GPT-5: Yeni Özellikler, Testler, Kıyaslamalar ve Daha Fazlası

GPT-5’teki Yeni Özellikler

Sohbet tabanlı özellikler

Sohbetlerinizin rengini özelleştirin

Artık sohbetleriniz için bir renk şeması seçebilirsiniz. Tamamen kozmetiktir; ancak arayüzü kendi ortamınıza daha uygun hissettirir. Rengi Genel bölümünden Ayarlar içinde değiştirebilirsiniz:

Kişilikleri değiştirin

GPT-5, ön ayarlı kişilikler sunuyor; asistanın tarzını daha destekleyici, özlü ve profesyonel ya da hafif alaycı olacak şekilde değiştirebiliyorsunuz. GPT-5’in yönlendirilebilirliği geliştiği için bu tarzlar, birkaç yanıttan sonra sönümlenmek yerine sohbet boyunca tutarlı kalıyor.

Bu özelliğe erişmek için Kişiselleştirme bölümüne gidin, Özel talimatlar sekmesini açın ve bir ön ayar seçerek istediğiniz kişiliği belirleyin:

Gmail ve Google Takvim entegrasyonu

Plus, Pro, Team ve Enterprise kullanıcıları için GPT-5 doğrudan Gmail ve Google Takviminize bağlanabiliyor. Programınızı içeri çekebilir, boş zamanlarınızı bulmanıza yardımcı olabilir ve görmezden geldiğiniz e-postalara yanıt taslakları hazırlayabilir. Gününüzü etkin biçimde yöneten bir yapay zekâya doğru gerçek bir adım.

Bu özelliği kullanmak için Bağlayıcılar bölümüne gidin ve Gmail ile Google Takviminizi bağlamak için ekrandaki talimatları izleyin.

Daha güvenli, daha faydalı tamamlamalar

GPT-5, eski reddetme odaklı güvenlik yaklaşımının yerine “güvenli tamamlamalar” getiriyor. Potansiyel olarak güvensiz bir isteği yalnızca engellemek yerine, sınırlar dâhilinde mümkün olduğunca faydalı bilgi verir ve kısıtları açıklar. Ayrıca, önceki modelleri yapay hissettirebilen aşırı uyumlu yanıtlardaki eğilimi de azaltır.

Geliştirici odaklı özellikler

Bu kısa bölüm geliştiriciler için; dilerseniz bir sonraki, GPT-5’i test ettiğim bölüme atlayabilirsiniz.

Akıl yürütme ve açıklık (verbosity) denetimleri

API’de artık modelin düşünme derinliğini reasoning_effort parametresiyle kontrol edebilirsiniz; ayrıntılı akıl yürütmeye ihtiyaç duymadığınızda daha hızlı yanıtlar için yeni bir “minimal” ayarı da eklendi. Ayrıca, isteminizi değiştirmeden yanıtların kısa, orta ya da uzun olmasını belirleyen bir verbosity parametresi de var.

Düz metinle özel araçlar

GPT-5, JSON yerine düz metinle araç çağırmayı sağlayan “özel araçları” destekliyor. Bu, büyük kod blokları gibi karmaşık çıktıları bozabilen kaçış (escaping) sorunlarını önler. Ayrıca araç çağrılarını regex ya da tam dil bilgisiyle kısıtlayarak kendi biçiminizi zorunlu kılabilirsiniz.

Uzun soluklu, çok adımlı görevlerde daha iyi

Model, uzun süreli ajans görevlerini ele almakta belirgin biçimde daha iyi. Hem ardışık hem paralel olarak düzinelerce araç çağrısını bağlayabilir ve bağlamı kaybetmez.

Geliştirilmiş ön yüz kodlama

Dahili testlerde GPT-5, ön yüz geliştirme senaryolarında OpenAI o3’ü zamanın %70’inde geride bıraktı; daha temiz, daha estetik arayüzler ve daha iyi varsayılan yerleşim, tipografi ve boşluklar üretti.

Daha uzun bağlam, daha az halüsinasyon

API’de GPT-5, birleşik girdi ve çıktı bağlam uzunluğu olarak 400K belirteci destekliyor. Kıyaslamalar, önceki modellere kıyasla büyük girdilerden bilgiyi daha doğru çektiğini ve olgusal görevlerde halüsinasyon oranlarını kayda değer biçimde düşürdüğünü gösteriyor.

GPT-5’i Test Etmek

Birkaç hafta önce Grok 4 test etmiştim ve karşılaştırma amacıyla aynı istemlerle GPT-5’i denemek istedim. Bu, GPT-5’in kapsamlı bir değerlendirmesi değil—sadece tipik bir sohbet düzeninde nasıl davrandığına dair hızlı bir fikir edinme yolu.

Matematik

Başlangıç olarak GPT-5’e küçük bir matematik sorusu verdim: 9,11 eksi 9,9. Yüzeyde kolay bir çıkarma olsa da bu tür basit aritmetik işlemler bazen dil modellerinin nasıl akıl yürüttüğündeki tuhaflıkları ortaya çıkarabilir—Claude Sonnet 4 bunu test ettiğimde takılmıştı. Elbette bir hesap makinesi anında yanıt verebilir; ancak aslında test ettiğim süreç: GPT-5 adım adım akıl yürütecek mi, yoksa yerleşik bir araca başvurmaya mı karar verecek?

Şaşırtıcı biçimde, GPT-5 bana doğru çözümü bir saniyeden kısa sürede verdi—yanıt gerçekten anlık hissettirdi. Takip sorumdan anladığım kadarıyla, model büyük olasılıkla 9,9’u 10-0,1 olarak yeniden yazma, 9,11’den çıkarma ve sonucu ayarlama gibi ara adımları dahili olarak temsil eden bir tür düşünce zinciri yöntemi kullandı.

Bunun hemen ardından, hesabının yanlış olduğunu kurnazca öne sürdüğümde GPT-5 ile komik bir etkileşim yaşadım. Aşırı uyumluluk eğilimi onu bana katılmaya itti; fakat yine de doğru sonuca vardı. Bu da en azından matematik gibi nesnel sorunlarda modele güvenebileceğinizin bir işareti.

Sonrasında modeli daha karmaşık bir matematik sorusunda test ettim:

0’dan 9’a kadar tüm rakamları yalnızca birer kez kullanarak x, y, z olmak üzere üç sayı oluşturun; öyle ki x + y = z olsun.

Cevabı beklerken hızlı yanıt alma seçeneği fark ettim. Denemedim; ancak acele ettiğinizde ya da modelin aslında basit bir sorunu fazla düşünerek uzattığını düşündüğünüzde işe yarayabilir. Son çalışmalar daha fazla akıl yürütmenin her zaman daha iyi olmadığını gösteriyor.

30 saniyelik bir düşünmenin ardından GPT-5 bana iki doğru cevap verdi. Düşünme izinde, sorunu çözmek için açıkça “hızlı bir program” kullandığını belirtti—zihin yürütmesiyle çözmeye kalkmak çağlar alabilirdi (10! = 3.628.800 permütasyon ve pek çok olası bölünme var). Ancak kaputun altında çalıştırdığı gerçek programı göremedim; bu çok faydalı olurdu.

Kodlama

Kodlama görevi için daha önce Grok ile yaptığım oyunun aynısını kurmayı denedim. İstemdeki tek fark, GPT-5’ten kodu Canvas içinde çalıştırmasını istemem oldu.

İstem: Beni etkileyen bir sonsuz koşucu oyunu yap. Ekranda temel yönergeler. p5.js sahnesi, HTML yok. Pikselli dinozorları ve ilginç arka planları seviyorum. Kodu Canvas’ta çalıştır.

Üç derleme hatasından sonra Canvas’ta çalıştırmaktan vazgeçtim ve kodu bir p5.js düzenleyicisinde çalıştırdım. Sonuç şöyle:

Model etkileyici biçimde 764 satır kod yazdı ve şimdiye kadar test ettiğim herhangi bir modelle üretebildiğim en iyi V1’i ortaya koydu. Örneğin çoğu model, oyunu oyuncunun ne zaman başlayacağına karar verebildiği bir duraklatma ekranıyla başlatmayı başaramamıştı—kodu çalıştırır çalıştırmaz oyun başlıyordu. Hiçbiri en iyi skorlar, süzülme yeteneği ya da oyunu duraklatma gibi özellikleri de eklememişti.

Uzun bağlamlı çok kipli

Grok 4’te olduğu gibi, daha büyük bir PDF’i test etmek istedim; bu yüzden Avrupa Komisyonu’nun Generative AI Outlook Report belgesini (43.087 belirteç / 167 sayfa) yükledim ve GPT-5’e şu istemi verdim:

İstem: Bu raporun tamamını analiz et ve en bilgilendirici üç grafiği belirle. Her birini özetle ve PDF’de hangi sayfada bulunduklarını belirt.

Sonuçları göstermeden önce (Pro hesabımı kullanarak), bu PDF’in ne kadar büyük olduğunu dikkate alın: Bunu ChatGPT Free’de (8K belirteç sınırı) ya da hatta ChatGPT Plus’ta (32K belirteç sınırı) çalıştırmak çok büyük olasılıkla başarısız olacaktır. Örneğin, belgenin özetini istediğimde (Ücretsiz hesabımla) ileti akışında bir hata oluştu—muhtemelen bellek kısıtları nedeniyle.

Bu görevi Pro hesabıyla çalıştırdığımda bazı sonuçlar aldım—ancak aşağıdaki videoda da görebileceğiniz gibi epey sorun vardı:

Çıktı şaşırtıcı derecede kötüydü ve benim ek yorumu gerektirmiyor. Takip istemi denemeye bile kalkışmadım. Bu kesinlikle “bir doktora öğrencisiyle konuşmak” gibi hissettirmiyor, “AGI”ye de yaklaşmıyor.

GPT-5 Kıyaslamaları

OpenAI, GPT-5 için kodlama, matematik, çok kipli akıl yürütme, talimat izleme, araç kullanımı, uzun bağlamlı getirme ve olgusal doğruluğu kapsayan kapsamlı bir kıyaslama seti yayımladı. Aşağıda, resmi dokümantasyon ve blog yazılarında bildirilen sayıların bir özeti yer alıyor.

Kodlama performansı

Gerçek dünyadan Python görevlerini içeren SWE-bench Verified üzerinde GPT-5, %74,9 puan alıyor; bu, OpenAI o3 için %69,1’den yüksek ve GPT-4.1’in (%54,6) oldukça ilerisinde. Verimlilik açısından bakıldığında kazanımlar daha da etkileyici: Yüksek akıl yürütme çabasında GPT-5, bu sonuçlara ulaşırken o3’e kıyasla %22 daha az çıktı belirteci ve %45 daha az araç çağrısı kullanıyor.

Kaynak: OpenAI

Çok dilli kod düzenlemeyi test eden Aider Polyglot’ta GPT-5 %88’e ulaşıyor; o3 için bu %81—yaklaşık üçte bir oranında hata azalması demek. Daha fazla sonuca bu geliştirici odaklı rapordan ulaşabilirsiniz.

Matematik ve bilimsel akıl yürütme

GPT-5, matematik ağırlıklı kıyaslamalarda da güçlü sonuçlar veriyor. AIME 2025’te (araçsız yarışma düzeyi matematik) GPT-5 (araçsız) %94,6 alırken, o3 (araçsız) %88,9 alıyor. HMMT’de (Harvard-MIT matematik turnuvası) araçsız %93,3’e ulaşıp o3’ün %85’ini geride bırakıyor. FrontierMath’te (Python aracıyla uzman düzeyi matematik) GPT-5 %26,3 alıyor—çok yüksek bir sayı olmasa da o3’ün %15,8’inin önünde.

Kaynak: OpenAI

GPQA Diamond—doktora düzeyi bilim soruları—setinde GPT-5 araçlarla (Python) %87,3 ve araçsız %85,7 alarak her iki konfigürasyonda da o3’ü hafifçe geride bırakıyor.

Çok kipli akıl yürütme

Çok kipli kıyaslamalarda GPT-5 yeni en iyi seviye olarak öne çıkıyor. MMMU’da (üniversite düzeyi görsel akıl yürütme) %84,2 ve MMMU-Pro’da (lisansüstü düzeyi) %78,4 alarak her iki durumda da o3’ü geçiyor. VideoMMMU’da (256 kareye kadar video tabanlı akıl yürütme) GPT-5, o3’ün %83,3’üne karşı %84,6 doğruluğa ulaşıyor.

Düşünme etkinleştirildiğinde CharXiv Reasoning’de (bilimsel figür yorumlama) %81,1 ve ERQA’da (uzamsal akıl yürütme) %65,7 ile de iyi performans gösteriyor; her ikisinde de o3’ün önünde.

Humanity’s Last Exam (HLE)

Humanity’s Last Exam, matematik, fizik, kimya, dilbilim ve mühendisliği kapsayan 2.500 elle derlenmiş, doktora düzeyi sorudan oluşan zorlu bir kıyaslamadır.

OpenAI’nin yayımladığı sonuçlara göre GPT-5 araçsız %24,8 ve Pro varyantında %42,0 puan alıyor.

Kaynak: OpenAI

xAI’nın verilerine göre Grok 4, araçsız yaklaşık %26 ve araçlarla %41,0 alıyor. Grok 4 Heavy konfigürasyonu—birden çok ajanın paralel çalıştırılıp çıktılarının birleştirilmesi—bunu %50,7’ye taşıyor ve çok ajanlı yapının avantajını gösteriyor. Her iki model de tek ajanlı, araç destekli modda benzer sonuçlar verirken, Grok 4 Heavy’nin mimarisi burada kayda değer bir üstünlük sağlıyor.

Kaynak: xAI

Sonuç

GPT-5, bazılarının umduğu AGI dönüm noktası değil ve kesinlikle cebinizde bir “doktora” varmış gibi hissettirmiyor. Ancak OpenAI’nin önceki serisini tek ve daha pürüzsüz bir deneyimde birleştiren, bazı anlamlı (her ne kadar artımsal da olsa) teknik iyileştirmelerle desteklenen başarılı bir konsolidasyon.

Kişilikler, renk özelleştirme ve Gmail/Takvim entegrasyonu gibi yeni sohbet tabanlı özellikler, ChatGPT’yi günlük iş akışları için daha kişisel ve kullanışlı hissettiriyor. Geliştirici tarafında ise akıl yürütme, açıklık ve araç biçimleri üzerinde daha ince denetim; ayrıca uzun süreli görevlerde daha iyi performans, hayatı kolaylaştıran memnuniyet verici güncellemeler.

Testlerde GPT-5, doğrudan akıl yürütme ve kodlama görevlerini çok iyi yönetti; hatta şimdiye kadar herhangi bir modelden gördüğüm en iyi ilk sürüm oyunu üretti. Ancak uzun bağlamlı çok kipli performansı hâlâ isteneni vermekten uzak; Pro katman kaynakları bile abartıyı karşılayan sonuçlar sunamadı.

Çoğu kişi için GPT-5 bugün mevcut en erişilebilir ve çok yönlü yapay zekâ aracı olmaya devam edecek. Sadece, mevcut modellerle mümkün olanın sınırlarını zorlamasını beklemeyin. Bu bir evrim, devrim değil; ihtiyaçlarınıza bağlı olarak aradığınız şey de tam olarak bu olabilir.