OpenAI wprowadziło Images 2.6 w ChatGPT, Codex i API. Dla deweloperów główną nowością jest GPT-Image-2.6, oferowany w dwóch wariantach API: Flare i Sunburst. Według OpenAI generowanie obrazów jest o 50% szybsze niż w poprzedniej wersji.
Dwa modele dla API
GPT-Image-2.6 to rodzina modeli OpenAI dedykowana generowaniu i edycji obrazów, dostępna przez API (interfejs umożliwiający deweloperom integrację modelu z własnymi aplikacjami). Akceptuje tekst i obrazy jako dane wejściowe i zwraca obrazy. Flare jest przedstawiany jako odpowiedni do szybkich iteracji i interaktywnych przepływów pracy, podczas gdy Sunburst jest przeznaczony do szczegółowych kompozycji i edycji.
OpenAI wskazuje, że Flare może wygenerować obraz w zaledwie 6 sekund, gdy jakość jest ustawiona na low. Sunburst ma na celu wyższą jakość i lepszą spójność między modyfikacjami, na poziomach medium lub high.
Nowości dla ChatGPT i gwałtowny wzrost użycia
W ChatGPT użytkownicy mogą teraz przekształcać tekst lub zdjęcie w animowany GIF, regulować prędkość animacji, modyfikować pojedyncze obrazy i udostępniać wynik. Mogą także zapisywać i oznaczać obrazy referencyjne osób, zwierząt lub postaci, które można ponownie wykorzystać bez konieczności ponownego przesyłania.
OpenAI twierdzi, że użytkownicy generują obecnie ponad 4 miliardy obrazów tygodniowo w ChatGPT i API, w porównaniu do ponad 3 miliardów osiem tygodni wcześniej, podczas wprowadzania Images 2.5. To oznacza średnio ponad 500 milionów obrazów dziennie.
Parametry, formaty i cennik
Nowe pole complexity określa stopień planowania modelu przed renderowaniem obrazu. Przewodnik OpenAI dotyczący generowania obrazów wymienia trzy poziomy: low, medium i high. Bez wskazania oba modele używają high. Poziom low nadaje się do ukierunkowanych modyfikacji, takich jak zmiana tła lub tablicy, podczas gdy high pomaga w przypadku gęstych tekstów, złożonych układów i relacji między obiektami. OpenAI ostrzega, że wyższa złożoność może zwiększyć opóźnienie i wprowadzić niepożądane zmiany. To ustawienie jest odrębne od jakości, która kontroluje poziom szczegółowości renderowania, i nie wiąże się z dodatkowymi opłatami.
Modele mogą także produkować animowane GIF-y i pliki SVG, format wektorowy, który pozostaje ostry we wszystkich rozmiarach. Według zapowiedzi, oznaczanie obszarów do modyfikacji pojawia się w API, a przewodnik już je wymienia dla obu modeli.
Zgodnie ze stronami modeli, cennik za token (jednostkę tekstu lub obrazu przetwarzaną przez model) jest identyczny dla Flare i Sunburst: 5,00 $ za milion tokenów tekstu wejściowego (1,25 $ w pamięci podręcznej), 8,00 $ za milion tokenów obrazu wejściowego (2,00 $ w pamięci podręcznej) i 30,00 $ za milion tokenów obrazu wyjściowego. Google i BFL publikują natomiast ceny za obraz: Nano Banana 2.1 zaczyna się od 0,0336 $ za 1K i sięga 0,113 $ w 4K, FLUX 3 Image od 0,048 $ za 1K do 0,607 $ w 4K. Źródło zauważa, że OpenAI nie opublikowało dla Images 2.6 ani wyników benchmarków, ani tabeli kosztów za obraz.
Modele GPT-Image-2.6 są zamknięte: ich wagi nie są publiczne i działają wyłącznie hostowane przez OpenAI, w ChatGPT, Codex i API.
