OpenAI представила ChatGPT Images 2.0 — новый генератор изображений на базе модели GPT Image 2. Сервис получил режим рассуждения перед генерацией и возможность веб-поиска в процессе, а также лучше работает с текстом, особенно на языках с нелатинской письменностью.
По данным OpenAI, модель может тратить больше или меньше времени на подготовку ответа в зависимости от выбранного режима. Это, как заявляет компания, должно повысить точность и разнообразие изображений.
В режиме рассуждения ChatGPT Images 2.0 может создавать до восьми изображений по одному запросу. При этом персонажи, объекты и стиль должны сохраняться одинаковыми во всех сценах. В качестве примеров OpenAI приводит многостраничную мангу, созданную из одного изображения и текстового запроса, серии графики для соцсетей и планы оформления разных комнат в доме.
Улучшения качества доступны всем пользователям ChatGPT, даже без режима рассуждения. OpenAI сообщает, что генератор точнее передаёт характерные черты фотографий и лучше справляется с пиксель-артом, мангой, кадрами в стиле кино и другими типами изображений.
Компания также заявляет, что модель лучше обрабатывает элементы, с которыми прошлые версии часто ошибались: мелкий текст, иконки, элементы интерфейса, плотные композиции и тонкие стилистические указания.
Поддерживаются форматы с соотношением сторон от 3:1 до 1:3. Это охватывает баннеры, слайды презентаций и экраны мобильных устройств. Через API доступно разрешение до 2K.
Для разработчиков модель доступна через API под названием gpt-image-2. Тарификация идёт по токенам: 8 долларов за миллион входных токенов изображения и 30 долларов за миллион выходных. Текстовые токены стоят 5 долларов за миллион входных и 10 долларов за миллион выходных. Кэшированные входные данные стоят дешевле.
Фактическая цена одного изображения зависит от качества и разрешения. По данным OpenAI, изображение 1024 x 1024 стоит 0,006 доллара при низком качестве, 0,053 доллара при среднем и 0,211 доллара при высоком.
Для формата 1024 x 1536 цены составляют 0,005, 0,041 и 0,165 доллара соответственно. При высоком качестве это дешевле, чем у прошлой версии: 0,165 доллара против 0,20 и 0,25 доллара у GPT Image 1.5. При этом стандартное изображение 1024 x 1024 в высоком качестве у новой модели стоит дороже — 0,211 доллара против 0,133 доллара у GPT Image 1.5.
OpenAI отмечает, что вывод через API выше 2K пока находится в бета-режиме и может давать нестабильный результат.
Компания называет целевыми сценариями локализованную рекламу, инфографику, образовательные материалы, инструменты дизайна и творческие платформы. В Codex генерация изображений появится прямо в рабочем пространстве, без отдельного API-ключа.
Ранее модель под кодовым именем gpt-image-2 уже тестировали отдельные пользователи ChatGPT. По информации The Decoder, доступ сначала получили тестировщики в США или пользователи с американскими аккаунтами. Издание также писало, что модель лучше справляется со сложными изображениями и схемами с текстом, включая детализированные скриншоты, и уменьшает характерный «ИИ-вид» изображений с чрезмерно гладкой кожей и слишком идеальным освещением.
Источник: OpenAI, The Decoder.
