Tavaly a Google a Nano Banana, a Veo és a Gemini 3 modellek bevezetésével remek versenyhelyzetbe került, és sokan már arról beszéltek, hogy az OpenAI lassan alulmaradhat a Google-lel szemben. Az utóbbi hetekben viszont az OpenAI nagyon szépen lépdel előre, a GPT-5.4 erősre sikeredett, most pedig befutott a ChatGPT Images 2.0, ami szintén komoly potenciált hordoz magában.
Az OpenAI új generációs képgeneráló modellje az alapoktól arra lett tervezve, hogy kiváló minőségben tudjon előállítani szöveges promptok és más képek alapján precíz, jól strukturált és munkára azonnal használható vizuális grafikákat.
Kifejezetten nagy hangsúlyt kapott a modell fejlesztése során, hogy rendkívül aprólékosan és pontosan tudjon szöveget létrehozni a különböző képek keretei között. Nagyon összetett iránymutatásokat lehet majd adni a ChatGPT számára a képek létrehozásához, egészen apró betűvel szedett, jelentős mennyiségű szöveget is képes lesz generálni az újdonság konzisztensen tartva például a betűtípust és egyéb formai jegyeket.
Az OpenAI annyira bizonyítani szerette volna a ChatGPT Images 2.0 szöveggeneráló képességét, hogy úgy döntött, az erről szóló teljes sajtóközleményt teljes egészében generált képek formájában is közreadja. Meglehetősen látványos lett ez a demonstráció, és egyértelműen sikerült vele felkelteni az emberek érdeklődését. Arra is képes a modell, hogy különböző nyelvű feliratokat hozzon létre egy képkockában. Különösen látványos lesz a nyelvtámogatás javulása olyan nyelveknél, mint például a japán, a hindi vagy a koreai.
Kiemelte a vállalat, hogy megoldja majd azt is a modell, ha egy munkafolyamatban nagy pontossággal kell koherens grafikus megoldásokat használni több generált képen keresztül. Ennek köszönhetően sokkal jobban üzemelhet például olyan esetben, amikor egy alkalmazás grafikus felületét kell megterveznie, vagy egy adott stílusban szükséges borítót összeállítania egy rendszeresen megjelenő folyóiratnak. Jelentősen fejlődik a kompozíció kontroll is, így ha egy képen alakítani kell, akkor sokkal hatékonyabbnak bizonyulhat a ChatGPT Images 2.0.
Az új generációs képgeneráló modell érvelési képességgel is rendelkezik, amelynek köszönhetően a modell a képek generálása előtt fel tudja dolgozni részletesen a megadott utasításokat. A különböző támogatott módokban a ChatGPT Images 2.0 már elérheti a webet is, ahonnan információkat szerezhet be a képekhez. Sokat javult az olyan általános stílusok kezelésében, mint a képregény, pixel art, illusztráció, vonalrajz, manga és még sorolhatnánk.
Lényeges fejlesztés az is, hogy már támogatja a speciálisabb képarányokat a ChatGPT Images 2.0, ezáltal alkalmas lesz arra, hogy például bannerekhez, különböző reklámfelületekhez alkosson konyhakész anyagokat. Az OpenAI eleve úgy tervezte a modellt, hogy azonnal felhasználható, munkához megfelelő képeket alkosson anélkül, hogy erre külön meg kellene kérni. A felbontás viszont továbbra is elég limitált, ennek kapcsán a cég annyit mondott, hogy “akár 2K” minőséggel lehet számolni.
A ChatGPT Images 2.0 modell feladja a leckét a Google által februárban indított Nano Banana 2-nek és a korábbi Nano Banana Prónak, valamint a Microsoft által március második felében elindított MAI-Image-2-nek. Az OpenAI újdonsága az összes ChatGPT opciónál elérhető, és biztosított a Codex keretei között is minden felhasználó számára, továbbá az API révén is elérhető a külső partnereknek.
