GPT-5.5 Bilgisayar Kullanım Rehberi 2026: OpenAI'ın Ajan Modeliyle Masaüstü Görevleri Nasıl Otomatize Edilir
GPT-5.5 bilgisayar kullanımı için pratik 2026 rehberi: Ekran görüntüsü-eylem döngüsü nasıl çalışır, nasıl kurulur, OSWorld kıyaslamaları, maliyetler ve Claude Computer Use'a karşı üstün olduğu noktalar. Masaüstü ve tarayıcı otomasyonu için adım adım örnekler.
1X2.TV — Yapay Zeka Futbol Tahminleri
Yapay zekâ destekli futbol maç tahminleri, bahis ipuçları ve detaylı analiz. 50.000'den fazla maçı analiz eden makine öğrenmesi algoritmalarıyla güçlendirilmiştir.
Tahminleri AlOpenAI, 23 Nisan 2026'da GPT-5.5'i piyasaya sürdüğünde, öne çıkan rakamlar %60 halüsinasyon azalması ve OSWorld-Verified'te %78,7'ye yükselişti. Asıl ilginç kısım, sürüm notlarının ortasında gömülüydü: bilgisayar kullanımı artık GPT-5.5 API'sinde birinci sınıf. Artık sarmalayıcı yok, artık yalnızca Codex erişimi yok — API kimlik bilgilerine sahip herhangi bir geliştirici, GPT-5.5'e bir ekran görüntüsü verip yapılandırılmış tıklama/yazma/kaydırma komutları alabilir.
Bu, Anthropic'in 2025'in sonlarında Claude Computer Use ile sunduğu aynı temel bileşen ve Microsoft'un şu anda Copilot Studio bilgisayar kullanımı ajanları içinde sarmaladığı aynı mimari. Fark, arkasındaki model: GPT-5.5, 2026'da mevcut olan en güçlü bilgisayar kullanımı modeli ve gerçek üretim iş yüklerine önerdiğimiz ilk model.
Bu rehber, pratik "gerçekten nasıl kullanırım" belgesidir. Ekran görüntüsü-eylem döngüsü mimarisini, çalışan bir kod şablonunu, ajanları güvenilir kılan istemleri, maliyet gerçeklerini ve farklı görev türleri için GPT-5.5'in Claude Computer Use ile nasıl karşılaştırıldığını ele alacağız.
Daha kapsamlı bir GPT-5.5 incelemesi (tüm görevlerde karşılaştırmalar, fiyatlandırma, kodlamaya özel performans) için GPT-5.5 incelememize göz atın. Bu makale özellikle bilgisayar kullanımı özelliğine odaklanıyor.
Peki "Bilgisayar Kullanımı" Nedir?
Bilgisayar kullanımı, bir LLM'in masaüstünü bir insan gibi çalıştırmasını sağlayan temel bir bileşendir: ekran görüntülerini görür, hangi eylemi yapacağına karar verir ve yapılandırılmış komutlar (tıkla x,y / "metin" yaz / kaydır / tuş kombinasyonu) üretir. Bunu bir döngü içine sararsanız, herhangi bir uygulamayı — API'si, MCP sunucusu veya entegrasyonu olmayanlar dahil — sürebilen bir ajan elde edersiniz.
Bunu haklı çıkaran kullanım senaryoları:
- Eski uygulama otomasyonu. ERP sistemleri, sağlık EMR'leri, aracı kurum terminalleri ve modern bir API'ye asla sahip olmayacak diğer Windows masaüstü uygulamaları.
- Otomasyon araçlarının başarısız olduğu tarayıcı görevleri. Playwright’ı engelleyen siteler, karmaşık SaaS arayüzleri, arayüzü her hafta değişen satıcı portalları.
- Uçtan uca iş akışı testleri. Gerçekten oluşturulan davranışı doğrulaması gereken arayüz test setleri.
- Erişilebilirlik araçları. Kullanıcılar adına bilgisayarları kullanan ajanlar.
Bunu haklı çıkarmayan kullanım senaryoları:
- Çalışan bir API’si olan her şey. API’ler daha ucuz, daha hızlı ve daha güvenilirdir.
- Selenium veya Playwright’ın zaten sorunsuz hallettiği her şey.
- Yüksek hacimli görevler. Ekran görüntüsü döngüsü tanım gereği yavaştır.
Bir görevin API’si varsa, API’yi kullanın. Bilgisayar kullanımı uzun kuyruk içindir.
Mimari: Bir Ekran Görüntüsü-Eylem Döngüsü
2026’daki tüm bilgisayar kullanımı sistemleri — GPT-5.5, Claude Computer Use, Mariner’ın devamı olanlar — aynı döngüyü uygular:
1. Your script captures a screenshot of the target environment.
2. Sends [screenshot + task description + history] to the model.
3. Model returns a structured action: click(x,y), type("text"), scroll(dy), key("Ctrl+S"), or done.
4. Your script executes the action in the target environment.
5. Go to step 1, until model returns "done" or you hit a step limit.
Hepsi bu. Model bilgisayarınızı doğrudan “kontrol etmez” — eylemlerin açıklamalarını üretir ve kodunuz bunları yürütür. Bu güvenlik için önemlidir: Her eylem gerçekleşmeden önce onu sandbox’a alabilir, kaydedebilir, hız sınırına tabi tutabilir ve onaylayabilirsiniz.
“Bilgisayar” şunlardan biri olabilir:
- Sanal bir masaüstü (VM, ekranlı Docker konteyneri).
- Bir tarayıcı (Playwright veya Puppeteer ile headless Chrome).
- Uzak bir masaüstü (RDP/VNC oturumu).
- Gerçek dizüstü bilgisayarınız (yapmayın ama yapabilirsiniz).
Kurulum: Minimum Uygulanabilir Bilgisayar Kullanımı
Üç şeye ihtiyacınız var:
- GPT-5.5 erişimi olan bir OpenAI API anahtarı.
- Ekran görüntüsü üretebilen ve girdi olaylarını yürütebilen bir ortam.
- Bir döngü.
Ortam olarak Playwright kullanan minimum çalışan kurulum aşağıdadır (yalnızca tarayıcı — masaüstü için pyautogui veya bir VM sürücüsü ile değiştirin):
from openai import OpenAI
from playwright.sync_api import sync_playwright
import base64
client = OpenAI()
def screenshot_to_b64(page):
return base64.b64encode(page.screenshot()).decode()
def run_task(task: str, max_steps: int = 25):
with sync_playwright() as p:
browser = p.chromium.launch(headless=False)
page = browser.new_page(viewport={"width": 1280, "height": 800})
page.goto("about:blank")
history = []
for step in range(max_steps):
shot = screenshot_to_b64(page)
response = client.responses.create(
model="gpt-5.5",
tools=[{"type": "computer_use_preview",
"display_width": 1280,
"display_height": 800,
"environment": "browser"}],
input=[
{"role": "system", "content": "You are a careful browser agent. Plan, then act."},
{"role": "user", "content": [
{"type": "input_text", "text": task},
{"type": "input_image", "image_url": f"data:image/png;base64,{shot}"}
]},
*history
]
)
action = response.output[0]
if action.type == "done":
return action.summary
execute_action(page, action)
history.append({"role": "assistant", "content": action.model_dump_json()})
return "max_steps_exceeded"
def execute_action(page, action):
if action.action == "click":
page.mouse.click(action.x, action.y)
elif action.action == "type":
page.keyboard.type(action.text)
elif action.action == "scroll":
page.mouse.wheel(0, action.dy)
elif action.action == "key":
page.keyboard.press(action.key)
Bu bilinçli olarak minimaldir. Üretim sistemi hata yönetimi, yeniden deneme mantığı, ekran görüntüsü önbelleğe alma, eylem onaylama ve gözlemlenebilirlik gerektirir — ancak yukarıdaki döngü tüm zihinsel modeldir.
Bilgisayar Kullanımı Ajanlarını İyi Şekilde İstemleme
Bilgisayar kullanımı ajanının kalitesi %80 sistem istemine ve %20 modele bağlıdır. Bir aylık yinelemeden sonra, tutarlı şekilde işe yarayan kalıplar:
Görev sınırları konusunda açık olun. “Yarın sabah için SFO’dan LAX’e 300 doların altında bir uçuş rezervasyonu yapın ve ödeme yapmadan önce durun” iyidir. “Bana bir uçuş rezervasyonu yap” kötüdür. Bilgisayar kullanımı ajanları, izin verirseniz saptırır.
Modelin önce plan yapmasını, sonra hareket etmesini sağlayın. İlk eylemden önce kısa bir planlama adımı, boşa harcanan tıklamaları önemli ölçüde azaltır. “Her eylemden önce, ne yapacağınızı ve neden yapacağınızı kısaca belirtin” şeklindeki tek satırlık talimatla adım sayısında %30 azalma gördük.
“Dur ve sor” seçeneği ekleyin. Bilgisayar kullanan ajanlar belirsizlikleri genellikle göz ardı eder. “Bir CAPTCHA, giriş istemi veya belirsiz bir seçenekle karşılaşırsan dur ve yapılandırılmış bir yardım isteği döndür” ifadesi eklemek, çoğu hata modunu önler.
Adım sayısını sınırlayın. Adım bütçesi olmayan ajanlar, bozuk sayfalarda sonsuza kadar döner. Çoğu görev için ideal aralık 25–50 adımdır. Daha fazlasına ihtiyacınız varsa görevi parçalara ayırın.
Arayüz öğeleri için anlatmak yerine gösterin. “Gönder düğmesine tıkla” demek yerine “formu gönder (sayfanın altındaki yeşil düğme)” demeyi tercih edin. Model pikselleri okuyor, DOM’u değil — gördüğü şeyle eşleşen açıklamalar, CSS seçicilerinden daha iyi çalışır.
OSWorld Testleri: Sayılar Ne Anlama Geliyor?
OSWorld, bir modelin Linux, Windows ve macOS genelinde gerçek masaüstü görevlerini tamamlayıp tamamlayamadığını ölçen, bilgisayar kullanımı için fiili standart testtir. GPT-5.5, OSWorld-Verified’de %78,7 puan alarak aynı testte Claude Computer Use’ın (%74,1) önüne geçiyor ve Gemini 3.1 Pro’nun bilgisayar kullanımı modunu (%66,4) geride bırakıyor.
Ancak testler gerçek iş yükleri hakkında yanıltıcı olabilir. OSWorld puanının size söylemediği üç şey:
- OSWorld görevleri kısadır. Çoğu 5–15 adımdır. Uzun görevler (50+ adım) çok daha hızlı bozulur.
- OSWorld ortamları temizdir. Üretim uygulamalarında testlerin simüle etmediği açılır pencereler, A/B testli arayüz değişiklikleri ve kimlik doğrulama yönlendirmeleri bulunur.
- OSWorld görevlerinde başarı kriterleri nettir. Gerçek görevlerde genellikle “form gönderildi ama doğru form mu?” gibi hata modları vardır.
Testlerimizde GPT-5.5, uygulamanın arayüz kalitesine bağlı olarak gerçek tarayıcı iş akışlarında yaklaşık %62–68 başarı ve gerçek masaüstü uygulama iş akışlarında %45–55 başarı elde ediyor. Bu, insan onaylı (human-in-the-loop) kullanımda yeterli. Ancak yüksek riskli işler için henüz tamamen otonom olarak dağıtmaya yetmiyor.
Maliyet: Döngü Hızla Birikiyor
Bilgisayar kullanımı, GPT-5.5'i çalıştırmanın en pahalı yoludur, nokta. Döngüdeki her adım bir ekran görüntüsü (standart ayrıntıda tipik olarak 1280x800 = ~1300 token, yüksek ayrıntıda çok daha fazlası) ve biriken geçmişi gönderir.
25 adımlık bir tarayıcı görevi için kabaca hesap:
- 25 ekran görüntüsü × ~1300 token = 32.500 görüntü tokenı
- Eylem geçmişi: ~5K–15K token birikmiş
- Sistem istemi + görev: ~1K token
- Toplam giriş: görev başına ~40–50K token
- Çıktı: ~5K token eylem açıklamaları
GPT-5.5 fiyatlandırmasıyla (~$1,25/M giriş, ~$10/M çıktı), bu tamamlanan görev başına yaklaşık $0,10–$0,15 demektir — başarısızlıkları ve yeniden denemeleri saymadan önce. 50 adımlık bir görev için bunu iki katına çıkarın.
İşe yarayan iki maliyet kontrol tekniği:
Ekran görüntüsü önbelleğe alma. OpenAI'ın istem önbelleği, görüntü içeriği için geçerlidir. Birçok benzer görevi çalıştırıyorsanız (örneğin, aynı arayüz üzerinden bir fatura kuyruğunu işlemek), sistem istemi ve erken ekran görüntülerinin önbelleğe alınabilir olması için istemlerinizi yapılandırın. Bu şekilde %60–70 giriş maliyeti azalması gördük.
Adım sıkıştırma. Bağlam doğrusal olarak büyümesin diye modelin her 10 adımda bir geçmişi özetlemesini sağlayın. Kısa bir özet size 1 adımlık bir gidiş-dönüş maliyeti yaratır ancak sonraki her adımda token tasarrufu sağlar.
GPT-5.5 ile Claude Computer Use ve Gemini Karşılaştırması
| Yetenek | GPT-5.5 | Claude Computer Use | Gemini 3.1 Pro |
|---|---|---|---|
| OSWorld-Verified | 78.7% | 74.1% | 66.4% |
| Tarayıcı görevleri (gerçek dünya) | Güçlü | Güçlü | Orta |
| Masaüstü uygulamaları | Güçlü | Güçlü | Zayıf |
| Uzun vadeli kararlılık | Sınıfının en iyisi | İyi | Orta |
| Görev başına maliyet (25 adım) | $0.10–$0.15 | $0.08–$0.12 | $0.06–$0.10 |
| API olgunluğu | Yeni (Nis 2026) | Yerleşik | Yeni (Mar 2026) |
| Güvenlik varsayılanları | Orta | Agresif | Orta |
GPT-5.5'i seçin yeteneğin darboğaz olduğu görevler için — uzun iş akışları, karmaşık masaüstü uygulamaları, en güçlü modele ihtiyaç duyan her şey.
Claude Computer Use'ı seçin güvenlik açısından hassas görevler için. Anthropic'in varsayılanları daha muhafazakardır ve model durup sormaya daha isteklidir. Yanlış bir eylemin maliyeti yüksekse, Claude daha güvenli bir varsayılandır. İlgili ajan modu ödünleşimleri için Claude ve Cursor coworker karşılaştırmamıza göz atın.
Gemini'yi seçin ekran görüntülerinin ötesinde çok modlu bağlama ihtiyaç duyduğunuzda — ham bilgisayar kullanımı doğruluğundan ziyade 1–2M token bağlam penceresinin önemli olduğu uzun video, uzun ses ve belge ağırlıklı görevler.
Yaygın Başarısızlık Modları (ve Çözümleri)
Yüzlerce bilgisayar kullanımı görevi çalıştırdıktan sonra aynı başarısızlıklar tekrar tekrar ortaya çıkıyor. İşte en yaygın dördü ve nasıl düzeltebileceğiniz:
1. Ajan, yoğun bir sayfada yanlış düğmeye tıklıyor. Çözüm: Ekran görüntüsü çözünürlüğünü artırın. Varsayılan 1280x800, yoğun arayüzlerde detay kaybına yol açar. 1920x1080 değerine yükseltmek (ve yeni çözünürlüğü modele bildirmek) yanlış tıklamaları yaklaşık yarıya indirir.
2. Ajan, uzun görevlerde konuyu kaybediyor. Çözüm: Görevi adlandırılmış alt hedeflere bölün ve modelin her birini işaretleyerek ilerlemesini sağlayın. İstem: “Alt hedeflerin bir kontrol listesini tut. Her eylemden sonra ilerlemeyi işaretle.”
3. Ajan, aynı ekranda döngüye giriyor. Çözüm: Arka arkaya N adımda aynı ekran görüntüsünü tespit edin ve bir durum değişikliği (yenileme, ana sayfaya gitme veya eskalasyon) zorlayın. İzin verirseniz modeller aynı eylemi sonsuza dek tekrarlar.
4. Ajan, istemlere veri sızdırıyor. Çözüm: API’ye göndermeden önce ekran görüntülerini ön işlemden geçirerek belirgin kişisel verileri (PII) karartın. Modelin bir formu doldurmak için gerçek sosyal güvenlik numaralarını görmesine gerek yok; son işlemde sizin değiştireceğiniz yer tutucuları kullanabilir.
Güvenlik: Üretime Geçmeden Önce Neleri Kilitlemelisiniz?
Bilgisayar kullanan ajanlar sistemlerinizde eylemde bulunur. Onları, şeyleri bozma yetkisi olan bir stajyer gibi ele alın. Asgari üretim güvenlik önlemleri:
- Ortamı yalıtın (sandbox). Ajanları VM’lerde, konteynerlerde veya özel tarayıcı profillerinde çalıştırın — asla kullanıcının ana masaüstünde değil.
- Yıkıcı eylemleri kısıtlayın. Tehlikeli desenlerin (silme, ödeme, e-posta gönderme) regex’ine uyan herhangi bir eylem, açık insan onayı gerektirmelidir.
- Her eylemi kaydedin. Eylem + ekran görüntüsü + gerekçelendirme, denetim için saklanmalı.
- Sıkı hız sınırları koyun. Kontrolden çıkan bir ajan dakikalar içinde ciddi maliyetler oluşturabilir.
- Her şeye zaman sınırı getirin. Görev başına maksimum adım sayısı, saat başına maksimum görev sayısı, görev başına maksimum maliyet. Yumuşak uyarılar değil, kesin sınırlar.
- Sapmayı izleyin. Her zamankinden 3 kat daha fazla adım gerektiren bir görev bir şeylere işaret ediyor — arayüz değişikliği, model gerilemesi veya istem sapması.
Büyük ölçekte bilgisayar kullanan ajanlar geliştiriyorsanız, AI ajan güvenlik rehberimizdeki daha geniş kalıplar doğrudan geçerlidir.
GPT-5.5 Computer Use Ne Zaman Kullanılmalı (Ve Ne Zaman Kullanılmamalı)
Şu durumlarda kullanın:
- Hedef uygulamada API yoksa ve Selenium/Playwright’ın tek başına yeterli olmadığını doğruladıysanız.
- İş akışı, betiklenmiş otomasyonun sık sık bozulmasına neden olacak kadar belirsizse.
- Bir ajanın arayüz değişikliklerini zarifçe yönetmesi gerekiyorsa.
- Görev değeri, çalıştırma başına 0,10–1 $ maliyeti haklı çıkaracak kadar yüksek.
Şu durumlarda kullanmayın:
- Bir API varsa. API’yi kullanın. Her zaman.
- Görev yüksek hacimli ve düşük değerliyse. Maliyet hesabı sizi yutar.
- Hedef uygulama oturum başına düzenini değiştiriyorsa (bazı bankacılık siteleri, bazı captcha korumalı portallar). Model zorlanır.
- Gecikmeye tahammül edemiyorsanız. 25 adımlık bir görev uçtan uca 2–5 dakika sürer.
Sırada Ne Var
OpenAI, GPT-5.5 bilgisayar kullanımı yol haritasında birkaç noktaya işaret etti:
- Daha düşük gecikmeli ekran görüntüsü işleme. Şu anda adım başı gecikmenin en büyük kaynağı.
- Yerel video girişi. Adım başına ekran görüntüsü alma kalıbının sürekli kare işleme ile değiştirilmesi.
- Daha iyi araç çağrısı iç içe geçirme. Bilgisayar kullanımı eylemlerinin aynı ajan döngüsünde düzenli API çağrılarıyla karıştırılmasına izin verilmesi.
Daha büyük resim şu ki, ekran görüntüsü-eylem kalıbı artık standart hale geldi. Microsoft, Anthropic, OpenAI ve Google hepsi bunu sunuyor. Farklılaşma yığında yukarı taşınıyor — uzun vadeli planlama, çoklu ajan orkestrasyonu ve yönetişim. Bugün bilgisayar kullanımı ajanları geliştiriyorsanız, döngünün değiştirilebileceği şekilde tasarlayın — model soyutlaması, GPT-6 çıktığında size önemli ölçüde yeniden iş yükünden tasarruf sağlayacaktır.
Son Sözler
GPT-5.5 bilgisayar kullanımı, 2026’da mevcut olan bu temel yeteneğin en güçlü versiyonudur ve API olgunluğu, onu makul bir üretim seçimi yapacak kadar yakalamıştır. Sihirli bir değnek değil — uzun görevler hâlâ başarısız oluyor, maliyetler azımsanmayacak düzeyde ve güvenlik sizin sorumluluğunuzda — ancak “bu uygulamanın API’si yok ve onu otomatize etmem gerekiyor” şeklindeki uzun kuyruk için elimizdeki en yetenekli araç.
Küçük başlayın. Bir kum havuzunda çalıştırın. Başarısız olması can sıkıcı ama tolere edilebilir bir görev seçin. Ölçeklendirmeden önce başarı oranını ölçün. Daha geniş AI ajan manzarasını gözden kaçırmayın — bilgisayar kullanımı çok daha büyük bir araç kutusundaki tek bir araçtır ve doğru cevap genellikle API’ler, MCP sunucuları ve uzun kuyruk için bilgisayar kullanımı yedeklerinin bir karışımıdır.
Üretimde gerçekten işe yarayan ajanlar, en zeki istemlere sahip olanlar değil. Mütevazı kapsama, güçlü gözlemlenebilirlik ve katı sınırlara sahip olanlardır.
Yapay Zeka Hisse Senedi Tahminleri — Akıllı Piyasa Analizi
Yapay zeka destekli borsa tahminleri ve teknik analiz. Güven skorları ve risk metrikleriyle hisse senetleri, ETF'ler ve kripto için günlük tahminler alın.
Bugünkü Tahminleri GörüntüleBir yapay zeka aracı mı geliştiriyorsunuz veya pazarlıyorsunuz?
AI Tools Hub'da listelenin, incelenin veya öne çıkarın — Çok dilli, 12 aylık sponsorlu içerikler. 49 $'dan başlayan fiyatlarla.
AI Tools Hub Ekibi
Uzman Yapay Zeka Aracı İnceleyicileri
Yapay zeka tutkunları ve teknoloji uzmanlarından oluşan ekibimiz, ihtiyaçlarınıza en uygun çözümü bulmanıza yardımcı olmak için yüzlerce yapay zeka aracını test eder ve inceler. Gerçek dünya kullanımına dayalı dürüst ve derinlemesine analizler sunarız.