ChatGPT Images 2.0: OpenAI'nin Yeni Nesil Görsel Modeline Rehber

ChatGPT Images 2.0'da Neler Yeni?

ChatGPT Images 1.5 sürümünden çıkan en büyük sonuçlardan biri performans hızındaki ciddi artıştı. O zaman yapılan duyuruda 4 kat daha hızlı olduğu söylenmişti. Bu iddiayı doğrulamaya çalıştık ancak bunun yeni görseller üretmekten ziyade düzenlemelere uygulandığını gördük. 

Bu kez büyük iddia zekâ. ChatGPT Images 2.0 bir "düşünen" görsel model: Arama yapması, olgular üzerine akıl yürütmesi ve kaba girdileri (notlar, eskizler, referanslar) çok daha az manuel yönlendirmeyle cilalı görsellere dönüştürmesi bekleniyor.

Duyurudaki diğer başlıklar şunlar:

• Üretim üzerinde daha yüksek hassasiyet ve kontrol
• Diller ve alfabeler arasında daha güçlü performans
• Daha gelişmiş stilistik yetkinlik ve gerçekçilik
• Geliştirilmiş gerçek dünya zekâsı modelin içine gömülü
• Esnek en-boy oranları mobil formatlardan banner’lara kadar

Düşünen bir model

Sürümün en büyük iddialarından biri yeni modelin “düşündüğü” ve bir “görsel düşünme ortağı” gibi davrandığı. Fikir şu: Aracılar, oluşturma isteğini yerine getirmeden önce, perde arkasında görevi iyice anlamak ve üzerinde akıl yürütmek için bazı işler yapıyor.

Dünya bilgisi Aralık 2025 kırpma tarihine güncellendi, bu da çıktıları bağlamsal olarak daha doğru kılıyor. Bu sayede yeni modelin eğitim amaçlı grafikler ve bağlam gerektiren çok adımlı iş akışları için çok uygun olduğu belirtiliyor.

Web'de arama yapın

Kırpma tarihi ile güncel bilgi arasındaki boşluğu kapatmak için Images 2.0, ilgili bilgileri bulmak üzere web’de arama yapabiliyor. OpenAI’nin sürüm notlarından tam olarak nasıl çalıştığı net değil, ancak anladığımız kadarıyla web araması, yukarıda bahsedilen düşünen aracının çağırdığı bir araç işlevi görüyor.

Tek bir istemden birden çok görsel oluşturun

Yeni model, aynı istemden birden çok görsel üretimini yerel olarak destekliyor. Bu, API’de (bir “kompozisyon” istemiyle) dolambaçlı yollardan mümkündü, ancak artık arayüzde de en fazla on görsele kadar yapılabiliyor. OpenAI, bu çıktılar boyunca karakter ve nesne tutarlılığı vaat ediyor.

ChatGPT Images 2.0'ı Test Etmek

Yeni model gerçekte neler yapabiliyor görelim! Aşağıdaki Images 2.0 yetenek ve özelliklerini test ettik:

• Düzenleme iş akışı
• Düşünme modu ve web araması
• Stil aralığı
• Kaba eskizleri cilalama
• Esnek en-boy oranı
• Yaratıcılık

Düzenleme iş akışını test etmek

OpenAI'nin 2.0 sunumu yinelemeye dayanıyor: kaba girdi, cilalı çıktı; yönergeleri takip etme ve yoğun metin oluşturmadaki iyileşmelerle. Bunu, 1898 tarihli ünlü bir ABD pulu olan Western Cattle in Storm üzerinden test ettik.

İşte Fine kondisyonundaki pullardan birinin fotoğrafı. 

Düzenleme iş akışını özel olarak test etmek için, düşünme modu olmadan aşağıdaki istemi kullandık. Bu aynı zamanda modelin web aramasına erişimi olmadığı anlamına geliyor; bunu ayrıca test ettik.

Please create for me a picture of the famous 1898 Western Cattle in Storm stamp issued by the U.S. Post Office as part of the Trans-Mississippi Issue . The name of the stamp is "Western Cattle in Storm" Quality should be Fine to Very Fine -Centering: design shifted right, left margin twice as wide as right margin, perfs nearly touching design on the right side -Perforations: two short teeth on the top edge, slightly uneven spacing along the bottom -Gum: quarter-inch matte hinge remnant in upper-center of back, small paper fragment still -attached -Paper: diagonal gum bend across lower-left quadrant, light yellow toning along top edge -Cancellation: partial black circular datestamp in lower-right corner, moderate coverage over the cattle

Ve sonuç şöyle: 

Yalnızca metinle istem vermek işe yaramadı. Pulun ve kondisyon derecesinin ayrıntılı tanımı, önemli açılardan hatalı döndü — yanlış renk, yanlış kupür yerleşimi, karikatürize kaçık ortalama. Yalnızca metinden belirli bir tarihî eseri yeniden üretmek zor bir iş.

Modele referans görseli verip hedefli düzenlemeler istemek ise 2.0'ın hakkını verdi: dişli düzensizlikleri, menteşe kalıntısı, çapraz gum kırığı, hafif sararma ve kısmi iptal damgası. 

Düzenlemeler yaklaşık olarak istediğimiz noktalara oturdu. Model en-boy oranında bir gerileme getirdi, ancak düz diliyle bir takip mesajı bunu düzeltti. Nihai sonuç adli kalite değil — "$1" biraz uzamış görünüyor, mısır farklı — ama döngü çalıştı: kaba başlangıç, rota düzeltme, üç turda kullanılabilir sonuç.

Çok dilli metin oluşturmayı test etmek

Latin dışı yazı sistemlerinde metin oluşturma, görsel modeller için ısrarlı bir zayıf noktaydı ve OpenAI bunu başlıca bir düzeltme olarak vurguluyor. Duyuru, Japonca, Korece, Çince, Hintçe ve Bengal dillerinde yüksek sadakatli metin üretimini belirtiyor — yalnızca çeviri değil, tutarlı yerleşim ve yerel his veren tipografiyle render etme. 

Burada adil bir test, bu yazı sistemlerinden biriyle bir afiş veya infografik istemek ve çıktıyı ana dil konuşuru ile kontrol etmek. Modelden kurgusal, yerel bir kahve dükkânının mevsimlik kiraz çiçeği lattesini tanıtan modern bir Japon yaşam tarzı posteri oluşturmasını istedik.

「居心地の良い日本のカフェの窓辺を描いた、モダンなグラフィックデザインスタイルのライフスタイルポスター。大きな窓から差し込む自然な光と、小さな観葉植物。ポスターの中央には、以下の日本語テキストが大きく、はっきりと読みやすく配置されている。フォントは現代的でクリーンなゴシック体（sans-serif）。

テキスト内容：
『桜フェア開催中。
心休まる場所で、
春の訪れを。
さくらラテ 650円』

テキストの下には、小さな文字で『HAVE A GOOD DAY』という英語のサブタイトルがあり、一番下にはロゴマークと『CAFE YUTORI』というローマ字の店名がある。全体的に暖かく、洗練されたレイアウト。」

Çıktı şöyle görünüyor:

Japonca konuşan meslektaşımıza göre (Sven'e selamlar!), önceki modellere kıyasla çok daha iyi görünüyor; o zamanlar birçok karakter karmakarışık, anlamsızdı. Bu sürüm daha doğal hissettiriyor ve ana dil konuşurları tarafından kolayca okunabiliyor.

Düşünme modunda, sol alttaki küçük kara tahta tabelasında istem talimatlarının ötesine geçen cümleler bile ekledi. Bağlama iyi uyuyor ve tekrara düşmüyor; kabaca “Mevsimlik, yumuşak bir lezzet. Rahat bir mola verin — size baharı getiren bir fincanın tadını çıkarın.” anlamına geliyor.

Düşünme modunu ve web aramasını test etmek

Web arama yeteneklerini test ederken biraz dikkatli olmamız gerekti; çünkü modele istemde ne istediğinizi söylerseniz, aramayı değil, yönerge takibini test etmiş olursunuz. En temiz test, çok yeni ve çok spesifik bir şey istemek, modele neredeyse hiç bilgi vermemek ve boşlukları doğru doldurup dolduramayacağını görmektir.

Dünkü Boston Maratonu’nu seçtik. Yarış Pazartesi, 20 Nisan’da — ChatGPT Images 2.0 duyurusundan bir gün önce — tamamlandı ve erkekler parkur rekoru 2011’den beri ilk kez kırıldı. Bu, modele eğitimden sahip olamayacağı ama hızlı bir aramayla kolayca doğrulanabilecek somut bir olgu seti (kazanan, ülke, süre, fark, bağlam) sunuyor.

İşte ayrıntılardan bilerek arındırılmış istem. Ve sonuçta modelin web’de arama yaptığını görebilirsiniz!

Create a celebratory poster-style infographic commemorating the course record set at yesterday's Boston Marathon. Include the winner's name, country, finish time, and the margin by which the previous record was broken. Include one or two additional stats or context details that make the achievement meaningful.

Sonuç görsel olarak çok çekici ve Boston Maratonu renk koduna sadık, ki bu hoş bir detay. Belirtilen tüm olgular doğru; ayrıca kontrol ederek doğruladık.

Eski model (Images 1.5) web’de arama yapamadığı için yanlış cevap vereceğinden emindik. Yine de aynı istemle test ettik ve sonuç şöyle oldu:

Stil açısından rekabet edebilse de sayılarla ilgili epey sorun var:

• Koşu Boston Maratonu’nun 130. edisyonuydu, dolayısıyla “129 yıllık gelenek” demeliydi, 127 değil.
• “Maratonda 2:04’ün altına inen tarihteki 3. koşucu” iddiası da yanlış. Bunu yapan yaklaşık 20 koşucu var.
• Boston Athletic Association sitesine göre ikinci yarı süresi 1:00:02, 1:01:05 değil (ki bu hâlâ şimdiye kadarki en hızlı ikinci yarı olabilir)
• En önemlisi, ChatGPT Images yeni ve eski rekor sürelerini karıştırdı. Eski rekor 2:03:02 idi; yeni rekor 2:01:52. Fark 1:10 dakika. Ayrıca 2:03:02 de doğru süre değildi. 

Güncel bilgileri görsel olarak sunarken arama yetenekleri fark yaratıyor. Bunları kullanmak için düşünme modunun açık olması gerekiyor.

Stil aralığını test etmek

OpenAI, stilistik sofistikasyonda gerçek kazanımlar sunuyor — fotoğrafçılık, illüstrasyon, manga, piksel sanatı ve diğer görsel stiller boyunca. Dürüst test, tek bir görselin iyi görünüp görünmediği değil; aynı konunun üç farklı stilde üretildiğinde her türe özgün biçimde okunup okunmadığı ya da hepsinin alttan alta aynı yapay zekâ parıltısıyla geri dönüp dönmediği.

Bunu test etmek için tahta bir tezgâh üzerindeki bir espresso makinesinin üç farklı versiyonunu istedik (fotoğraf, manga, piksel sanat). İşte istemler ve sonuçlar:

A battered, vintage espresso machine sitting on a wooden workbench next to a potted fern. Style: 35mm street photography, gritty, natural window lighting, Kodak Portra 400, shallow depth of field.

A battered, vintage espresso machine sitting on a wooden workbench next to a potted fern. Style: 1990s Japanese manga, black and white ink drawing, screentone shading, bold linework, Katsuhiro Otomo style.

Bu ilginç bir sonuçtu ve bir bakıma ironikti; çünkü Image 1, bir yıl önce herkesin yaptığı (bizim de dahil) Studio Ghibli kolajlarıyla ünlü olmuştu. Görünüşe göre OpenAI o zamandan beri telif ve fikrî mülkiyet konusunda daha temkinli.

Katsuhiro Otomo’nun stilini doğrudan adını anmadan tarif ederek çalıştırabildik. Dikkat edilmesi gereken bir nokta, bunun için yeni bir sohbet açmak zorunda kalmamız oldu. Aynı sohbette model, engeli aşmaya çalıştığımızı fark etmiş gibiydi.

A battered, vintage espresso machine sitting on a wooden workbench next to a potted fern. Style: 1990s Japanese manga, black and white ink drawing, screentone shading, bold linework, hyper-detailed mechanical illustration, dramatic high contrast, retro-cyberpunk aesthetic.

A battered, vintage espresso machine sitting on a wooden workbench next to a potted fern. Style: 16-bit pixel art, isometric perspective, crisp edges, limited SNES color palette.

Bize göre üç görsel de harika görünüyor ve istediğimiz çok belirgin stilleri özgün biçimde yansıtıyor. Fotoğraf çok doğal görünüyor, diğer iki versiyon ise sanki doğrudan bir manga kitabından veya bir SNES video oyunundan alınmış gibi.

Yukarıdaki testte göze çarpan bir diğer nokta, modelin her görsel için esnek en-boy oranı yeteneklerini kullanarak uygun bir oran seçmesi: fotoğraf için 16:9 yatay, manga versiyonu için dikey, piksel sanat için kare.

Esnek en-boy oranlarını test etmek

Sürüm, 3:1’den 1:3’e kadar en-boy oranlarını ve 2K’ya kadar çözünürlükleri destekliyor. İlginç soru, uzun ya da geniş bir görsel üretip üretemediği değil — modelin formatlar arasında akıllıca yeniden kompozisyon yapıp yapmadığı, yoksa sadece kırpıp kırpmadığı.

Modelin alttaki mekânsal mantığını ortaya koymak için, çok eksende belirgin, vazgeçilmez öğelere sahip bir sahneye ihtiyaç var (uzun bir şey, geniş bir şey ve merkezi bir özne).

Test olarak, konumuzu (belirli bir ortamda bir astronot) bir temel istemden ürettik; ardından modelden bunu bir mobil duvar kâğıdı, bir banner ve bir kare olarak yeniden yaratmasını isteyip kompozisyonun nasıl uyum sağladığına baktık.

Temel istem:

A lone astronaut standing on a rocky, desolate hill. To the far left, a massive, blocky futuristic rover is parked. In the sky directly above the astronaut, a gigantic, luminous ringed planet dominates the starry backdrop.

Nasıl değiştiğine bakalım:

Recreate the original image as a banner

Recreate the original image as a mobile wallpaper

Recreate the original image as a square

Sürümlerin her biri istek için uygun bir en-boy oranı seçmiş, tüm önemli öğeleri (astronot, keşif aracı, gezegen) içeriyor, bunları orijinal istemde talep ettiğimiz şekilde düzenliyor ve merkezli tutuyor. Test geçti.

Kaba girdiden cilalı çıktıya

Düşünme ortağı çerçevesi, modelin belirsiz ya da dağınık girdileri — kaba bir eskiz, madde madde bir not, birkaç referans — kabul edip bunları bitmiş bir varlığa dönüştürmesine dayanıyor. Bu, sürümün gerçekten inşa edildiği döngü ve en doğrudan test etmeye değer olanı.

Bunu test etmek için göl kenarındaki bir kulübenin aşağıdaki çok kaba kurşun kalem eskizini yükledik:

Zorlaştırmak için epey detay içeriyor, iskele için Fince “laituri” kelimesini kullanıyor ve iki tür yapı (ev ve kulübe) ile iki tür su yüzeyi (göl ve gölet) barındırarak karışıklığa alan tanıyor

Turn this crude layout into a photorealistic, cinematic landscape of a modern cabin at sunset. Keep elements where I mapped them out. The cabin includes a sauna with smoke coming out of the chimney.

Düşünme modu olmadan sonuç fena değil ama çok fotogerçekçi değil. Yine de ışıklandırma iyi uyuyor ve görsel istemin havasını gayet iyi yakalıyor. Eskizdeki ögelerin neredeyse tamamını görebiliyoruz. Birkaç detay hatalı:

• Tekne eksik
• İskele gölette, gölde değil
• Güneşin konumu sağ üst köşede değil.

Aynı istemi, aynı eskiz görseliyle düşünme modunda denediğimizde çıktı çok daha gerçekçi göründü ve küçük tutarsızlıkların hepsini düzeltti:

Görsel, eskizdeki tüm öğeleri belirlenen yerlerinde içeriyor ve oldukça derli toplu görünüyor. Buradaki ana çıkarım, kaba eskizleri fotogerçekçi görsellere dönüştürürken en iyi sonuç için düşünme modunu kullanmak.

Yaratıcılığı test etmek

Sıradaki testimizde, Niikuni Seiichi'nin beton şiirini yeniden oluşturup oluşturamayacağını görmek istedik. 

Bu ünlü şiir, yağmur Japonca kanjisiyle, yağmurla çevrelenmiş şekilde gösterilir; bize göre dilde yağmuru yakalamak gibidir.

İşte istemimiz:

Please recreate the concrete poetry of Niikuni Seiichi. I want to see "Ame" meaning Rain. But make it different using your creativity.

Ve çıktı şöyle:

Bu sonuç ilginç. Görseli birebir yeniden yaratmadı, ama başka bir şekilde ilgi çekici bir şey oluşturdu. Yeni kompozisyonda “yağmur” kanjisi yağmurla çevrelenmek yerine, yağmur olarak aşağıya iniyor. Sembollerin kompozisyonu epey rastgele görünüyor; tıpkı yağmur damlalarından bekleneceği gibi, ama çok düzenli olan özgün esere güzel bir karşıtlık kuruyor.

ChatGPT Images 2.0'a Nasıl Erişebilirim?

Erişim önceki sürümle aynı düzeni izliyor. Aralık ayında tanıtılan özel yaratıcı çalışma alanını koruyor — tuval tarzı düzenleyici, kalıcı eserler, stil ön ayarları — ve altına kayda değer ölçüde daha yetenekli bir model koyuyor.

• Web, mobil uygulama ve Codex: ChatGPT Images 2.0, Free, Plus ve Pro kullanıcıları için Images sekmesinde mevcut; kullanım sınırları katmana göre ölçekleniyor. İşletme ve Kurumsal erişim genellikle ilk dağıtımdan sonra geliyor.
• API: Geliştiriciler yeni modeli OpenAI API ve Azure OpenAI Service üzerinden, görsel üretim ve düzenleme uç noktalarıyla kullanabilir. 1.5’te olduğu gibi, görsel çıktısı token bazında fiyatlandırılıyor ve düzenlemeler sırasında kısmi yeniden üretim, her seferinde tam görseli yeniden üretmekten daha düşük maliyet sağlıyor.

ChatGPT Images 2.0 vs. Nano Banana 2

ChatGPT Images 2.0’ın Nano Banana 2 ile nasıl kıyaslandığını merak ediyor olabilirsiniz. Her iki model de güncel, her ikisi de kendi ekosistemlerinde varsayılan deneyim ve her ikisi de hız, akıl yürütme ve gerçek dünya zekâsı etrafında konumlandırılıyor.

ChatGPT Images 2.0 ve Nano Banana 2 ne zaman kullanılmalı

ChatGPT Images 2.0'ı şu durumlarda kullanın…

• Referans odaklı bir düzenleme döngüsüne ihtiyacınız varsa. Model, bir referans görsel kabul eder ve hedefli değişiklikleri (doku ayrıntıları, konumsal düzeltmeler, en-boy oranı düzeltmeleri) turlar boyunca uygular; sade dildeki takipler çıktıyı baştan başlamadan güvenilir şekilde yönlendirir, bu da token tasarrufu sağlar
• Kaba girdileri cilalı varlıklara dönüştürüyorsanız. Düşünme modu, belirsiz eskizleri ve mekânsal talimatları, öğeler tam istenen yerlere yerleştirilmiş şekilde doğru, fotogerçekçi kompozisyonlara çözümler
• Görsel içindeki olgusal doğruluk kritikse. Web arama temellendirmesi canlı bilgileri çeker ve doğrudan görsel içinde doğru şekilde işler; bu da etkinlik afişleri, haber infografikleri veya sayı ve isimlerin doğru olması gereken her tür görsel için güvenilir kılar. Web aramasını etkinleştirmek için düşünme modunu kullanmayı unutmayın

Nano Banana 2'yi şu durumlarda kullanın…

• Belirli gerçek dünya öznelerini veya konumlarını bir sahneye yerleştiriyorsanız. Görsel Arama Temellendirmesi, Google'dan canlı görsel referanslar çeker; belirli yerleri (GPS koordinatlarıyla bile) doğru şekilde yeniden kurgular ve konu-tutarlı karakterlerle tek bir üretimde birleştirir
• Tek iş akışında birden çok karakter ve nesne arasında kimliği korumanız gerekiyorsa. Model, beş karaktere ve toplamda on dört referansa (karakterler + nesneler) kadar sıkı tutarlılıkla açıkça destek verir. Bu da onu storyboard'lar, ürün çekimleri veya çok karakterli anlatılar için güçlü bir seçenek yapar
• Google ekosistemi içinde inşa ediyorsanız. Nano Banana, Gemini sohbeti, Google Arama, Google Ads, Firebase ve Vertex AI ile yerel olarak entegredir

Görsel içi metin oluşturma, stil aralığı ve sohbetle düzenleme söz konusu olduğunda her ikisi de iyi seçeneklerdir.

Son Düşünceler

“Görsel düşünme ortağı” çerçevesi ayakta duruyor – ama yalnızca düşünme modu açıkken. Onsuz model, mekânsal mantık ve fotogerçekçilikte zorlanıyor; onunla ise muğlak girdileri, mekanik değil işbirlikçi hissettiren çıktılara dönüştürüyor. Düşünme modu olmadan bile modelin parladığı iki alan, stilistik özgünlük ve en-boy oranı esnekliği.

Web arama temellendirmesi, Images 1.5’e göre en büyük yükseltme gibi hissettiriyor. Boston Maratonu testinde bu farkı net biçimde gördük: 2.0 tüm olguları doğru aldı, 1.5 güncel değildi. Web aramasının da yalnızca düşünme modunda çalıştığını bilmek önemli.

İlginç bir bulgu da telif korumalarının daha sıkı olması ve bunun kendini göstermesi. Belirli bir şirketin ya da kişinin tanındığı bir stili yeniden yaratmak isterseniz, onların stilinin özünü tanımlayıp betimleme adımını atmanız gerekiyor (ki günümüzde bu, tartışmasız, kolay bir çözüm).

Genel olarak, model selefine göre önemli bir yükseltme ve Nano Banana 2’nin yapay zekâ ile görsel üretim ve düzenlemedeki bir numaralı araç konumunu zorluyor. 

Bu tür araçlardan en iyi şekilde yararlanmak için istem yazmayı bilmek temel bir beceridir. Understanding Prompt Engineering ve Prompt Engineering with the OpenAI API kurslarımızı teorik ve pratik bir temel için şiddetle öneririz.