OpenAI hat die Bildmodellreihe GPT-Image-2.6 in den Varianten Flare und Sunburst vorgestellt. Erstere ist für eine schnellere Erstellung und Bearbeitung optimiert, letztere für originalgetreuere und detailliertere Ergebnisse. Die Modelle sind in ChatGPT, Codex und über die OpenAI API verfügbar.
GIFs, Vektorexport und Bearbeitung anhand von Annotationen
Die API ermöglicht nun die Erstellung eines animierten GIFs in Endlosschleife aus einer Textanweisung oder einem Ausgangsbild. Die Animation kann höchstens 16 Einzelbilder enthalten. Zudem ist ein Export in das Vektorformat SVG möglich, das bei Größenänderungen scharf bleibt.
Bei Bearbeitungen können eingezeichnete Annotationen verwendet werden, die sowohl die Stelle als auch die Art der gewünschten Änderung festlegen. Die Komplexitätseinstellung in der API steuert wiederum, wie viel Planung das Modell vor dem Rendern vornimmt.
Wie die Modelle bei der Erstellung und Bearbeitung abschnitten
In den Ranglisten von Artificial Analysis belegten Flare und Sunburst sowohl bei der Bilderzeugung aus Text als auch bei der Bildbearbeitung die ersten beiden Plätze. In anonymen Vergleichen übertrafen sie die Generation 2.5; die Qualitätsranglisten basieren auf Abstimmungen bei direkten Vergleichen der Ergebnisse.
Sunburst führte in sieben der zehn untersuchten Kategorien zur Bilderzeugung. Zu seinen Stärken zählten Architektur, die Gestaltung von Benutzeroberflächen, Textdarstellung und Aufgaben, die logisches Denken erfordern. Flare belegte in den Kategorien Verbraucheranwendungen sowie Marketing und Werbung den ersten Platz. Bei beiden Varianten blieb die menschliche Anatomie eine Schwachstelle, insbesondere Hände, Gesichter und dynamische Posen.
In sechs der sieben Bearbeitungskategorien lag jeweils eines der 2.6-Modelle vorn. Sunburst belegte beispielsweise bei der Wahrung der Identität den ersten Platz, Flare bei auf logischem Denken basierenden Bearbeitungen und bei der Komposition. Bei der Szenen- und Stilbearbeitung behauptete Microsoft MAI-Image-2.7-Preview den ersten Platz. OpenAI gibt zudem an, dass sich bei Sunburst die Bildkonsistenz über mehrere Bearbeitungsschritte hinweg bei mittlerer und hoher Qualität verbessert hat.
Flare wurde schneller, Sunburst benötigt mehr Zeit
In den Tests von Artificial Analysis sank die mediane Generierungsdauer bei Flare von etwa 55 auf 30 Sekunden und die Bearbeitungsdauer von 58 auf 32 Sekunden. Bei den Messungen wurden die maximale Qualität, eine PNG-Ausgabe mit 1024 × 1024 Pixeln und die standardmäßige hohe Komplexitätseinstellung der API verwendet.
Bei Sunburst maß Artificial Analysis etwa 135 Sekunden für die Erstellung eines Bildes aus Text und 120 Sekunden für eine Bearbeitung. In paarweisen Tests war das Modell langsamer als sein Vorgänger.
Verfügbarkeit in ChatGPT, Codex und der API
Die GPT-Image-2.6-Reihe ist in allen Zugriffsstufen von ChatGPT und Codex sowie über die OpenAI API verfügbar. Beide Varianten kosten in der API 30 US-Dollar pro Million ausgegebener Bild-Token, genauso viel wie die Generation 2.5; Artificial Analysis schätzt die Kosten für ein Bild mit 1024 × 1024 Pixeln bei maximaler Qualität auf etwa 0,21 US-Dollar, wobei die tatsächlichen Ausgaben von den Einstellungen und dem Token-Verbrauch abhängen.
