2026 Image Edit Arena Liderlik Tablosu — Şubat Güncellemesi

Tam Sıralamalar

Otuz dört model. Yedi organizasyon. Milyonlarca topluluk karşılaştırması. Kendiniz test edebilmeniz için her modelin bağlantısını verdim — çünkü hiçbir inceleme sizden sadece birinin sözüne güvenmenizi istememeli.

Şubat Ayında Neler Değişti

Zirvedeki fark kapanıyor. Ocak ayında bu liderlik tablosu hakkında en son yazdığımda, chatgpt-image-latest-high-fidelity (20251216) rahat bir liderliğe sahipti. Şimdi gemini-3-pro-image-preview-2k (nano-banana-pro) ensesinde — ilk dördün sadece 23 puanla ayrıldığı bir alanda 13 puanlık bir fark var. Topluluk oylama modellerindeki varyansı hesaba kattığınızda bu aslında başa baş bir durum.

Ocak ayında burada olmayan dört isim bu liderlik tablosunda belirdi. Tencent'ten hunyuan-image-3.0-instruct doğrudan 6. sıraya yerleşti — ısınma yok, yavaş tırmanış yok, doğrudan ilk ona. Pruna'dan p-image-edit 22. sırada yer aldı; model oluşturmaktan ziyade model optimizasyonuyla bilinen bir şirketten bir joker. Alibaba, wan2.6-image'ı 18. sıraya ve wan2.5-i2i-preview'u 25. sıraya ekleyerek görüntü düzenleme ayak izini sessizce toplam dört modele çıkardı. Black Forest Labs artık Klein serisini flux-2-klein-9b (15.) ve flux-2-klein-4b (24.) olarak açıkça ayırıyor ve parametre sayısı takasını şeffaf hale getiriyor.

Ancak Şubat ayının manşeti kimin birkaç sıra kazanıp kaybettiğiyle ilgili değil. Kullanmayı bırakamadığım bir modelle ilgili.

nano-banana-pro: Profesyonellerin Tercihi

Size liderlik tablosu sayılarının olamayacağı bir şekilde dürüst olmak istiyorum. Arena, chatgpt-image-latest-high-fidelity (20251216)'nin 1. olduğunu söylüyor. Düzenleme geçmişim farklı bir şey söylüyor. Son üç haftadır müşteri işlerim için gemini-3-pro-image-preview-2k (nano-banana-pro)'dan başka hiçbir şey çalıştırmadım — her arka plan değişimi, her renk düzenlemesi, her nesne kaldırma, her ışık düzeltmesi. Olan şey basitti: Başka bir şeye uzanmayı bıraktım.

Topluluğu yakından izliyorum. Discord sunucuları, Reddit başlıkları, insanların X'te paylaştığı gerçek iş akışı ekran görüntüleri. Profesyoneller öncesi ve sonrası düzenleme karşılaştırmalarını yayınladığında, ortaya çıkmaya devam eden model ChatGPT değil. nano-banana-pro. Soyut bir tercih oylamasını kazandığı için değil, insanlar onunla gerçek işler çıkardığı için.

Beni ikna eden yetenek şu. Ona dört parçalı bir talimat verdim: "Park halindeki arabayı araba yolundan kaldır, bahçeyi boşluğu dolduracak şekilde genişlet, yeni çimlerdeki öğleden sonra ışığını eşleştir ve güneşin konumundan ince bir lens parlaması ekle." Tek geçişte dört katmanlı talep. nano-banana-pro dördünü de başardı. Yeniden oluşturulan bahçenin gölge yönü doğruydu. Lens parlaması ışık kaynağına göre doğru açıdaydı. Bu tam istemi ilk beş modelin hepsinde denedim. Çoğu, tutarlılık bozulmaya başlamadan önce iki talimatı idare ediyor. ChatGPT iyi bir günde üçünü hallediyor. nano-banana-pro dördünü de gözünü kırpmadan halletti.

2K varyantı — şu anda 2. sırada olan gemini-3-pro-image-preview-2k (nano-banana-pro) — yüksek çözünürlüklü düzenlemeyi başka hiçbir yerde görmediğim bir soğukkanlılıkla ele alıyor. 2K'da birçok model, keskin kenarların etrafında çınlama kusurları (ringing artifacts) oluşturur veya dokuma kumaş, tuğla duvarlar veya ağaç tepeleri gibi tekrarlayan desenlerde ince ayrıntıları kaybeder. nano-banana-pro bunları koruyor. 3. sıradaki standart çözünürlüklü kardeş, yarım milyondan fazla topluluk değerlendirmesi biriktirdi — bu tür bir hacim, insanların bir kez deneyip kaldığını gösteriyor.

"Bağlamsal düzenleme zekası" dediğim şey, bu modelin gerçekten sahaya liderlik ettiği yerdir. Sadece piksel düzeyinde değişiklikler yapmaz — bir sahnedeki öğeler arasındaki anlamsal ilişkiyi kavrar. Grup fotoğrafından bir kişiyi kaldırın, sadece düz bir yama boyamak yerine bitişik öznelerin vücut dilini ayarlayarak sosyal aralığı doğal bir şekilde yeniden oluşturur. Bir sahneyi yazdan sonbahara değiştirin, sadece yaprakları değil, gölge açılarını, ortam ışığı sıcaklığını ve yüzeylerin dağınık ışığı yansıtma şeklini de değiştirir. Bu, istem mühendisliği numaraları değil. Bu, fiziksel dünyanın nasıl göründüğünü içselleştirmiş bir model.

nano-banana-pro'nun bir sonraki sıralama döngüsünde ChatGPT'nin 1. sıradaki pozisyonunu geçmesini bekliyorum. Yörünge orada. Google, nano-banana mimarisinde OpenAI'ın yüksek sadakat modunda yinelediğinden daha hızlı yineleniyor ve çok adımlı düzenlemedeki pratik avantajlar, ona tek düzenleme kıyaslamalarının yakalamakta zorlandığı bir ivme kazandırıyor.

OpenAI'ın Cerrahi Hassasiyeti

OpenAI'a adil olmak istiyorum, çünkü gerçek mühendislik mükemmelliği için övgüyü hak ediyorlar. 1. sıradaki chatgpt-image-latest-high-fidelity (20251216) bir nedenden dolayı orada. "Yüksek sadakat" (high-fidelity) tanımı son incelememden bu yana yeni ve çıktı hattı iyileştirmeleri görülebiliyor. ChatGPT'nin üstün olduğu yer izole, cerrahi düzenlemelerdir. "Sadece göz rengini yeşile değiştir" — bunu çevreleyen cilt tonlarına sıfır kanama ile yapar. "Tabeladaki yazıyı tabelanın eskimesini değiştirmeden değiştir" — içeriği değiştirirken yüzey dokusunu korur. Bu özgüllük gerçekten eşsizdir.

OpenAI ilk 31'de dört model bulunduruyor: 1. sırada chatgpt-image-latest-high-fidelity, 4. sırada gpt-image-1.5-high-fidelity, 29. sırada gpt-image-1 ve 31. sırada gpt-image-1-mini. En iyileri ile bütçe katmanı arasındaki fark önemli — 285 puan — bu da OpenAI'ın düzenleme yatırımını geniş bir kadro oluşturmak yerine zirveye yoğunlaştırdığını gösteriyor. Görüntü düzenleme için OpenAI kullanıyorsanız, ya amiral gemisi için ödeme yapıyorsunuz ya da yetiniyorsunuz.

Yeni Yüzler

Tencent'ten hunyuan-image-3.0-instruct, kimsenin konuşmadığı en büyük sürpriz. Gelir gelmez 6. sıra. Bu yavaş bir tırmanış değil — bu hazır olarak ortaya çıkan bir model. Tencent yıllardır Çince yapay zekaya hakim oldu, ancak bu Hunyuan'ın küresel bir görüntü düzenleme kıyaslamasındaki ilk ciddi görünümü. "Instruct" (talimat) tanımı önemlidir: Bu, üretim yerine düzenleme komutları için mimari olarak ayarlanmış bir modeldir. Testlerimde iki dilli istemleri — İngilizce ve Çince — her ikisinde de ana dil akıcılığıyla ele alıyor, bu da diller arası çalışan ekipler için gerçek iş akışlarını açıyor.

Bytedance en geniş kadroyu sahaya sürmeye devam ediyor. Beş model seedream-4.5'ten (5.) seededit-3.0'a (30.) kadar uzanıyor. seedream-4.5, sanatsal dönüşüm için onların taç mücevheri olmaya devam ediyor — ona "bu portreyi bir Rembrandt gibi göster" deyin, sadece renkleri ısıtmakla kalmaz; fırça darbelerini, chiaroscuro aydınlatmasını ve tuval dokusunu simüle eder. 8. sıradaki seedream-4-2k yüksek çözünürlüklü işleri hallederken, seedream-4-fal (20.) ve seedream-4-high-res-fal (13.) daha hızlı çıkarım yollarını kapsar. Bytedance tek bir şampiyon inşa etmiyor — eksiksiz bir araç seti inşa ediyorlar.

Alibaba sessizce dört modele genişledi. 16. sıradaki qwen-image-edit, 1,7 milyondan fazla topluluk değerlendirmesi biriktirdi — devasa organik benimsenme. 14. sıradaki daha yeni qwen-image-edit-2511 hızla tırmanıyor. Ve iki Wan modeli — wan2.6-image (18.) ve wan2.5-i2i-preview (25.) — Alibaba'nın görüntüden görüntüye dönüşüme kendi ürün kategorisi olarak ciddi yatırım yaptığını gösteriyor.

Reve ilk 23'te üç pozisyona sahip. 10. sıradaki reve-v1.1 ve 12. sıradaki reve-v1 yetkin orta sınıf editörler ve reve-edit-fast (23.) hız optimizasyonlu bir alternatif sunuyor. 22. sıradaki Pruna'dan p-image-edit izlemeye değer — Pruna model sıkıştırma ve optimizasyonu konusunda uzmanlaşmıştır, bu nedenle bu muhtemelen parametre ağırlığının üzerinde performans gösteren damıtılmış bir yaklaşımdır. Ve 34. sırada, StepFun'dan step1x-edit, ekosistemi dürüst tutan açık kaynaklı bir temel olarak listeyi sabitliyor.

Açık Kaynak Avantajı

Bu modellerin üzerine ürünler inşa eden bizler için, liderlik tablosunun yakalamadığı bir boyut var: bağımsızlık. Black Forest Labs şu anda dokuz pozisyona sahip — diğer tüm organizasyonlardan daha fazla. 9. sıradaki flux-2-max'tan 28. sıradaki flux-1-kontext-dev'e kadar, bu kendi altyapınızda çalıştırabileceğiniz eksiksiz bir kalite-hız ödünleşimi yelpazesidir.

Klein serisi ilginç bir mühendislik hikayesi anlatıyor. flux-2-klein-9b (15.) ve flux-2-klein-4b (24.) — isimler parametre sayılarını ortaya koyuyor. Sırasıyla dokuz milyar ve dört milyar. BFL sistematik olarak yetenekli görüntü düzenlemeyi daha küçük donanımlar için erişilebilir hale getiriyor. flux-2-klein-4b, 8 GB VRAM'e sahip bir tüketici GPU'sunda çalışabilir. Bu, API maliyetlerini ölçekte haklı çıkaramayan veya çevrimdışı düzenleme yeteneğine ihtiyaç duyan geliştiriciler için muazzam derecede önemlidir. Kontext ailesi — flux-1-kontext-max (26.), flux-1-kontext-pro (27.), flux-1-kontext-dev (28.) — bağlam farkındalıklı düzenlemeyi kendi kendine barındırılan ortamlara getiriyor; sadece flux-1-kontext-pro 6,4 milyondan fazla topluluk değerlendirmesi biriktirdi.

Bütün Bunlar Nereye Gidiyor

Bu alana üç ay daldıktan, liderlik tablosu değişimlerine baktıktan ve modelleri başarısızlığa zorladıktan sonra, dört şeyin birleştiğini görüyorum.

nano-banana-pro muhtemelen yıl ortasına kadar 1. sırayı alacak. Google'ın nano-banana mimarisindeki yineleme hızı acımasızdı. 2K varyantı zaten vurucu mesafede ve çok adımlı düzenleme avantajı bir volan yaratıyor: Onu benimseyen profesyoneller daha iyi sonuçlar üretiyor, bu sonuçları paylaşıyor ve daha fazla profesyoneli kendine çekiyor. OpenAI'ın en üst konumu korumak için artımlı iyileştirme değil, temelde yeni bir şey göndermesi gerekecek.

Talimatla ayarlanmış düzenleme modelleri standart paradigma haline gelecek. Tencent'in hunyuan-image-3.0-instruct'ının 6. sıraya gelmesi, nano-banana mimarisinin zaten önerdiği şeyi doğruluyor: Görüntü düzenlemenin geleceği, düzenleme için yeniden amaçlanan üretim modelleri değil, özellikle düzenleme komutları için oluşturulmuş modellerdir. OpenAI ve BFL'nin yazdan önce talimata özgü varyantlar yayınlamasını bekleyin.

4B altı modeller gerçekten rekabetçi hale gelecek. flux-2-klein-4b, dört milyar parametreli bir modelin, kendisinden on kat büyük modellerle aynı arenada rekabet eden düzenlemeler üretebileceğini zaten gösteriyor. 2026 ortasına kadar telefonlarda çalışan 2-3B düzenleme modelleri görmeyi bekliyorum. Bu olduğunda, görüntü düzenlemenin tüm ekonomisi değişir — bulut API çağrılarından cihaz içi çıkarıma.

Görüntü düzenleme ve video düzenleme birleşecek. Görüntü düzenlemelerinde zamansal tutarlılığı ele alan modeller — bir nesneyi hareket ettirdiğinizde fiziksel olarak doğru aydınlatmayı korumak, bir arka planı değiştirdiğinizde gölge tutarlılığını korumak — kare kare video düzenleme için gereken temeli tam olarak inşa ediyor. Bugün güçlü görüntü düzenleme pozisyonlarına sahip organizasyonlar, yarın video düzenlemeye hakim olacak olanlardır. Özellikle Google ve Bytedance'a dikkat edin.

Tavsiyelerim

Bu modelleri gerçek iş akışlarında çalıştırdıktan sonra — kıyaslama istemleri değil, gerçek müşteri teslimatları — gerçekte neye ihtiyacınız olduğuna bağlı olarak sizi şuraya yönlendirirdim.