GPT (OpenAI) (TR)

GPT (Generative Pre-trained Transformer) — OpenAI tarafından geliştirilen büyük dil modelleri (LLM) ailesidir. GPT modelleri, transformer mimarisi üzerine inşa edilmiş olup üretken ön eğitim paradigmasını uygular: ilk aşamada model, açık bir etiketleme olmaksızın geniş metin derlemleri üzerinde eğitilir; ardından belirli görevler için ince ayar yapılabilir. Sonraki nesiller için (GPT‑5'ten itibaren) OpenAI, ürünün hızlı yanıt modunu, derinlemesine akıl yürütme (reasoning) modunu ve bir yönlendiriciyi bir arada sunması nedeniyle birleşik sistem (unified system) ifadesini de kullanmaktadır.

İsimlendirme

GPT kısaltması, Generative Pre-trained Transformer (Üretken Önceden Eğitilmiş Dönüştürücü) anlamına gelir.

• Üretken (Generative): modelin yeni içerik (örneğin metin) oluşturabildiğini ifade eder.
• Önceden Eğitilmiş (Pre-trained): modelin büyük bir veri kümesi (örneğin internetteki metinler) üzerinde kapsamlı bir başlangıç eğitiminden geçtiğini belirtir. Ön eğitimin ardından model, daha özel görevler için genellikle ek olarak "ince ayar" (fine-tuning) yapılabilir.
• Transformer: GPT'nin ve pek çok modern yapay zeka modelinin temelini oluşturan kilit yenilik olan belirli bir sinir ağı mimarisinin adıdır.

GPT'nin temel özelliği, eğitimin öz-bağlanımlı (autoregressive) biçimde gerçekleşmesidir: model, bir önceki bağlama dayanarak bir sonraki token'ı tahmin eder. Yani model, önceki token dizisini bilerek bir sonraki token'ın olasılığını en üst düzeye çıkaracak şekilde eğitilir. Eğitim sırasında bir sonraki öğenin tahmin hatası en aza indirilir; bu da yüksek tutarlılık ve bağlantılılığa sahip metinlerin oluşturulmasını sağlar.

GPT'de Metin Üretim Süreci

GPT modeli, aşağıdaki yinelemeli şemayı izleyerek metni sıralı olarak, token token üretir:

• Başlangıç metin dizisini (prompt, seed text) girdi olarak alır.
• Metnin bir sonraki öğesi için sözcük dağarcığındaki tüm token'lar üzerinden olasılık dağılımını hesaplar.
• Bir sonraki token'ı seçer:
  • ya en yüksek olasılığa göre (açgözlü seçim),
  • ya stokastik örnekleme (sampling) yöntemiyle,
  • ya da özel filtreleme stratejileri (top-k, top-p) kullanarak.
• Seçilen token'ı mevcut diziye ekler.
• Güncellenen dizi, bir sonraki token'ı tahmin etmek üzere yeniden modele girdi olarak verilir.

Transformer Mimarisi: Metin İşleme

Bir sonraki token'ı tahmin etmek amacıyla 'transformer' içinde verinin işlenme süreci birkaç temel aşamayı kapsar:

• Tokenizasyon (Tokenization). Girdi metni, kelimeler, kelime parçaları veya noktalama işaretleri olabilen küçük metin birimleri olan token'lara ayrılır. Örneğin GPT-3 modelinde sözcük dağarcığı yaklaşık 50.257 token içerir.
• Token Gömme (Embeddings). Her token, gömme matrisi (W_E) yardımıyla sabit uzunluklu bir vektöre dönüştürülür. Vektörler token'ların anlamını kodlar: anlamsal açıdan birbirine yakın token'lar çok boyutlu uzayda yan yana konumlanır. GPT-3 modelinde gömme boyutu 12.288'dir.
• Transformer Katmanlarında İşleme.
  • Dikkat Blokları (Attention Blocks): Her token, dizideki diğer token'larla etkileşime girer. Dikkat mekanizması, bağlamı dikkate almayı ve kelimelerin anlamlarını doğru yorumlamayı sağlar.
  • Tam Bağlantılı Katmanlar (Feed-Forward Layers): Dikkat işleminin ardından her token, doğrusal olmayan aktivasyona sahip iki katmanlı bir sinir ağından ayrı ayrı geçirilir.
• Ters Dönüşüm ve Softmax. Tüm katmanların ardından işlenmiş vektör, genellikle W_E'nin transpozu olan (W_U) matrisi yardımıyla token uzayına geri dönüştürülür. Elde edilen logit vektörü, tüm token'lar üzerinde olasılık dağılımı elde etmek için Softmax fonksiyonu ile normalleştirilir.
• Bir Sonraki Token Seçimi (Sampling). Bir sonraki token, olasılık dağılımına göre seçilir. Sıcaklık (temperature) parametresi seçimin rastlantısallığını denetler: sıcaklık 0 olduğunda en olası token seçilir; daha yüksek sıcaklıklarda daha az olası seçeneklerin seçilme olasılığı artar ve bu da metnin daha çeşitli olmasını sağlar.

GPT Modelleri

• GPT-1 (2018): ailenin ilk modeli; 12 katmanlı yalnızca-decoder transformer; iki aşamalı eğitim (ön eğitim + NLP görevlerinde ince ayar).
• GPT-2 (2019): 1,5 milyar parametre; WebText derleminde eğitim; ilk kez uzun ve tutarlı metinler üretme kapasitesi; zero-shot üretim kalitesinde artış. 14 Şubat 2019'da duyurulmuş, tam sürüm (1,5 milyar) güvenlik gerekçesiyle 5 Kasım 2019'da yayımlanmıştır.
• GPT-3 (2020): 175 milyar parametre; Common Crawl, Books, Wikipedia'yı kapsayan büyük ölçekli eğitim; few-shot ve zero-shot yeteneklerinin güçlü biçimde geliştirilmesi.
• GPT-3.5 (2022): GPT-3 ile GPT-4 arasında geçiş sürümü; text-davinci-003 ve gpt-3.5-turbo sürümlerinde insan geri bildirimine dayalı pekiştirmeli öğrenme (RLHF) sayesinde iyileştirilmiş talimat izleme; erken sürümlerde 4.096 token'a kadar, sonraki sürümlerde (gpt-3.5-turbo-16k ve güncellenmiş gpt-3.5-turbo) 16.385 token'a kadar bağlam penceresi.
• GPT-4 (2023): metin ve görsel giriş destekli çok modlu model (görüntü desteği, metin lansmanından sonra daha geç devreye alındı); temel sürümde 8.192 token, GPT-4-32k varyantında 32.768 token bağlam penceresi; doğrulukta, tutarlılıkta ve akıl yürütme mantığında önemli gelişmeler.
• GPT-4 Turbo (2023): GPT-4'ün optimize edilmiş sürümü; 128.000 token'a kadar genişletilmiş bağlam penceresi; daha düşük gecikme ve kullanım maliyeti.
• GPT-4o (2024): tek bir sinir ağı mimarisine sahip yeni nesil çok modlu model (metin, görüntü, ses); çok yüksek yanıt hızı ve doğruluğu; 128.000 token bağlam penceresi.
• GPT-4.5 (2025): araştırma önizlemesi (research preview); OpenAI'ın system card belgesinde modelin "GPT-4o temelinde inşa edildiği" belirtilmektedir; kullanıcı isteklerinin daha iyi anlaşılması, hata sayısının azaltılması; 128.000 token bağlam penceresi. API'de gpt-4.5-preview modeli 14 Nisan 2025'te deprecated (kullanımdan kaldırılacak) olarak duyurulmuş ve 14 Temmuz 2025'te devre dışı bırakılmıştır.
• GPT-4.1 (2025): 1 milyon token'a kadar bağlam penceresiyle GPT-4 ailesinin geliştirilmiş sürümü; girdi olarak metin ve görüntü kabul eder, çıktı olarak metin üretir. Aynı anda üç varyantta piyasaya sürülmüştür: GPT-4.1, GPT-4.1 mini, GPT-4.1 nano.
• GPT-5 (2025): hızlı yanıt ve derinlemesine akıl yürütme modlarına sahip birleşik sistem; yaklaşık 400.000 token bağlam penceresi; olgusal görevlerde halüsinasyonlarda belirgin azalma.
• GPT-5.1 (2025): uyarlanabilir reasoning (adaptive reasoning), coding ve long-context retention alanlarında iyileştirmeler.
• GPT-5.2 (2025): profesyonel çalışmaya odaklanma; frontier görevler için Pro modu; GPT-5.2 temelinde ajansal GPT-5.2-Codex yayımlanmıştır.
• GPT-5.3-Codex (2026): coding yeteneklerini ve reasoning'i bir arada sunan ajansal coding modeli; seleflerinden %25 daha hızlı.
• GPT-5.3 Instant (2026): ChatGPT'nin en çok kullanılan konuşma modelinin güncellemesi; 3 Mart 2026'da yayımlanmıştır. Olgusal doğruluk, web arama kalitesi, diyalog akıcılığı iyileştirilmiş; gereksiz ret ve aşırı çekinceler azaltılmıştır. API'de gpt-5.3-chat-latest olarak erişilebilmektedir.
• GPT-5.4 (2026): 5 Mart 2026'da tanıtılan, profesyonel çalışma için OpenAI'ın frontier modeli; native computer use yeteneklerine sahip ilk genel amaçlı (general-purpose) OpenAI modeli. API'de gpt-5.4, genel amaçlı ve coding görevlerinin geniş bir yelpazesi için varsayılan model olarak önerilmektedir.

GPT-1

İlk model olan GPT-1, OpenAI tarafından 2018 yılında "Improving Language Understanding by Generative Pre-Training" (Üretken Ön Eğitim ile Dil Anlayışının Geliştirilmesi) başlıklı çalışmayla tanıtıldı. Model, 12 katmanlı yalnızca-decoder (decoder-only) transformer yapısında olup transformer mimarisi temel alınarak oluşturulmuştu. GPT-1'in eğitimi iki aşamada gerçekleşti: denetimsiz üretken ön eğitim (pre-training) aşaması ve ardından gelen denetimli ince ayar (fine-tuning) aşaması.

Ön eğitim aşamasında model, çeşitli türlerde 7.000'den fazla yayımlanmamış kitabı kapsayan BookCorpus derleminde eğitildi. Bu derlemin özelliği, uzun ve kesintisiz metin pasajları içermesiydi; bu durum, modelin karmaşık ve uzun metinsel bağımlılıkları işleme yeteneği kazanması açısından kritik öneme sahipti.

İnce ayar aşamasında model, aşağıdakiler dahil olmak üzere özelleşmiş doğal dil işleme görevlerini çözmeye uyarlandı:

• Soru Yanıtlama (Question Answering, QA) — verilen bir metin bağlamına dayanarak doğru yanıt oluşturma;
• Doğal Dil Çıkarımı (Natural Language Inference, NLI) — iki metin arasındaki mantıksal ilişkiyi belirleme: çıkarım, çelişki veya tarafsızlık;
• Anlamsal Metin Benzerliği Değerlendirme (Semantic Textual Similarity) — iki metin dizisi arasındaki anlam yakınlığının derecesini ölçme.

Bu yaklaşım sayesinde GPT-1, metin anlama görevlerine yönelik bir dizi standart benchmark'ta önceki modellere kıyasla önemli bir üstünlük sergiledi.

GPT-1'in geliştirilmesi, doğal dil işleme (NLP) alanında bir dizi kritik başarı ve keşfi gün yüzüne çıkardı:

• Üretken ön eğitimin etkinliği. Etiketlenmemiş büyük metin derlemlerinde ön eğitim yapılmasının, modele temel mimari değişiklikler gerektirmeksizin çeşitli uygulamalı görevlerde kullanılmaya uygun evrensel dil temsilleri kazandırdığı deneysel olarak doğrulandı.
• Transformer mimarisinin çok yönlülüğü. Çok katmanlı decoder transformer kullanımı, modelin metindeki uzun vadeli bağımlılıkları başarıyla işlemesine olanak tanıdı; bu, özyinelemeli sinir ağı tabanlı modeller için daha önce oldukça güçtü.
• Etiketli veriye bağımlılığın azaltılması. Çalışma, etiketlenmemiş veriler üzerinde büyük ölçekli ön eğitimin, hedef görevlerde yüksek kaliteye ulaşmak için gereken etiketli veri miktarını önemli ölçüde azaltabildiğini doğruladı.
• Sonraki gelişmeler için temel. GPT-1'in sonuçları, GPT ailesi modellerinin sonraki sürümleri (GPT-2, GPT-3 ve ötesi) için kavramsal ve teknik temeli oluşturdu.

GPT-2

GPT-2 modeli, OpenAI tarafından 14 Şubat 2019'da duyuruldu. Tam sürüm yaklaşık 1,5 milyar parametre içerdiğinden selefi GPT-1'in boyutunu büyük ölçüde aştı. Güvenlik kaygılarıyla OpenAI başlangıçta yalnızca modelin küçültülmüş versiyonlarını yayımladı; tam sürüm (1,5 milyar parametre) 5 Kasım 2019'da kamuoyuna açıldı. BookCorpus derleminde (~5 GB) eğitilen GPT-1'den farklı olarak GPT-2, yüksek kaliteli internet kaynaklarından derlenen yaklaşık 40 GB'lık özel WebText derleminde eğitildi. Hem model boyutunun hem de eğitim verisi hacminin artırılması, GPT-2'nin metin üretim kalitesini önemli ölçüde iyileştirmesini sağladı: model, bilgilendirici makaleler, hikâyeler ve hatta tutarlı kurgusal düzyazı parçaları oluşturabildiğini ortaya koydu.

GPT-2'de, GPT-1'e benzer şekilde öz-bağlanımlı (autoregressive) decoder transformer mimarisi kullanıldı; köklü bir değişiklik yapılmadı. Model 48 self-attention katmanından oluşuyor, gizli durum boyutu 1.600 ve yaklaşık 1,5 milyar parametre içeriyordu. Dikkat başı sayısı 25'ti (GPT-1'den devralınan başı başına 64 boyutu korunarak: 1600 ÷ 64 = 25). Eğitim, maskelenmiş dikkat mekanizması kullanılarak önceki bağlama dayalı bir sonraki token tahmin görevi üzerinde gerçekleştirildi.

GPT-2'nin en önemli farklılıklarından biri, modelin zero-shot learning modunda yüksek etkinlik sergilediğini ilk kez kanıtlamasıydı; yani bu görevlere ilişkin örnekler üzerinde açık bir ince ayar yapılmadan yeni görevleri çözebiliyordu. Model, genel metinlerden oluşan büyük bir derlemde eğitilmiş olup belirli görev verilerine özgü özelleştirilmiş eğitimden geçmemişti. Değerlendirme zero-shot modunda gerçekleştirildi; bu modda model, görevleri yalnızca ön eğitim sürecinde edindiği bilgilere dayanarak yerine getirdi. Çeşitli dil modelleme görevlerinde GPT-2, özelleştirilmiş veri kümeleri (örneğin Vikipedi, haber metinleri, kitaplar) üzerinde özel olarak eğitilmiş modellerle karşılaştırılabilir veya onları aşan sonuçlar elde etti.

GPT-3

GPT-3 modeli, OpenAI tarafından Haziran 2020'de tanıtıldı (makale arXiv'de 28 Mayıs 2020'de yayımlandı; API'ye beta erişim 11 Haziran 2020'de açıldı). GPT-2'nin ardından üretken transformerlerin gelişiminde bir sonraki adımı temsil eden bu model, 175 milyar parametreye kadar mimarinin ölçeklenmesiyle öne çıktı ve o dönem itibarıyla en büyük dil modeli hâline geldi.

GPT-3'ün mimarisi özünde değişmeden kaldı: köklü bir güncelleme yapılmaksızın çok katmanlı öz-bağlanımlı decoder transformer yapısı korundu. Performanstaki temel iyileştirmeler katman sayısının, gizli katman genişliğinin ve eğitim ölçeğinin artırılması yoluyla elde edildi. Model; Common Crawl, WebText2, Books1, Books2 ve Vikipedi dahil olmak üzere birden fazla büyük metin derleminin birleşiminde eğitildi. Verinin toplam hacmi yaklaşık 570 GB veya daha fazlasıydı (570 GB, eğitim karışımına egemen olan ve filtrelenmiş Common Crawl kısmına aittir).

GPT-3'ün başlıca özelliklerinden biri, few-shot learning ve zero-shot learning kapasitesiydi: model, metin sorgusunda yalnızca birkaç örneğe dayanarak ya da hiç örnek olmaksızın çeviri, özetleme, soru yanıtlama, makale yazma ve hatta programlama dahil çok çeşitli doğal dil işleme görevlerini yerine getirebiliyordu.

GPT-3.5

GPT-3.5 modeli, OpenAI tarafından 2022 yılının sonlarında GPT ailesinin evrimsel gelişimi kapsamında tanıtıldı. GPT-3'te kullanılan ölçeklendirilmiş öz-bağlanımlı decoder transformer mimarisi üzerine inşa edildi; metin üretim kalitesi, bağlam işleme ve karmaşık talimatlara uyma kapasitesi geliştirildi. GPT-3.5'in kesin parametre sayısı resmi olarak açıklanmadı; davinci sürümlerinin GPT-3 (175 milyar) ile boyut bakımından karşılaştırılabilir olduğu tahmin edilmekle birlikte gpt-3.5-turbo sürümünün kesin parametreleri bilinmemektedir.

GPT-3.5'in eğitimi, text-davinci-003 ve gpt-3.5-turbo sürümlerinde insan geri bildirimine dayalı pekiştirmeli öğrenme (Reinforcement Learning from Human Feedback, RLHF) yöntemlerinin yoğun biçimde kullanılmasını içeriyordu. Öte yandan daha erken sürüm olan text-davinci-002, RLHF yerine denetimli ince ayar (supervised fine-tuning, SFT) ile eğitildi. Model; Common Crawl, Books, WebText ve diğer yüksek kaliteli kaynaklardan oluşan genişletilmiş metin derlemlerinde eğitildi. Erken popüler sürümlerde (gpt-3.5-turbo) bağlam penceresi 4.096 token'dı; daha sonra OpenAI, 16.385 token'a kadar bağlam sunan güncellenmiş sürümleri yayımladı.

Pratikte GPT-3.5, doğal dil işlemenin geniş bir yelpazesindeki görevlere uyarlandı:

• Tutarlı ve mantıklı metin üretimi;
• Soru yanıtlama (QA) ve bağlam anlama;
• Çok adımlı talimatlara uyma;
• Diyaloglarda uzun vadeli bağlamın iyileştirilmiş biçimde sürdürülmesi.

GPT-3.5 temelinde farklı amaçlara yönelik birkaç kritik sürüm yayımlandı:

• text-davinci-002 — üretim ve talimat izleme için optimize edilmiş, GPT-3.5 temelli ilk genel kullanıma açık model (SFT ile eğitilmiştir).
• text-davinci-003 — akıl yürütme ve karmaşık metin üretme kapasitesi daha da artırılmış geliştirilmiş sürüm (RLHF ile eğitilmiştir).
• gpt-3.5-turbo — 2022 yılı sonundan itibaren ChatGPT hizmetinde kullanılan, en yüksek performanslı ve ekonomik GPT-3.5 sürümü.

GPT-4

GPT-4 modeli, OpenAI tarafından 14 Mart 2023'te "GPT-4 Technical Report" (GPT-4 Teknik Raporu) başlıklı çalışmayla tanıtıldı. Dil modelleri ailesinin bir sonraki gelişim aşamasını temsil eden bu model, metin anlama, anlamlı ve yaratıcı yanıtlar üretme ve çok modlu veri işleme alanlarında önemli iyileştirmeler sundu. Modelin kesin parametre sayısı ve mimari ayrıntıları resmi olarak açıklanmadı; GPT-4 teknik raporu, mimari, model boyutu, donanım, eğitim hesaplama maliyeti ve veri kümesi oluşturmaya ilişkin bilgilerin yayımlanmadığını açıkça belirtmektedir. Gayri resmi dış tahminlere göre GPT-4, Uzman Karışımı (Mixture of Experts, MoE) yaklaşımını kullanabilir ve toplam ~1,8 trilyon parametre ölçeğine sahip olabilir; ancak OpenAI bu rakamları resmi olarak ne doğruladı ne de yalanladı.

GPT-4, hem metin hem de görüntüleri girdi olarak kabul edebilen çok modlu bir modeldir. Belirtmek gerekir ki Mart 2023'teki ilk lansmanında yalnızca metin modalitesi kullanılabiliyordu; görüntü girişi desteği daha sonra devreye alındı. Temel sürümde bağlam penceresi 8.192 token, GPT-4-32k varyantında ise 32.768 token'dı. Model, RLHF (insan geri bildirimine dayalı pekiştirmeli öğrenme) yöntemlerini kullandı.

GPT-4'ün eğitimi, büyük ölçekli metin ve çok modlu derlemlerin birleşimi üzerinde gerçekleştirildi. Eğitim verisi, donanım ve metodolojiye ilişkin ayrıntılar OpenAI'ın resmi yayımlarında açıklanmamıştır.

Eğitim birkaç aşamada gerçekleşti:

• metin ve görüntüler üzerinde büyük ölçekli denetimsiz ön eğitim,
• özelleştirilmiş görevlerde denetimli ince ayar (supervised fine-tuning),
• güvenilirliği, güvenliği ve talimat yorumlama kalitesini artırmak amacıyla insan geri bildirimine dayalı pekiştirmeli öğrenme (RLHF) ile nihai eğitim aşaması.

GPT-4 temelinde birkaç ana sürüm yayımlandı:

• GPT-4 (Mart 2023): metin girişi destekli temel sürüm (görüntü desteği sonradan eklendi); 8.192 token bağlam penceresi; ayrıca 32.768 token bağlam pencereli GPT-4-32k varyantı yayımlandı.
• GPT-4 Turbo (Kasım 2023): 128.000 token'a kadar genişletilmiş bağlam penceresiyle GPT-4'ün optimize edilmiş varyantı; azaltılmış hesaplama maliyeti ve hızlandırılmış üretim; fonksiyon çağrısı (function calling) ve JSON çıktı modları desteği.
• GPT-4o (Mayıs 2024): yeni nesil çok modlu sürüm; lansman duyurusunda, farklı modalitelerin ayrı modüllerle yönetildiği GPT-4 Turbo'nun aksine gerçek zamanlı olarak metin, görüntü ve sesle çalışabilen omni model olarak konumlandırıldı; bununla birlikte temel API modeli gpt-4o, metin+görüntü girişi ve metin çıktısı olarak tanımlanmaktadır; 128.000 token bağlam penceresi.
• GPT-4.5 (Şubat 2025): araştırma önizlemesi (research preview); OpenAI'ın system card belgesinde modelin "GPT-4o temelinde inşa edildiği" doğrudan belirtilmektedir; iyileştirilmiş karmaşık metin üretimi, daha yüksek talimat izleme doğruluğu ve azaltılmış halüsinasyon düzeyi; 128.000 token bağlam penceresi. "Zincir düşünce (chain-of-thought) içermeyen OpenAI'ın son modeli" olarak tanımlandı (kod adı — Orion). API'de gpt-4.5-preview modeli 14 Nisan 2025'te deprecated olarak duyurulmuş ve 14 Temmuz 2025'te devre dışı bırakılmıştır.
• GPT-4.1 (Nisan 2025): bağlamı 1.047.576 token'a kadar büyük ölçüde genişleten kararlı sürüm; girdi olarak metin ve görüntü kabul eder, çıktı olarak metin üretir; aynı anda üç varyantta (GPT-4.1, GPT-4.1 mini, GPT-4.1 nano) yayımlandı; başlangıçta yalnızca API üzerinden erişilebilirdi, daha sonra ChatGPT'ye entegre edildi.

GPT-5

7 Ağustos 2025'te OpenAI, GPT‑5'i o dönem itibarıyla "en akıllı, en hızlı ve en kullanışlı" modeli olarak tanıttı. Model, yerleşik derinlemesine akıl yürütme (thinking) moduna sahip olup yazma, programlama, sağlık ve çok modlu anlama gibi pratik senaryolara odaklanmaktaydı. GPT‑5, daha önce kullanılan GPT‑4/4o ve o-serisi modellerin yerini alarak ChatGPT'nin kimliği doğrulanmış kullanıcılarının büyük çoğunluğu için kademeli olarak varsayılan model hâline geldi.

GPT‑5, iki temel çalışma moduna sahip birleşik sistem olarak hayata geçirildi: günlük sorgular için hızlı ve ekonomik yanıtlar (genel olarak gpt‑5 main) ile karmaşık görevler için derinlemesine akıl yürütme (genel olarak gpt‑5 thinking). Mod seçimi, diyalog türünü, sorgunun karmaşıklığını, araç kullanımı gerekliliğini ve kullanıcının açık ipuçlarını (örneğin "think step by step" veya "analyze in depth") dikkate alan bir yönlendirici aracılığıyla otomatik olarak gerçekleşir. ChatGPT'de kullanıcıya Auto / Instant / Thinking / Pro modları sunulur; mini ve nano varyantları öncelikle API modelleridir; mini, kullanıcı ürününde limit aşımının ardından yedek (fallback) olarak kullanılabilir.

Programlama arayüzü üzerinden GPT‑5'in birkaç boyut ve konfigürasyonu sunulmaktadır; OpenAI belgelerinde temel varyantlar olarak gpt‑5, gpt‑5‑mini ve gpt‑5‑nano belirtilmektedir (tümü metin ve görsel veriyi desteklemektedir). API'de GPT‑5 ailesi için toplam bağlam penceresi yaklaşık 400.000 token (giriş ve akıl yürütme/çıktı bütçeleri ayrı ayrı belirlenmiş) olup seçilen model varyantına ve ürüne göre belirli limitler farklılık gösterebilir.

Çeşitli web araması ve olgusal benchmark'larda GPT‑5, GPT‑4o ve OpenAI'ın daha eski "thinking" modelleriyle karşılaştırıldığında halüsinasyon sıklığında ve hatalarda belirgin bir azalma sergilemektedir. Resmi duyuruda OpenAI; GPT-4o'ya kıyasla yaklaşık %45, thinking modundaki o3'e kıyasla yaklaşık %80 hata azalması tahminlerini sundu; bu sonuçlar, ChatGPT üretim trafiğini temsil eden anonimleştirilmiş promptlarda web araması etkin durumdayken elde edildi.

GPT-5.1

GPT-5.1 modeli, OpenAI tarafından 12 Kasım 2025'te, temel GPT-5'in ardından günlük etkileşimi, konuşma dilini ve uyarlanabilirliği geliştirmeye odaklanan ilk önemli iterasyon olarak tanıtıldı. Model, hızlı mod (GPT-5.1 Instant) ve derinlemesine akıl yürütme (GPT-5.1 Thinking) ile birleşik sistemi korurken uyarlanabilir düşünme (adaptive reasoning) özelliğini tanıtır: model, sorgunun karmaşıklığına göre hesaplama miktarını dinamik olarak belirleyerek karmaşık görevlerde kalite kaybı olmaksızın basit görevlerde belirgin biçimde daha hızlı çalışır.

GPT-5.1'in eğitimi, genişletilmiş RLHF ve ton doğallığına odaklanma ile yanıtlardaki "soğukluğu" azaltmayı içeren ek bir son eğitim aşamasıyla GPT-5 üzerine inşa edildi. API'de bağlam penceresi 400.000 token, maksimum çıktı ise 128.000 token'dır. Çok adımlı diyaloglarda maliyet ve gecikmeleri önemli ölçüde azaltan 24 saate kadar genişletilmiş prompt önbellekleme desteği eklendi.

Temel özellikler:

• GPT-5.1 Instant — günlük görevler için ana mod; daha karmaşık sorgularda yanıt vermeden önce ne zaman "düşünmesi" gerektiğini belirlemek amacıyla ilk kez adaptive reasoning kullanır.
• GPT-5.1 Thinking — akıl yürütmeye ayrılan sürenin uyarlanabilir biçimde belirlenmesi; OpenAI verilerine göre ChatGPT görev dağılımını temsil eden kümede model, GPT-5 Thinking ile karşılaştırıldığında en basit görevlerde yaklaşık iki kat daha hızlı, en zor görevlerde ise yaklaşık iki kat daha yavaştır.
• İyileştirilmiş çok modluluk (metin + vision).
• Coding ve agentic senaryoları ile adaptive reasoning ve genişletilmiş prompt önbellekleme sayesinde basit görevlerdeki verimlilik artırıldı.

GPT-5.2

GPT-5.2 modeli, 11 Aralık 2025'te "profesyonel çalışma ve öğrenme için serinin en yetenekli modeli" olarak yayımlandı. GPT-5.1'in ekonomik değere odaklanan bir evrimi olup tablo, sunum ve karmaşık kod üretimi ile uçtan uca görevlerde öne çıkmaktadır. Instant, Thinking ve maksimum hesaplama ile akıl yürütme süresi gerektiren görevler için yeni bir Pro modunu içeren birleşik mimariyi korumaktadır.

Eğitim; Ağustos 2025 tarihli knowledge cutoff'a sahip güncellenmiş derlemi, çok adımlı senaryolardaki hataları azaltmak için güçlendirilmiş instruction-tuning ve RLHF'yi kapsıyordu. Bağlam penceresi 400K token (maksimum çıktı 128K). Model, profesyonel senaryolarda daha güvenilir, daha iyi olgusal doğruluk ve araç kullanımı sunmaktadır.

GPT-5.2 temelinde 18 Aralık 2025'te özelleşmiş GPT-5.2-Codex yayımlandı: iyileştirilmiş bağlam sıkıştırma (context compaction), Windows desteği, güçlendirilmiş siber güvenlik ve long-horizon reasoning (birkaç saate kadar süren görevler) özelliklerine sahip ajansal coding modeli.

13 Şubat 2026 itibarıyla, bir dizi eski modelin kullanımdan kaldırılmasının ardından GPT-5.2 geçici olarak ChatGPT'de varsayılan model konumuna geldi. Ancak Mart 2026'nın başında bu rolü GPT‑5.3 Instant ve GPT‑5.4 devraldı.

GPT-5.3-Codex

GPT-5.3-Codex, 5 Şubat 2026'da "bugüne kadarki en güçlü ajansal coding modeli" olarak tanıtıldı. Bu model, GPT-5.2-Codex'in frontier coding yeteneklerini GPT-5.2'nin profesyonel reasoning kapasitesiyle tek bir modelde birleştirerek seleflerinden %25 daha hızlı çalışmaktadır.

Model; uzun süreli iş akışları (long-running workflows), araştırma, araç kullanımı, kod yürütme ve etkileşimli yönlendirme (kullanıcı bağlam kaybı olmaksızın gerçek zamanlı müdahale edebilir) dahil olmak üzere bir geliştiricinin neredeyse tüm görevlerini yerine getirebilmektedir. Modelin erken sürümleri, OpenAI ekibi tarafından kendi eğitiminin hata ayıklamasında, dağıtımda ve değerlendirmelerde kullanıldı.

5 Şubat 2026 tarihli duyuru anındaki temel sonuçlar: Terminal-Bench ~%77,3, OSWorld-Verified ~%64,7, SWE-Bench Pro ~%56,8. 5 Mart 2026 tarihli sonraki GPT-5.4 yayımında OpenAI, orijinal görüntü çözünürlüğünü koruyan yeni API parametresi kullanıldığında GPT-5.3-Codex için güncellenmiş OSWorld-Verified sonucunu %74,0 olarak açıkladı.

12 Şubat 2026'da OpenAI ayrıca GPT-5.3-Codex-Spark yayımladı: Cerebras iş birliğiyle gerçek zamanlı kullanım için optimize edilmiş kompakt ultra-hızlı sürüm; saniyede 1.000'den fazla token, yalnızca metin, 128K bağlam. Başlangıçta bu, ChatGPT Pro kullanıcıları için Codex'te ve az sayıda API tasarım ortağı için sınırlı bir dağıtım olup geniş çaplı erişilebilir bir API modeli değildi.

GPT-5.4

5 Mart 2026'da OpenAI, GPT‑5.4'ü profesyonel çalışma için yeni bir frontier model olarak tanıttı. GPT‑5.4, reasoning, coding ve agentic workflows konularındaki son OpenAI yayımlarının güçlü yönlerini bir araya getirir ve ana seride ilk kez yerleşik computer use yetenekleri kazanır. OpenAI aynı anda, en karmaşık görevler için daha fazla hesaplama ve daha uzun akıl yürütme kullanan GPT‑5.4 Pro varyantını da yayımladı.

API'de gpt-5.4 modeli, genel amaçlı ve coding görevlerinin geniş bir yelpazesi için varsayılan olarak önerilen model şeklinde tanımlanmakta; bağlam penceresi 1.050.000 token, maksimum çıktı ise 128.000 token'dır. Model, girdi olarak metin ve görüntü kabul eder, çıktı olarak metin üretir.

ChatGPT'de 7 Mart 2026 itibarıyla Auto modu, GPT‑5.3 Instant ile GPT‑5.4 Thinking arasında otomatik geçiş yaparken GPT‑5.4 Pro ayrı bir yüksek kapasite modu olarak sunulmaktadır. Giriş yapmış ChatGPT kullanıcıları için varsayılan model GPT‑5.3'tür.

GPT Modellerinin Gelişimi

GPT Modellerinin Gelişimi

Nesil	Yayım Yılı	Parametre Sayısı	Metin Derleminin Boyutu	Temel Özellikler
GPT-1	2018	≈117–124 milyon	≈5 GB (BooksCorpus)	Büyük derlemler üzerinde üretken ön eğitim; iki aşamalı eğitim (pre-training + fine-tuning)
GPT-2	2019	1,5 milyar	≈40 GB (WebText)	Önemli ölçüde iyileştirilmiş metin üretimi; güçlü zero-shot davranışının sergilenmesi; başlangıçta kısmi model yayımı
GPT-3	2020	175 milyar	≈570 GB (Common Crawl, WebText2 ve diğerleri)	Büyük ölçekli bağlam içi öğrenme (in-context learning); ince ayar olmaksızın belirgin few-shot ve zero-shot öğrenme kapasitesi
GPT-3.5	2022	Açıklanmadı (davinci sürümleri tahminen ~175 milyar)	>570 GB + ek derlemler ve instruction tuning	İyileştirilmiş kararlılık ve talimat izleme; ChatGPT'nin erken sürümlerinin temeli
GPT-4	2023	Açıklanmadı	Açıklanmadı	Çok modluluk (metin + görüntü); artırılmış doğruluk ve halüsinasyona karşı dayanıklılık; 8k/32k token bağlam
GPT-4 Turbo	2023	Açıklanmadı	GPT-4 eğitimi temel alınmıştır (ayrıntılar açıklanmadı)	128.000 token'a kadar bağlam genişlemesi; üretim hızı ve maliyet optimizasyonu
GPT-4o	2024	Açıklanmadı	Çok modlu veriler (metin, görüntü, ses)	Birleşik sinir ağlı çok modlu işleme; yüksek yanıt hızı
GPT-4.5	2025	Açıklanmadı	Genişletilmiş metin ve çok modlu derlemler	GPT-4o tabanlı araştırma önizlemesi; hata azaltma; 2026 itibarıyla deprecated
GPT-4.1	2025	Açıklanmadı	Güncellenmiş derlemler	1.047.576 token'a kadar bağlam; girdi olarak metin + görüntü, çıktı olarak metin
GPT-5	2025 (Ağustos)	Açıklanmadı	Büyük ölçekli çok modlu derlemler	Hızlı yanıt ve akıl yürütme modlarına sahip birleşik sistem; ~400K token bağlam; halüsinasyon azalması
GPT-5.1	2025 (Kasım)	Açıklanmadı	Genişletilmiş GPT-5 derlemleri + RLHF	Uyarlanabilir reasoning; 24 saatlik prompt önbellekleme; coding alanında iyileştirmeler
GPT-5.2	2025 (Aralık)	Açıklanmadı	Ağustos 2025 knowledge cutoff	Pro modu; profesyonel bilgi çalışması; GPT-5.2-Codex (ajansal coding)
GPT-5.3-Codex	2026 (Şubat)	Açıklanmadı	Güncellenmiş + self-improvement verisi	%25 daha hızlı; tam kapsamlı ajan; etkileşimli yönlendirme
GPT-5.3-Codex-Spark	2026 (Şubat)	Açıklanmadı	Kompakt	Cerebras üzerinde saniyede >1000 token; gerçek zamanlı coding; 128K bağlam
GPT-5.3 Instant	2026 (Mart)	Açıklanmadı	Açıklanmadı	ChatGPT'nin en çok kullanılan konuşma modelinin güncellemesi; olgusal doğruluk, web araması ve konuşma akıcılığı iyileştirildi
GPT-5.4	2026 (Mart)	Açıklanmadı	Açıklanmadı	Profesyonel çalışma için yeni frontier model; native computer use; genel amaçlı ve coding görevlerinin büyük çoğunluğu için API'de varsayılan model
GPT-5.4 Pro	2026 (Mart)	Açıklanmadı	Açıklanmadı	En karmaşık görevler için daha fazla hesaplama kullanan GPT-5.4 varyantı

GPT Modellerinin Mimari Parametreleri

GPT Modellerinin Mimari Parametreleri

Model	Yayım Yılı	Parametre Sayısı	Katman Sayısı	Gizli Durum Boyutu	Dikkat Başı Sayısı	Bağlam Penceresi	Eğitim Derleminin Boyutu
GPT-1	2018	≈117–124 milyon	12	768	12	512 token	≈5 GB (BooksCorpus)
GPT-2	2019	1,5 milyar	48	1.600	25	1.024 token	≈40 GB (WebText)
GPT-3	2020	175 milyar	96	12.288	96	2.048 token	≈570 GB (Common Crawl + WebText2 + diğerleri)
GPT-3.5	2022	Açıklanmadı (davinci sürümleri tahminen ~175 milyar)	(tahminen GPT-3'e yakın)	(tahminen GPT-3'e yakın)	(açıklanmadı)	4.096 token'a kadar (erken sürümler); 16.385 token'a kadar (geç sürümler)	Genişletilmiş Common Crawl + ek veri kümeleri ve instruction tuning
GPT-4	2023	Açıklanmadı	(açıklanmadı)	(açıklanmadı)	(açıklanmadı)	8.192 token (temel); 32.768 (GPT-4-32k)	Açıklanmadı
GPT-4 Turbo	2023	(açıklanmadı)	(açıklanmadı)	(açıklanmadı)	(açıklanmadı)	128.000 token'a kadar	GPT-4'ün optimize edilmiş sürümü (derleme ayrıntıları açıklanmadı)
GPT-4o	2024	(açıklanmadı)	(açıklanmadı)	(açıklanmadı)	(açıklanmadı)	128.000 token'a kadar	Çok modlu veriler: metin, görüntü, ses
GPT-4.5	2025	(açıklanmadı)	(açıklanmadı)	(açıklanmadı)	(açıklanmadı)	128.000 token'a kadar	Güncellenmiş metin ve çok modlu derlemler
GPT-4.1	2025	(açıklanmadı)	(açıklanmadı)	(açıklanmadı)	(açıklanmadı)	1.047.576 token'a kadar	Çok modluluk; uzun bağlamlara odaklanan ölçekli eğitim
GPT-5	2025	(açıklanmadı)	(açıklanmadı)	(açıklanmadı)	(açıklanmadı)	≈400.000 token'a kadar (toplam bağlam)	Büyük ölçekli çok modlu derlemler (ayrıntılar açıklanmadı)
GPT-5.4	2026	(açıklanmadı)	(açıklanmadı)	(açıklanmadı)	(açıklanmadı)	1.050.000 token; maksimum çıktı 128.000 token	Açıklanmadı

Dış bağlantılar

• «Improving language understanding with unsupervised learning», OpenAI, 11 Haziran 2018
• «Better language models and their implications», OpenAI, 14 Şubat 2019
• «GPT-2: 6-month follow-up», OpenAI, 20 Ağustos 2019
• «GPT-2: 1.5B release», OpenAI, 5 Kasım 2019
• «Language models are few-shot learners», OpenAI, 28 Mayıs 2020
• «OpenAI API», OpenAI, 11 Haziran 2020
• «Introducing ChatGPT», OpenAI, 30 Kasım 2022
• «Function calling and other API updates», OpenAI, 13 Haziran 2023
• «GPT-4», OpenAI, 14 Mart 2023
• «New models and developer products announced at DevDay», OpenAI, 6 Kasım 2023
• «Hello GPT-4o», OpenAI, 13 Mayıs 2024
• «Introducing GPT-4.1 in the API», OpenAI, 14 Nisan 2025
• «Introducing GPT-4.5», OpenAI, 27 Şubat 2025
• «Introducing GPT-5», OpenAI, 7 Ağustos 2025
• «GPT-5.1: A smarter, more conversational ChatGPT», OpenAI, 12 Kasım 2025
• «Introducing GPT-5.2», OpenAI, 11 Aralık 2025
• «Introducing GPT-5.2-Codex», OpenAI, 18 Aralık 2025
• «Introducing GPT-5.3-Codex», OpenAI, 5 Şubat 2026
• «Introducing GPT-5.3-Codex-Spark», OpenAI, 12 Şubat 2026
• «GPT-5.3 Instant: Smoother, more useful everyday conversations», OpenAI, 3 Mart 2026
• «Introducing GPT-5.4», OpenAI, 5 Mart 2026
• «Using GPT-5.4», OpenAI Developers
• «Models», OpenAI API
• «Deprecations», OpenAI API
• «GPT-5.3 and GPT-5.4 in ChatGPT», OpenAI Help Center
• «Retiring GPT-4o and other ChatGPT models», OpenAI Help Center

Kaynakça

• Radford, A. et al. (2018). Improving Language Understanding by Generative Pre-Training. PDF.
• Radford, A. et al. (2019). Language Models are Unsupervised Multitask Learners. PDF.
• Brown, T. B. et al. (2020). Language Models are Few-Shot Learners. arXiv:2005.14165.
• Kaplan, J. et al. (2020). Scaling Laws for Neural Language Models. arXiv:2001.08361.
• Chen, M. et al. (2021). Evaluating Large Language Models Trained on Code. arXiv:2107.03374.
• Ouyang, L. et al. (2022). Training Language Models to Follow Instructions with Human Feedback. arXiv:2203.02155.
• Hoffmann, J. et al. (2022). Training Compute-Optimal Large Language Models. arXiv:2203.15556.
• Bai, Y. et al. (2022). Training a Helpful and Harmless Assistant with Reinforcement Learning from Human Feedback. arXiv:2204.05862.
• OpenAI (2023). GPT-4 Technical Report. arXiv:2303.08774.
• Bubeck, S. et al. (2023). Sparks of Artificial General Intelligence: Early Experiments with GPT-4. arXiv:2303.12712.