Uvedenie GPT-Image-2 bolo pre OpenAI veľkým krokom. Model predstavoval skutočný míľnik, pretože už dokázal spoľahlivo generovať aj text v obrázkoch. GPT-Image-2.5 teraz pokračuje v nastúpenom smere a umožní pracovať ešte rýchlejšie.
„Špičkový obrazový model prináša ostrejšie detaily, presnejšie úpravy a rýchlejšie generovanie pri tvorivej práci,“ zdôraznilo OpenAI.
Pri každodennom používaní je dôležitou zmenou skrátenie čakania na vygenerovanie obrázkov o 50 percent. Umelá inteligencia tak vytvorí obrázky podľa pokynov používateľa za polovičný čas. Model bude zároveň presnejšie dodržiavať zadania, vďaka čomu bude možné rýchlejšie pretaviť predstavy a koncepty do výslednej podoby.
GPT-Image-2.5 bude na obrázkoch prirodzenejšie zachytávať svetlo, dokáže vytvárať bohatšie textúry a pri prenášaní požadovaných objektov z referenčných obrázkov priložených k zadaniu do nového obrázka presnejšie zachová ich podobu. Pri kombinovaní viacerých obrázkov tak bude možné dosiahnuť požadovaný výsledok oveľa rýchlejšie. Dôležitou novinkou je aj väčšia konzistentnosť pri opakovaných úpravách v ChatGPT. Naďalej totiž pretrváva problém, že množstvo drobných zmien môže výrazne zdeformovať rôzne časti obrázka.
Pribudla funkcia Sketch, ktorá umožňuje vytvoriť náčrt priamo v službe. Používateľ si tak môže priamo v ChatGPT rýchlo pripraviť základ, ktorým usmerní generovanie. Tento náčrt vstupuje do procesu v podstate rovnako ako nahraný náčrt, ide teda o nový spôsob využitia a rozšírenie multimodálnych schopností.
Pre ľudí, ktorí model používajú pri práci, je dôležité aj lepšie porozumenie zložitým vizuálnym pokynom a ich pretavenie do súdržných obrázkov. Pri náročných zadaniach a kompozíciách, ktoré posúvajú hranice predstavivosti, bude presnejšie reprodukovať obsah obrázkov zachytávajúcich informácie z reálneho sveta. Dokáže už pracovať aj s prvkami s priehľadným pozadím a zohľadňovať pritom skutočné fyzikálne vlastnosti. GPT-Image-2.5 bude tiež lepšie napodobňovať vizuálne štýly, takže vygenerované obrázky môžu presnejšie zodpovedať umeleckým predstavám.
Obrazový model GPT-Image-2.5 si už možno vyskúšať v ChatGPT, ChatGPT Work aj Codexe, a to na všetkých platformách, na ktorých sú služby OpenAI dostupné. K dispozícii je aj prístup cez API, kde sa objavili dva varianty. Flare prináša základné vylepšenia kvality, úprav a rýchlosti, zatiaľ čo Sunburst umožňuje pri tvorivej práci dosiahnuť ešte vyššiu presnosť a viac detailov. Na výsledok si však treba počkať dlhšie.
V populárnom teste Image Edit Arena sa nový model už ujal vedenia, a to so slušným náskokom. GPT-Image-2.5 Sunburst dosiahol 1.520 bodov Elo, zatiaľ čo GPT-Image-2.5 Flare sa môže pochváliť 1.491 bodmi. Doteraz viedol GPT-Image-2 s výsledkom 1.461 bodov. Najlepší variant Grok-Imagine dosiahol len 1.439 bodov a je takmer na rovnakej úrovni ako MAI-Image-2.6, ktorý nazbieral 1.434 bodov. Najpokročilejšie verzie modelov Gemini, Muse a Seedream sa pohybujú už len okolo 1.400 bodov.
Napokon sa oplatí pozrieť aj na ceny, ktoré už nepotešia tak ako ostatné novinky. GPT-Image-2 spracoval 1 milión vstupných tokenov za 4 doláre a rovnaký objem výstupných dát v podobe obrázkov vytvoril za 15 dolárov. GPT-Image-2.5 je oproti tomu dvojnásobne drahší: 1 milión vstupných tokenov stojí 8 dolárov a vytvorenie 1 milióna výstupných tokenov vyjde na 30 dolárov. Pri používaní nového modelu tak môže používateľ rýchlejšie vyčerpať dostupné limity.
