimatlarının konuşma boyunca daha güvenilir takip edilmesi. Gecikme, Images 2.0'a kıyasla yüzde elliye varan oranda düşürülmüş.
API tarafında iki ayrı model var ve isimleri işi anlatıyor:
- gpt-image-2.5-flare, varsayılan seçenek. Önceki nesle göre daha yüksek kalite, yarı yarıya daha düşük gecikme. Sosyal medya içeriği, ürün görselleri, yüksek hacimli üretim için konumlandırılmış.
- gpt-image-2.5-sunburst, düzenleme hassasiyetinin önemli olduğu işler için. Kampanya kreatifi ve cilalı ürün görseli gibi teslim edilecek işlerde tercih ediliyor, karşılığında üretim süresi uzuyor.
OpenAI'ın kendi verdiği ölçek bilgisi de bağlam açısından önemli: ChatGPT Images ve API'deki GPT-Image modelleriyle bugüne kadar üç milyardan fazla görsel üretilmiş.
Asıl haber arayüzde
Model iyileşmeleri beklenen türden. Beklenmeyen, giriş yönteminin değişmesi.
Çizim. Sohbete `@Sketch` yazıp fikri doğrudan çizebiliyorsunuz; çizim nihai görselin referansı oluyor. Kabaca bir kompozisyon eskizi, bir kadraj şeması, bir yerleşim taslağı.
İşaretleyerek düzenleme. Üretilen görselin üzerine doğrudan not bırakabiliyor, değiştirmek istediğiniz nesneyi işaretleyebiliyorsunuz. Yani "sağdaki nesnenin gölgesi çok sert" demek yerine o gölgeyi gösteriyorsunuz.
Bunun neden önemli olduğunu anlatmak için bir üretim gerçeğini söylemek gerekiyor: bir görselde neyin değişeceğini tarif etmek kolaydır, nerede değişeceğini tarif etmek pahalıdır. "Biraz sola" bir koordinat değil. "Öndeki ikinci kartın üst kenarı" bir cümlede üç kez yanlış anlaşılabilir. Metin, mekânsal talimat için kötü bir taşıyıcı ve bugüne kadar elimizdeki tek taşıyıcı oydu.
İşaretleyerek düzenleme bu darboğazı kaldırıyor. Tasarımcının yönetmenlik biçimi değişmiyor; araç nihayet o biçime uyuyor.
Çok turlu düzenleme, seri üretimin gerçek sorunu
Yapay zekâ ile görsel üretimini bir kez deneyen herkes ilk çıktının ne kadar iyi olduğunu konuşuyor. Seri üretim yapan hiç kimse orayı konuşmuyor.
Çünkü iş ilk üretimde kırılmıyor. Dördüncüde kırılıyor. Bir görseli beğeniyorsunuz, tek bir şeyi düzeltmek istiyorsunuz, model düzeltiyor ama beğendiğiniz üç şeyi bozuyor. Sonra onları geri istiyorsunuz, bu sefer ilk düzeltme kayboluyor. Beş tur sonra elinizde başladığınızdan kötü bir görsel ve harcanmış bir saat kalıyor.
Geçen hafta bu sitenin bütün blog kapaklarını yeniden ürettim; otuz beş görsel. Pahalıya patlayan hiçbir aksaklık "ilk çıktı kötüydü" değildi. Hepsi ya bir düzeltme turunda ya da teslim aşamasında çıktı.
Images 2.5'in "düzenleme talimatlarını konuşma boyunca daha güvenilir takip ediyor" iddiası, bu yüzden duyurudaki en değerli cümle. Doğruysa bir seri yeniden üretilebilir olmaktan çıkıp düzenlenebilir hale geliyor. İkisi arasındaki fark, bir tasarımcı için haftada saatlerle ölçülür.
Referans fotoğraf: müşteri işinde asıl kullanım
Duyurudaki bir başka iddia, referans fotoğraftaki öznenin daha iyi korunması. Bu, ajans işinde belki de en çok karşılığı olan madde.
Çünkü müşteri işlerinin çoğunda özne hayal ürünü değil: elinizde markanın gerçek ürünü, gerçek ambalajı, gerçek mekânı var. İhtiyacınız olan şey yeni bir ürün icat etmek değil, var olan ürünü yeni bir sahneye taşımak. Aynı şişe, farklı ışık. Aynı koltuk, farklı oda.
Bugüne kadar buradaki en büyük risk sadakat kaybıydı: model sahneyi güzel kuruyor ama ürünün oranını, etiketini ya da malzeme hissini kendine göre yeniden yorumluyordu. Müşteriye "bu sizin ürününüz değil" dedirten şey tam olarak budur ve bir kampanya görselinde affı yoktur.
İyileşme gerçekse, kullanım da değişiyor: model bir üretim aracı olmaktan çıkıp bir sahne kurma aracı haline geliyor. Ürünü siz veriyorsunuz, o etrafını kuruyor. Test etmenin yolu da basit: markanın en tanınabilir ürününü verin, üç farklı sahne isteyin ve çıktıları ürünün gerçek fotoğrafıyla yan yana koyun. Etiket, oran ve malzeme aynı kalıyor mu, ona bakın.
İki model, bir iş akışı kararı
İki ayrı model çıkarmak pazarlama tercihi gibi görünebilir ama pratikte bir akış öneriyor.
Flare ile arayın, sunburst ile bitirin. Keşif aşamasında çok sayıda varyasyon üretiyorsunuz ve çoğunu atacaksınız; orada hız kaliteden değerli. Hayatta kalan tek kareye geldiğinizde ise hassasiyet hızdan değerli, çünkü artık teslim edeceğiniz şeye bakıyorsunuz.
Bu ayrım tasarımda yeni değil. Eskiz ile finali ayırmak, komp ile teslimi ayırmak aynı mantık. Yeni olan, aracın bu ayrımı kendi ürün yapısına yazmış olması.
Fiyatlandırma token bazlı ve çıktı tokenı girdi tokenının katı katı fiyatlanıyor. Rakam yazmıyorum, çünkü bu tarafta fiyatlar aylık değişiyor ve bugünün rakamını yazmak yarına yanlış bilgi bırakmak olur. Önemli olan yapı: maliyeti üreten şey çıktı. Yani gereksiz varyasyon üretmek, uzun bir istem yazmaktan çok daha pahalı.
Metin tarafında gerçek bir ayrım var
Burası bir tasarımcı için en somut karar noktası ve bağımsız karşılaştırmalar net bir tablo çiziyor.
OpenAI'ın görsel modelleri metin işlemede belirgin biçimde önde. Körlemesine karşılaştırmalarda tabela, etiket, afiş ve arayüz taklidi görsellerde okunabilir gerçek kelimeler üretiyor; karakter doğruluğu yüzde yüze yakın ölçülüyor. Arayüz kurgusu, dünya bilgisi ve hız tarafında da öndeler.
Google'ın Nano Banana Pro'su ise fotogerçekçilik, malzeme hissi, cilt ve sinematik ışık tarafında önde ve baskıya girebilecek çözünürlük veriyor.
Yani ortada "hangisi daha iyi" sorusunun cevabı yok. "Hangi iş için" sorusunun cevabı var: metnin okunması gereken işlerde OpenAI, fotogerçekçi ve yüksek çözünürlüklü sahnelerde Google. Ciddi bir akış ikisini birden tutuyor, birini seçmiyor.
Ama Türkçe için kimse ölçmedi
Şimdi işin bizi ilgilendiren kısmı.
Otuz beş kapağı üretirken başlıkları modele hiç yazdırmadım. Sahneyi model kurdu, tipografiyi ben sonradan dizdim. Sebebi basit: denedim ve ı, ğ, ş ve İ harfleri güvenilir gelmiyordu. Bir iki denemede tutturmak mümkündü, bir seride değil.
Images 2.5'in metin iddiası güçlü ve çok dilli. Ama duyurularda ve karşılaştırmalarda adı geçen diller İngilizce, Japonca, Korece, Çince, Hintçe ve Bengalce. Türkçe listede yok. Ve Türkçenin sorunu bu dillerinkinden farklı: bizde mesele ayrı bir alfabe değil, Latin harflerinin üzerindeki işaretler. Noktasız ı ile noktalı i, büyük İ, ğ'nin şapkası. Bir model Çince karakterleri kusursuz üretirken noktasız ı'yı bozabilir; bunlar aynı problem değil.
Dolayısıyla dürüst cevap şu: Images 2.5, Türkçe metin için bir aday, bir çözüm değil. Kimse ölçmediği için de kimsenin bilmesi mümkün değil.
Yapılması gereken test
Bunu tahminle kapatmak yerine ölçmek gerekiyor. Kendi akışım için kuracağım test şu ve isteyen aynısını kurabilir:
- Aynı sahne, aynı istem, iki model. Değişken tek şey model olsun.
- İçine gerçekten zor bir Türkçe başlık koyun. İçinde ı, İ, ğ, ş, ü, ö ve ç geçen bir cümle seçin. "Değişken Font Nedir? Ölçeklenebilir Tipografi" gibi.
- On üretim yapın, bir tane değil. Tek bir tutturma güvenilirlik değildir. Seri üretimde önemli olan isabet oranıdır.
- Harf harf kontrol edin. Uzaktan bakınca doğru görünen bir kelimede noktasız ı'nın nokta kapmış olması, ancak yüzde yüzde fark edilir.
- Büyük ve küçük puntoyu ayrı ölçün. Harf bozulmaları küçük puntoda çok daha sık.
Sonuç ne çıkarsa çıksın, karar netleşir: ya başlığı modele bırakabiliyorsunuz ya da bırakamıyorsunuz. Arada bir yer yok, çünkü seri üretimde "bazen tutuyor" demek her karede elle kontrol demek.
Sosyal medya üretimine bakan taraf
Flare'in konumlandırıldığı yerler duyuruda açıkça sayılıyor: içerik üreticisi işleri, sosyal medya, ürün görselleri ve yüksek hacimli üretim. Sürümle birlikte gelen hazır şablonlar da aynı yöne bakıyor; kullanıcı boş sayfadan değil kurulu bir düzenden başlıyor.
Sosyal medya tarafında bu ikisi birleşince değişen şey tek bir görselin kalitesi değil, varyasyon maliyeti. Bir kreatifin dört farklı versiyonunu üretmek eskiden pahalıydı, şimdi ucuz. Reklam tarafında kreatif testi yapan biri için bu doğrudan bir kazanç: kreatif test yazımda anlattığım gibi, testin değeri hipotez sayısıyla değil, aynı koşulda karşılaştırılabilen varyasyon sayısıyla artıyor.
İşaretleyerek düzenlemenin en çok işe yarayacağı yer de burası olabilir. Bir tasarımı 4:5'ten 9:16'ya taşımak mekânsal bir iştir: neyin nereye kayacağı, hangi boşluğun açılacağı, başlığın nereden nereye gideceği. Bunu cümleyle tarif etmek zor, göstererek tarif etmek kolay.
Ama bir uyarıyı da yazmak lazım, çünkü asıl yanılgı burada oluyor. Bir sosyal medya hesabı tek tek görsellerden oluşmaz, bir seriden oluşur. Akışta yan yana geldiğinde işe yarayan şey her karenin ayrı ayrı güzelliği değil, aralarındaki ortak kural. Model o kuralı üretmiyor; hızlandırdığı şey kuralın uygulanması.
Yani hız arttıkça tasarımcının işi azalmıyor, yer değiştiriyor. Üretim ucuzladıkça sistemi kuran, kuralı yazan ve seriyi denetleyen kişi daha belirleyici hale geliyor. Marka hesaplarında bu sistemi kurup işlettiğim yer sosyal medya tasarımı hizmetim.
Güvenlik tarafında küçük ama gerçek bir iyileşme
OpenAI, güvensiz üretim oranlarını da paylaşmış: Sunburst yüzde 1,09, Flare yüzde 1,41. Images 2.0'ın temel oranı yüzde 1,64'tü. Yani ölçülebilir bir iyileşme var.
Bir tasarımcının bunu neden umursaması gerektiğini söyleyeyim. İçerik filtresi, seri üretimde gerçek bir maliyet kalemi. Kapak üretiminde bunu bizzat yaşadım: bir metal ray, üç cam tepsi, menteşeli bir panel gibi tamamen masum sahneler reddedildi. Yaklaşık her altı istemden biri geri döndü ve her biri yeniden tarif edilip yeniden üretildi.
Ama dikkat: açıklanan oran, hatalı reddetme oranı değil. İkisi farklı şeyler ve OpenAI ikincisini paylaşmıyor. Yani filtrenin masum sahneleri daha az reddedip reddetmediğini bu rakamdan çıkaramıyoruz. Bunu da ancak kullanarak öğreneceğiz.
Bugün ne yapmalı
- İkisini birden tutun, birini seçmeyin. Metin gereken işte OpenAI, fotogerçekçi ve yüksek çözünürlüklü sahnede Google. Bu bir sadakat meselesi değil, alet seçimi.
- Kalemle yönlendirmeyi deneyin. Bir sonraki düzeltmede cümle kurmak yerine görselin üstünü işaretleyin. Alışması bir gün sürüyor, kazandırdığı zaman kalıcı.
- Türkçe metin testini yapın ve sonucu bir yere yazın. Kendi akışınızın kuralı bu ölçümden çıkacak.
- Flare ve sunburst ayrımını akışınıza yazın. Keşif ayrı, teslim ayrı. Karıştırdığınızda ya para ya kalite kaybediyorsunuz.
- Şablon satıyorsanız sattığınız şeyi netleştirin. Görsel değil dosya, düzen değil sistem satıyorsunuz.
Kapanış
Görsel modelleri hızla birbirine yaklaşıyor ama birbirinin aynısı olmuyorlar. Metin bir tarafta, fotogerçekçilik diğer tarafta güçlü ve bu ayrım yakın zamanda kapanacak gibi durmuyor. Tasarımcının sorusu da bu yüzden "hangi model" olmaktan çıkıp "hangi adımda hangi model" haline geldi.
Bu sürümün en kalıcı tarafı ise bence bir yetenek değil, bir kabul. Kalem geri döndü. Bir işi tarif etmenin en doğal yolu her zaman göstermekti; araçlar bunu on yıllardır tasarımcıdan esirgiyordu ve şimdi biri geri veriyor.
Yön vermenin nasıl bir zanaat olduğunu art direction yazımda ayrıntılı anlattım. Marka işlerinde bu akışı kurup teslim ettiğim yer ise grafik tasarım hizmetim.