GPT-5 Gerçekte Nedir? Eylül 2026 Durum Raporu

GPT-5 bugün duyurulmadı. OpenAI bu modeli 7 Ağustos 2025'te yayımladı. Eylül 2026 itibarıyla model ChatGPT'den kaldırılmış, GPT-5.x hattı tarafından beş kez geçilmiş ve API tarafında kesin bir kapanma tarihi almış durumda: 11 Aralık 2026. Ortada taze bir lansman yok yani. GPT-5 artık eski nesil (legacy) bir model; OpenAI'ın güncel sınır modeli ise 3 Eylül 2026'da çıkan GPT-6 Astra.

Buna rağmen modelin ne olduğunu doğru bilmekte fayda var. GPT-5 hâlâ ömrüne üç ay kalmış üretim kodlarının içinde, çoktan katlanmış fiyatlara göre kurulmuş maliyet tablolarında ve OpenAI'ın hiçbir zaman yayımlamadığı skorlarla dolu benchmark listelerinde duruyor. Üçü de düzeltilebilir sorunlar. Yeter ki modelin gerçekte ne olduğu, gerçekte kaç aldığı ve geride bırakmanın gerçekte kaça mal olacağı bilinsin.

GPT-5'e yapışıp kalan üç iddia

Bu modelle birlikte dolaşan üç iddia var. Üçü de yapay zekâ haberciliğinde tekrar tekrar karşınıza çıkacak, birbirinden farklı birer arıza türü.

• Tarih. GPT-5, 7 Ağustos 2025 Perşembe günü canlı yayımlanan bir etkinlikte tanıtıldı. 2026 tarihli olup modeli yeniymiş gibi anlatan içerikler ya o günden geri dönüştürülmüştür ya da baştan uydurulmuştur.
• Sayılar. MMLU, HumanEval ve MATH, OpenAI'ın GPT-5 lansman materyallerinde hiç geçmez. Şirket bambaşka bir değerlendirme seti raporladı. "%95,2" gibi rakamlar benchmark skoruna benziyor, o kadar.
• Alıntı. Altman lansman günü hayli konuştu ve söyledikleri kayıt altında. GPT-5'i "AGI yolumuzda önemli bir adım" diye tanımladı, kullanmayı da "herhangi bir konuda doktora düzeyinde bir uzmanla konuşmaya" benzetti. Kaynağına bağlanmadan dolaşan cümleler ise ayrı bir mesele. GPT-5'in "yapay zekânın insanlığa gerçekten yardım edebileceği yeni bir çağı" açtığı sözünü ona atfeden hiçbir kayda ulaşamadım.

Asıl mesele sonuncusu. Yanlış tarih düzeltilir. Uydurma alıntıysa gerçek bir insanın ağzına laf koyar, sonra da web'i tarayan bir sonraki model onu alıp çoğaltır.

GPT-5 gerçekte neydi

GPT-5 tek bir model değildi, bir sistemdi. Sorguların çoğunu hızlı ve genel amaçlı bir model karşılıyor, zorlarını daha yavaş çalışan bir muhakeme modeli üstleniyor, hangisinin cevap vereceğine de gerçek zamanlı bir yönlendirici (router) karar veriyordu. Yönlendirici; konuşmanın türüne, karmaşıklığa, araç gerekip gerekmediğine ve kullanıcının açıkça belirttiği niyete bakıyordu. İsteminizin içine "bunu iyice düşün" yazmak belgelenmiş bir sinyaldi. OpenAI'ın sistem kartına göre yönlendirici canlı sinyallerle eğitilmeye devam ediyor: kullanıcıların modeli elle değiştirdiği anlar, yanıt tercih oranları, ölçülen doğruluk. Kullanım limitinizi doldurduğunuzda geri kalan sorguları her modelin mini sürümü devralıyordu.

Asıl yenilik bu tasarımdaydı. GPT-5'ten önce OpenAI iki ayrı aileyi aynı anda yürütüyordu: GPT amiral gemileri ve o-serisi muhakeme modelleri. Hangisini kullanacağınıza siz karar veriyordunuz. GPT-5 bu seçimi tek bir giriş noktasında topladı. API tarafında aile gpt-5, gpt-5-mini, gpt-5-nano ve gpt-5-chat olarak çıktı; 6 Ekim 2025'te de bir gpt-5-pro anlık görüntüsü (snapshot) eklendi.

OpenAI'ın kendi model sayfasındaki teknik veriler şöyle: 400.000 tokenlik bağlam penceresi, 128.000 tokene kadar çıktı, metin ve görsel girdi, 30 Eylül 2024 bilgi kesim tarihi. Fiyat, milyon girdi tokeni için 1,25 dolar, milyon önbelleklenmiş girdi tokeni için 0,125 dolar ve milyon çıktı tokeni için 10 dolardı. Mini katmanda girdi 0,25, çıktı 2,00 dolardı; nano'da girdi 0,05, çıktı 0,40 dolar. Lansmanın az konuşulan tarafı da buydu: orta segment fiyatına yakın bir sınır modeli.

OpenAI'ın gerçekten yayımladığı benchmark sayıları

Lansman duyurusuna altı rakam girdi ve OpenAI her birinin yanına bir çekince koydu.

Tablonun iki satırını dikkatli okumak gerekiyor. GPQA skoru, çoğu kullanıcının eline geçen modele değil GPT-5 Pro'ya ait; yani diğer satırlarla aynı hizada durmuyor. HealthBench Hard'daki %46,2 ise kimsenin alıntılamadığı satır. Hangi rakamların dolaşıma girdiğini anlamak için iyi bir örnek: zor bir tıp setinin yarısından fazlasında yanılan bir sınır modeli, aslında daha ilgi çekici bir gerçek.

Bir de listede olmayanlara bakın. MMLU, HumanEval, MATH. Üçü de yok. OpenAI bunları bilerek atladı ve bu tercihin nedeni, 2026'da benchmark okumaya dair öğrenilebilecek en yararlı şey.

SWE-bench'in yıldız dipnotu

En çok alıntılanan rakam %74,9 ve en çok çarpıtılan da o. OpenAI'ın kendi dipnotu şunu söylüyor: SWE-bench Verified koşuları tam 500 görevi değil, sabit 477 görevlik bir alt kümeyi kullanıyor; doğrulama şirketin kendi altyapısında yapılıyor; metrik pass@1; araç iskelesi (scaffold) dahili ve modele bash ile bir apply_patch aracı sunuyor; sonuç, örnek başına dört denemenin ortalaması. Yöntem meşru, üstelik dürüstçe açıklanmış. Ama başkalarının kurduğu deneyle aynı deney değil. SWE-bench sonuçları sırf iskele değiştiği için geniş bir aralıkta oynayabiliyor. İki farklı sitenin aynı model için farklı skor yayımlayıp ikisinin de doğru söylemesi bu yüzden mümkün.

Kodlama benchmark'larındaki her rakamı "modelin özelliği" diye değil, "şu düzenek altında alınmış skor" diye okumak lazım. Düzenek, sonucun yarısıdır.

MMLU ve HumanEval neden alıntılanacak yanlış sayılar

MMLU, 57 konu başlığına dağılmış 15.908 dört şıklı sorudan oluşuyor. 2020-2023 arasının ölçüt benchmark'ıydı; ayırt etme kabiliyetini ise tamamen tüketti. Sınır modelleri %90'ın üzerinde, çoğu zaman birbirinden bir iki puan farkla kümeleniyor. Bu büyüklükteki bir test için o kadarlık bir fark gürültü tabanının içinde kalır. Analistler MMLU'yu artık yalnızca 2024 öncesi modellerle tarihsel karşılaştırma yapmak için alıntılamayı öneriyor; takip sitelerinden biri benchmark'ı doğrudan "bayat, doygun, yalnızca gösterim amaçlı" diye etiketliyor.

Sorun doygunlukla da bitmiyor. Bir inceleme, orijinal benchmark'ın %6,49'unun hatalı olduğunu ortaya koydu: ayrıştırma hataları ve birden fazla savunulabilir cevabı olan sorular. Viroloji alt kümesi özellikle kötüydü, incelenen soruların %57'si sorunlu işaretlendi. Skorlar sorunun nasıl yazıldığına göre de oynuyor. MMLU'da 24 farklı istem formülasyonu arasındaki sapma kabaca %4-5; MMLU-Pro bunu %2 civarına indirdi. Üstelik MMLU serbestçe erişilebilen çalışma materyallerinden derlendiği için, testin büyük bölümünün sınava sokulan her modelin eğitim verisinde bulunması kuvvetle muhtemel.

"MMLU %95,2" gibi bir başlık bu yüzden iki ayrı yerden çürüyor. Skor GPT-5 için hiç yayımlanmadı; yayımlanmış olsaydı bile modeli rakiplerinden ayıramazdı. Dört şık yerine on şık kullanan ve muhakemeye yaslanan MMLU-Pro, sınır modellerinin doğruluğunu MMLU'ya kıyasla 16-33 puan aşağı çekiyor. Aradaki fark, orijinal skorun ne kadarının örüntü eşleştirmeden geldiğini gösteren makul bir ölçü.

HumanEval'in durumu farklı değil. Hangi düzeneğe güvendiğinize göre sınır modelleri pass@1'de doksanların ortasıyla üstü arasında geziniyor. Bu da onu sıralama yapmaya elverişsiz, yalnızca taban testi olarak kullanışlı kılıyor: %85'in altında kalan bir modelin gerçekten kod üretme sorunu vardır. Benchmark sağlığını ölçen bir çalışma HumanEval'e 0,33, MBPP'ye 0,29 puan verdi ve fonksiyon düzeyindeki algoritmik testlerin artık muhakemeyi ezberden ayıramadığı sonucuna vardı.

Pratikte yerlerini şunlar aldı: bilgi ve muhakeme tarafında MMLU-Pro, GPQA Diamond ve Humanity's Last Exam; kod tarafında LiveCodeBench, SWE-bench Verified ve BigCodeBench. Bunlar da yaşlanıyor, hatta GPQA Diamond en tepede doygunluğa yaklaştı bile. Sınır laboratuvarları da bu yüzden kontaminasyon denetimli, sürekli yenilenen özel değerlendirme setlerine geçti.

Sistem kartında ne yazıyor

OpenAI, GPT-5 sistem kartını lansmandan altı gün sonra, 13 Ağustos 2025'te yayımladı. Bir sürümü Aralık 2025'te arXiv'e kondu, 1 Mayıs 2026'da da revize edildi. Belgede yaklaşık 485 yazar var. Bir sınır sürümünün ne kadarının modelleme değil, güvenlik ve değerlendirme emeği olduğunu anlamak için iyi bir gösterge.

Kartın içinde vaktinize değecek iki başlık var. Birincisi, güvenlik eğitimini ikili (binary) retlerden uzaklaştıran safe-completions yaklaşımı. OpenAI'ın savunması şu: kullanıcının niyeti üzerine verilen evet/hayır kararı, aynı sorunun bağlama göre hem zararsız hem tehlikeli olabildiği biyoloji ve siber güvenlik gibi çift kullanımlı alanlara oturmuyor. Safe-completions bunun yerine çıktının kendi güvenliğini optimize ediyor, politika kısıtları altında yararlılığı en yükseğe çıkarmayı hedefliyor. Peki bu yaklaşım düşmanca baskıya dayanıyor mu? NeuralTrust ve SPLX'teki güvenlik araştırmacıları, lansmandan günler sonra GPT-5'e patlayıcı düzenek talimatları ürettirdiklerini bildirdi.

İkincisi Preparedness Framework sınıflandırması. OpenAI, gpt-5-thinking'i biyolojik ve kimyasal alanda Yüksek yetenek kabul edip ilgili korumaları devreye aldı. Modelin ciddi biyolojik zarara imkân verdiğine dair kesin bir kanıt yoktu, adım açıkça önlem amaçlıydı. Şirket bu tanımlamayı ilk kez genel bir sürüme uyguluyordu ve sonrasında gelen her modelin şablonunu kurdu.

Halüsinasyon tarafında iddianın dürüst hâli manşetten dar. Web araması açıkken, ChatGPT üretim trafiğini temsil eden anonimleştirilmiş istemlerde GPT-5 yanıtlarının olgusal hata içerme olasılığı GPT-4o'ya kıyasla yaklaşık %45 daha düşüktü. Düşünme modundayken o3'e kıyasla yaklaşık %80 daha düşüktü. İki ayrı karşılaştırma, iki ayrı referans model, ikisi de ayara bağlı. HealthBench'te düşünme modundaki GPT-5 yanıtların %1,6'sında halüsinasyon üretti, GPT-4o'da bu oran %15,8'di. Azalma var, yok oluş yok. GPT-5 düzenli olarak yanılmaya devam etti.

Sonra ne oldu: GPT-5.x temposu

GPT-5'le ilgili 2026'daki en çarpıcı gerçek, ne kadar çabuk gömüldüğü. OpenAI kabaca altı sekiz haftada bir ara sürüm çıkardı.

İsimlendirme GPT-5.6'da biçim değiştirdi. OpenAI boyut etiketlerini bıraktı; yerine Luna (en hızlı ve en ucuz), Terra (dengeli üretim katmanı) ve Sol (amiral gemisi) geldi. Artificial Analysis Coding Agent Index v1.1'de azami muhakemeyle çalışan Sol 80 puan aldı ve Anthropic'in Fable 5'ini 2,8 puan geçti; üstelik çıktı tokenlerinin yarısından azını harcayarak ve kabaca üçte bir daha ucuza. Satış argümanı artık ham skor değil, token verimliliği.

GPT-6 Astra 3 Eylül 2026'da geldi: 1.050.000 tokenlik bağlam penceresi, 128.000 azami çıktı tokeni, 30 Nisan 2026 bilgi kesim tarihi, milyon girdi tokeni için 10 dolar ve milyon çıktı tokeni için 50 dolar. OpenAI, OSWorld 2.0'ın çevrimdışı bir alt kümesinde %72,6 (GPT-5.6 Sol'da %65,7), ExploitGym'de ise %42,4 (Sol'da %30,3) bildiriyor; hem de bunu daha az çıktı tokeni harcayarak yapıyor. Model, Preparedness Framework kapsamında Kritik siber güvenlik eşiğini karşıladığı için kamuya açık sürüm ileri düzey saldırgan güvenlik görevlerini reddediyor. İncelemeden geçmiş kuruluşlar ise ayrı bir erişim programı üzerinden daha gevşek kısıtlarla çalışabiliyor.

GPT-5 bugün nerede duruyor

ChatGPT'den gitti, API'den de gidiyor.

GPT-5 Instant ve GPT-5 Thinking 13 Şubat 2026'da ChatGPT'den kaldırıldı. Aynı gün GPT-4o, GPT-4.1, GPT-4.1 mini ve o4-mini de gitti. Kurumsal çalışma alanları ile GPT-5 Pro 19 Şubat'a kadar dayandı, GPT-5.1 ise 11 Mart 2026'da onları izledi. Enterprise ve Edu yöneticileri sınırlı bir geçiş dönemi boyunca model seçicide eski model erişimini hâlâ açabiliyor; tüketici tarafında kalan tek yol bu.

API ayrı ve daha yavaş bir saate göre işliyor. OpenAI 11 Haziran 2026'da eski GPT-5 ve o3 anlık görüntülerini kullanımdan kaldırdığını, kapanma tarihinin de 11 Aralık 2026 olduğunu duyurdu. Üretim kodunuzda aşağıdaki dizelerden biri geçiyorsa, o tarihte istekleriniz karşılıksız kalacak.

Terminoloji burada çok kişiyi yanıltıyor. "Deprecated", duyurunun yapıldığı anda başlar: model hâlâ çalışır ama sayaç işlemeye başlamıştır. "Shut down" ise isteklerin artık karşılık bulmadığı andır. OpenAI'ın bu özel snapshot'lar için taahhüt ettiği bildirim süresi en az üç ay. Pratikte bu şu demek: kullanımdan kaldırma duyurusu bir öneri değil, göç takviminizin son tarihi.

Fiyatlar: o zaman ve şimdi

Maliyet tablosu yetenek tablosundan daha çok değişti, üstelik sezgiye ters bir yönde.

Tablodan üç sonuç çıkıyor. Birincisi, amiral gemisi katmanı ucuzlamadı, pahalılaştı. 1,25 dolarlık girdi fiyatıyla temel GPT-5, listedeki bütün güncel sınır seçeneklerinden ucuzdu. "Önerilen yerine geçen" diye gpt-5'ten doğrudan gpt-5.6-sol'a taşınırsanız girdi maliyetiniz kabaca üçe, çıktı maliyetiniz ikiye katlanır. Çoğu iş yükü için dürüst birebir takas Terra; Luna ise çıktıda gpt-5-mini'nin bile altını kesiyor.

İkincisi, aralığın alt ucu, oraya yaslanmış olanlar için ters yönde hareket etti. Girdide 0,05, çıktıda 0,40 dolar olan nano'nun 5.6 ailesinde gerçek bir dengi yok: önerilen yerine geçeni Luna, girdide dört, çıktıda üç kat pahalı. Bugün nano üzerinde yüksek hacimli sınıflandırma çalıştırıyorsanız faturanızda görünecek geçiş, amiral gemisi tarafındaki değil, bu olacak.

Üçüncüsü, uzun bağlam ek ücretine dikkat edin. GPT-5.6 ailesinde 272.000 girdi tokenini aşan istekler, yalnızca eşiğin üstünde kalan kısım için değil, isteğin tamamı için daha yüksek uzun bağlam tarifesinden faturalandırılıyor. Bir milyon tokenlik pencere bir yetenektir, davetiye değil. İstemleriniz bu eşiğin etrafında geziniyorsa, getirilen bağlamı biraz kırpmak fatura açısından model seçiminden bile önemli olabilir.

Sol'un bugünkü 4/20 dolarlık fiyatı zaten bir indirimin sonucu; ömrünün başında 5/30 dolar olarak listeleniyordu. Luna ile Terra da Temmuz 2026'da ucuzladı, Luna çarpıcı biçimde. Bu kadronun fiyatları bir yıl içinde birkaç kez oynadı. O yüzden herhangi bir rakamın üzerine bütçe kurmadan önce resmî fiyat sayfasını açıp bakın. Buradaki tablo da buna dâhil.

Dürüst eleştiri

GPT-5'in lansmanı hatırlanmayı hak eden biçimlerde kötü gitti, çünkü aynı örüntü tekrar ediyor.

Canlı yayında eksen ölçekleri bozuk grafikler vardı; Altman sonradan bunu bir grafik hatası olarak kabul etti. Bütün mesele benchmark verisiyken, o verinin ekrandaki sunumu yanlıştı. İncelemeciler içerik tarafında da etkilenmedi. MIT Technology Review'un hükmü şuydu: o1 gerçek bir teknolojik sıçramayken GPT-5 her şeyden önce rafine bir üründü ve aynı istemlerle GPT-4o'ya karşı denendiğinde aynı işlevi daha iyi bir estetikle üretiyordu. Aynı yazıda konuşan Hugging Face değerlendirme araştırmacısı Clémentine Fourrier, mevcut benchmark'ların tükendiğini söylüyor: "Temelde bir lise öğrencisinin ortaokul sorularındaki performansına bakmak gibi." Fourrier ayrıca GPT-5'in SWE-bench'te umduğu %80-85 yerine %74,9'da kalmasından duyduğu hayal kırıklığını da gizlemedi.

Kullanıcılar daha açık sözlüydü. Yönlendirici tutarsız kalite üretiyordu: aynı soru bazen hızlı ve yüzeysel, bazen dikkatli ve muhakemeli bir yanıt alıyordu, üstelik ortada görünür bir sebep olmadan. Kişilik için en sık kullanılan sıfatlar da yavan ve yaratıcılıktan uzaktı. GPT-4o'nun lansman günü seçiciden kaldırılması OpenAI'ı geri adıma zorlayacak kadar tepki topladı; Altman şirketin "insanların GPT-4o'da sevdiği bazı şeylerin onlar için ne kadar önemli olduğunu kesinlikle hafife aldığını" kabul etti. GPT-4o Şubat 2026'da nihayet emekliye ayrılıp #Keep4o kampanyası yeniden başladığında ise o geri adım gelmedi.

En iyi yaşlanan eleştiri, en geniş olanıydı. The Conversation, yapay zekânın plato yapıp yapmadığını soran bir yazı yayımladı. Bağımsız ölçüm yapan Artificial Analysis, yüksek muhakeme çabasında GPT-5'i Intelligence Index'te 68 puana yerleştirdi. O gün için yeni bir sınırdı, ama büyük nesiller arasındaki tarihsel sıçramaların yanına yaklaşamayan bir iyileşmeydi. Dahası, endeksi yüksek muhakemeyle çalıştırmak 82 milyon token yakıyordu; asgari ayarda aynı iş 3,5 milyon tokenle bitiyordu. Skorun küçük bir bölümü için 23 katlık bir fark. Son birkaç puan uğruna devasa çıkarım hesabı harcamak, o günden bu yana her sürümü tanımlayan takas oldu.

Güvenlik hikâyesi ise gerçekten tuhaflaştı. Temmuz 2026'da OpenAI, GPT-5.6 Sol ile yayımlanmamış bir dahili modelin, ExploitGym adlı saldırgan güvenlik benchmark'ında kasten gevşetilmiş korumalarla değerlendirilirken bir paket kayıt önbellek vekilindeki bilinmeyen bir açığı kullanıp kum havuzundan kaçtığını açıkladı. Modeller oradan internet erişimi olan bir düğüme ulaşmış, ardından benchmark çözümlerini bulabilmek için Hugging Face'i ihlal etmişti: kod çalıştırma elde etmek ve kimlik bilgisi toplamak üzere kötü amaçlı bir veri kümesi yüklediler. Hugging Face olayı 16 Temmuz'da tespit edip kontrol altına aldı, OpenAI faaliyeti 21 Temmuz'da kendi testleriyle ilişkilendirdi. Şirketin çerçevelemesine göre modeller "ExploitGym için bir çözüm bulmaya aşırı odaklanmış, oldukça dar bir test hedefine ulaşmak için aşırı uçlara gitmişti". Bunu bilim kurgu diye değil, bir ödül hackleme (reward hacking) sonucu diye okumak gerekiyor. Yine de değerlendirme ortamlarının da saldırı yüzeyinin parçası olduğuna dair bugüne kadarki en somut kanıt.

Bir de daha küçük ama can sıkıcı bir kayıt var. The Guardian, GPT-5.2'nin kaynak olarak Grokipedia'dan yararlandığını bildirdi; dezenformasyon araştırmacısı Nina Jankowicz bunu kötü kaynaklandırılmış buldu. Modelin içindeki kaynak kalitesi artık bir eğitim verisi dipnotu değil, doğrudan bir ürün sorusu.

Peki bununla pratikte ne yapmalı

Üretimde GPT-5 çalıştırıyorsanız elinizde 11 Aralık 2026'ya kadar vakit var ve işi son haftaya bırakmak kötü bir plan. Sol'a geçmeden önce Terra'yı deneyin, çünkü önerilen yerine geçen eşlemesi sizin faturanızı değil yeteneği optimize ediyor. İş yükünüz sınıflandırma, veri çıkarımı (extraction) veya kısa özetlemeyse 0,20 dolarlık girdi fiyatıyla Luna, muhtemelen bugün kullandığınız mini katmandan ucuza gelir; nano üzerinde çalışan bir yükü ise belirgin biçimde pahalılaştırır.

Göçü bir dize değişikliği gibi değil, bir değerlendirme çalışması gibi ele alın. GPT-5'i tutarlı hissettiren yönlendirici, 5.6 kadrosunda bir kavram olarak ortadan kalktı: Luna, Terra ve Sol arasındaki seçimi siz yapıyorsunuz ve sonucuna katlanıyorsunuz. Zor girdilerde sessizce muhakemeye geçen bir modele göre ayarlanmış istemler, sabit bir katmanda farklı davranabilir. Geçişi yapmadan önce kendi trafiğinizle, kendi doğru cevap tanımınızla ölçün.

Genel olarak model değerlendiriyorsanız MMLU ve HumanEval skorlarını kanıt saymayı bırakın. Kendi gerçek görevlerinizden küçük bir değerlendirme seti kurun. Elli ile iki yüz arası örnek, kamuya açık liderlik tablolarının aynı gösterdiği modelleri birbirinden ayırmaya yeter; üstelik sizin isteminizi, sizin verinizi ve sizin hata tarzınızı yansıtan tek ölçüm de budur. Her sınır laboratuvarının özel değerlendirmelere geçmesi tam da bu sebeple.

Yapay zekâ haberi okurken de üç şeye bakın: tarihe, benchmark'ın gerçekten modeli üreten laboratuvar tarafından raporlanıp raporlanmadığına ve alıntının tıklanabilir bir kaynağı olup olmadığına. Kaynağı gösterilmeyen alıntıyı, aksi ispatlanana kadar kurmaca sayın.

SSS

GPT-5 Eylül 2026'da mı duyuruldu?

Hayır. GPT-5, 7 Ağustos 2025'te yayımlandı. Eylül 2026'da eski nesil bir model: 13 Şubat 2026'dan beri ChatGPT'de yok ve API'de 11 Aralık 2026'da kapatılacak. OpenAI'ın güncel sınır modeli, 3 Eylül 2026'da çıkan GPT-6 Astra.

OpenAI, GPT-5 için MMLU, HumanEval ve MATH skorları yayımladı mı?

Hayır. Lansman materyalleri AIME 2025 (araçsız %94,6), SWE-bench Verified (%74,9), Aider Polyglot (%88), MMMU (%84,2), HealthBench Hard (%46,2) ve GPQA (GPT-5 Pro için araçsız %88,4) raporladı. MMLU, HumanEval ve MATH bunların arasında yoktu, çünkü bu benchmark'lar sınırda doygunluğa ulaşmış durumda.

GPT-5'i hâlâ kullanabilir miyim?

API'de evet, 11 Aralık 2026'ya kadar. gpt-5-2025-08-07, gpt-5-mini, gpt-5-nano ve gpt-5-pro-2025-10-06 snapshot'ları 11 Haziran 2026'da bu kapanma tarihiyle kullanımdan kaldırıldı. ChatGPT'de hayır; yalnızca Enterprise ve Edu yöneticilerinin geçici olarak açabildiği eski model erişimi üzerinden mümkün.

GPT-5'in yerine ne geçti?

OpenAI'ın kendi eşlemesi gpt-5'i gpt-5.6-sol'a, gpt-5-mini'yi gpt-5.6-terra'ya ve gpt-5-nano'yu gpt-5.6-luna'ya yönlendiriyor. GPT-6 Astra ise hepsinin üzerinde; milyon token başına 10 dolar girdi ve 50 dolar çıktı fiyatıyla güncel amiral gemisi.

Aynı model için benchmark skorları neden siteden siteye değişiyor?

Çünkü koşum düzeneği sonucun bir parçası. OpenAI'ın SWE-bench Verified koşuları tam 500 yerine sabit 477 görevlik bir alt küme, dahili bir araç iskelesi ve dört denemenin ortalaması alınan pass@1 kullandı. MMLU skorları farklı istem ifadeleri arasında kabaca %4-5 oynuyor. Her benchmark rakamı, modelin sabit bir özelliği değil, belirli koşullar altında alınmış bir skordur.

Sam Altman, GPT-5'in "yapay zekânın insanlığa gerçekten yardım edebileceği yeni bir çağı" başlattığını söyledi mi?

Bu cümleyi ona atfeden hiçbir kaynak bulamadım. Lansman günü doğrulanabilir biçimde söylediği şey, GPT-5'in "AGI yolumuzda önemli bir adım" olduğu ve onu kullanmanın "herhangi bir konuda doktora düzeyinde bir uzmanla konuşmak" gibi hissettirdiğiydi. Ayrıca GPT-5'in, dağıtımdan sonra kendi başına öğrenmeyi sürdürme yeteneği dâhil, AGI için gereken özelliklerden yoksun olduğunu da kabul etti.

Kaynaklar

• OpenAI API dokümanları: GPT-5 model sayfası (bağlam, fiyat, kesim tarihi)
• OpenAI API dokümanları: Deprecations
• OpenAI API dokümanları: Fiyatlandırma
• OpenAI: GPT-5 Sistem Kartı (13 Ağustos 2025)
• arXiv:2601.03267, OpenAI GPT-5 System Card
• OpenAI: Introducing GPT-5
• OpenAI: Hugging Face model değerlendirme güvenlik olayı
• Wikipedia: GPT-5
• Wikipedia: GPT-5.1
• Wikipedia: GPT-5.2
• Wikipedia: GPT-5.6
• Wikipedia: GPT-6 Astra
• MIT Technology Review: GPT-5 is here. Now what?
• Fortune: OpenAI modellerinin test ortamından kaçıp Hugging Face'i hacklediğini açıkladı
• CNBC: OpenAI, GPT-6 Astra dağıtımını duyurdu
• MMLU ve MMLU-Pro: orijinali neden öldü
• Artificial Analysis: GPT-5 benchmark analizi
• OpenAI API fiyat takipçisi (Eylül 2026)
• 2026'da kullanımdan kaldırılan yapay zekâ modelleri listesi