Az OpenAI-nak nagy lépés volt a GPT-Image-2 bevezetése, az egy valódi mérföldkövet jelentett annak köszönhetően, hogy már a szövegek generálásában is hatékony partner lett. Most a GPT-Image-2.5 ezen az úton halad tovább, és még gyorsabban lehet majd dolgozni vele.
“A csúcstechnológiás képmodell élesebb részleteket, pontosabb szerkesztést és gyorsabb generálást biztosít a kreatív munkafolyamatokhoz” – emelte ki az OpenAI.
A mindennapi felhasználás szempontjából fontos változás, hogy a képek generálása során 50 százalékkal csökken a rendszer várakozási ideje, ennyivel hamarabb jönnek majd létre a mesterséges intelligencia “keze alatt” a felhasználó utasításainak megfelelő képek. Pontosabban követi majd a modell a promptokat, így az elképzeléseket, koncepciókat hamarabb lehet vele megvalósítani.
A GPT-Image-2.5 természetesebben fogja visszaadni a képeken a fényeket, gazdagabb textúrák létrehozására lesz alkalmas, és az utasításokkal bevitt referenciaképekről a kívánt tárgyakat pontosabban megőrizve fogja átemelni az új képre. Ennek köszönhetően több kép összevágásában sokkal előbb születhet megfelelő eredmény. Fontos újítás az is, hogy a többkörös szerkesztések során nagyobb konzisztenciát fog nyújtani a ChatGPT. Az ugyanis továbbra is gond, hogy a képek minden ponton jelentősen tudnak torzulni az apró változtatások sokasága következtében.
Bevezetésre került a Sketch funkció, ami lehetőséget nyújt a szolgáltatáson belül létrehozni egy vázlatrajzot. Közvetlenül a ChatGPT-ben lehet majd egy gyors kiindulási alapot alkotni, amivel irányítható a generálás folyamata. Ez a vázlat lényegében ugyanúgy kerül be a folyamatba, mintha egy vázlatot feltöltene az ember, szóval a multimodális működés kihasználásának egy új módja, kiterjesztése ez.
Fontos újítás azok számára, akik munkára használják a modellt, hogy ezentúl jobban megérti a bonyolult vizuális utasításokat is, és azokat koherens képekké alakítja át. A valós világból származó információkat tartalmazó képek tartalma pontosabban lesz reprodukálva a képzelet határain túlmutató utasításoknál és elrendezéseknél. Képes kezelni már az átlátszó háttérrel rendelkező elemeket is a valós fizikai tulajdonságokkal. A vizuális stílusokat is jobban fogja másolni ezentúl a GPT-Image-2.5, így az általa generált képek jobban megfelelhetnek a művészi elképzeléseknek is.
A GPT-Image-2.5 képmodell már kipróbálható a ChatGPT, a ChatGPT Work és a Codex keretében is, minden platformon, amelyen elérhetőek az OpenAI szolgáltatásai. Az API elérés is biztosított, ezen keresztül két változat jelent meg: az egyik a Flare, ami az alapvető minőségi, szerkesztési és sebességi fejlesztéseket nyújtja, a másik pedig a Sunburst ezzel még nagyobb pontosságot és részletgazdagságot lehet elérni kreatív munkák alkalmával, de cserébe többet kell várni az eredményre.
A népszerű Image Edit Arena tesztben az új modell át is vette a vezetést, méghozzá tisztességes előnnyel. A GPT-Image-2.5 Sunburst márt 1520 Elo-pontot tudott elérni, a GPT-Image-2.5 Flare pedig 1491 ponttal büszkélkedhet. Eddig ebben a GPT-Image-2 vezetett 1461 pontos eredménnyel, a Grok-Imagine legjobb variánsa pedig már csak 1439 pontot ért el, és szinte holtversenyben van a MAI-Image-2.6-tal, ami 1434 pontot hozott össze. A Gemini, a Muse és a Seedream legfejlettebb verziói már csak 1400 pont körül tanyáznak.
Végül érdemes még az árazást megtekinteni, mert ez már nem alakult olyan jól. A GPT-Image-2 4 dollárból dolgozott fel 1 millió tokent, és 15 dolláros áron állított elő ugyanennyi adatot képek formájában. A GPT-Image-2.5 ehhez képest kétszer drágább lett, ezzel már 8 dollárba kerül az 1 millió token bevitele és 30 dollárt kóstál 1 millió token előállítása. Ennek megfelelően a rendelkezésre álló kereteket is hamarabb merítheti ki a felhasználó az új modellt használva.
