OpenAI uvedla obrazovou řadu GPT-Image-2.6 ve variantách Flare a Sunburst. První je optimalizovaná pro rychlejší tvorbu a úpravy, druhá pro věrnější a detailnější výsledky. Modely jsou dostupné v ChatGPT, Codexu a přes OpenAI API.
GIFy, vektorový export a úpravy podle anotací
API nově umožňuje vytvořit smyčkovaný animovaný GIF z textového zadání nebo zdrojového obrázku. Animace může obsahovat nejvýše 16 snímků. K dispozici je také export do vektorového formátu SVG, který zůstává ostrý při změně velikosti.
Při úpravách lze použít nakreslené anotace, které určují místo i způsob požadované změny. Nastavení komplexity v API zase řídí, kolik plánování model provede před vykreslením.
Jak si modely vedly při tvorbě a úpravách
V žebříčcích Artificial Analysis obsadily Flare a Sunburst první dvě místa při generování obrázků z textu i při jejich úpravách. V anonymních srovnáních překonaly generaci 2.5; žebříčky kvality vznikají z hlasování v přímých porovnáních výstupů.
Sunburst vedl v sedmi z deseti sledovaných kategorií generování. Mezi jeho silné oblasti patřila architektura, návrh uživatelských rozhraní, vykreslování textu a zadání vyžadující uvažování. Flare skončil první v kategoriích spotřebitelského použití a marketingu a reklamy. U obou variant zůstala slabším místem lidská anatomie, zejména ruce, obličeje a dynamické pózy.
V šesti ze sedmi kategorií úprav vedl některý z modelů 2.6. Sunburst byl první například v zachování identity, Flare v úpravách založených na uvažování a v kompozici. V úpravách scény a stylu si první místo udržel Microsoft MAI-Image-2.7-Preview. OpenAI také uvádí, že se u Sunburstu zlepšila konzistence obrázků napříč úpravami při střední a vysoké kvalitě.
Flare zrychlil, Sunburst potřebuje více času
V testech Artificial Analysis klesl medián doby generování u Flare přibližně z 55 na 30 sekund a doba úpravy z 58 na 32 sekund. Měření používalo maximální kvalitu, výstup PNG o rozměrech 1024 × 1024 a výchozí vysoké nastavení komplexity API.
U Sunburstu Artificial Analysis naměřila přibližně 135 sekund na vytvoření obrázku z textu a 120 sekund na úpravu. V párových testech byl pomalejší než jeho předchůdce.
Dostupnost v ChatGPT, Codexu a API
Řada GPT-Image-2.6 je dostupná ve všech úrovních přístupu v ChatGPT, Codexu a přes OpenAI API. Obě varianty stojí v API 30 dolarů za milion výstupních obrazových tokenů, stejně jako generace 2.5; Artificial Analysis odhaduje cenu obrázku 1024 × 1024 při maximální kvalitě na přibližně 0,21 dolaru, přičemž skutečné výdaje závisí na nastavení a spotřebě tokenů.
