gpt-image-1.5

Что это за модель

GPT Image 1.5 — модель OpenAI, которая рисует картинки по текстовому описанию и правит уже готовые изображения. На ней работал обновлённый раздел ChatGPT Images, который открыли всем пользователям чат-бота. Разработчикам модель доступна через API. OpenAI при запуске называла её своей флагманской моделью для изображений, но теперь в документации она значится как «предыдущая модель генерации изображений»: её сменила более новая версия.

От предшественницы gpt-image-1 она отличается прежде всего правкой картинок. По словам компании, при изменениях она сохраняет лица, освещение и логотипы, не меняет внешность человека от правки к правке и не трогает тени и перспективу остальной сцены. OpenAI также заявляет, что модель точнее выполняет запросы, лучше понимает физику и трёхмерное пространство, чище выводит мелкий и плотный текст на изображении и работает до четырёх раз быстрее. Картинки на входе и на выходе в API стоят на 20% дешевле, чем у gpt-image-1.

OpenAI рекомендует модель для творческих инструментов, интернет-магазинов и маркетинговых сервисов. Например, чтобы собрать каталог товаров или сделать материалы с логотипом бренда, который должен остаться без искажений. Она умеет дорисовывать или заменять выделенную часть картинки (inpainting).

Работает модель только через адреса API для генерации и редактирования изображений, а также через пакетную обработку, когда запросы отправляют разом и получают ответы позже. В обычном чате, в режиме реального времени и для дообучения её использовать нельзя. Первые пользователи заметили, что при правке по маске модель заново рисует всю картинку, а не только выделенную область. Поэтому невыделенные участки тоже могут немного измениться.

Источники: Анонс GPT Image 1.5 на форуме разработчиков OpenAI, Страница модели в документации OpenAI