gpt-image-2

Что это за модель

gpt-image-2 — модель OpenAI, которая рисует картинки по текстовому описанию и правит готовые изображения. Ей можно дать фото или макет и попросить изменить только выбранную часть. Это называется инпейнтинг (inpainting): модель перерисовывает заданный участок и не трогает остальное. В ChatGPT на ней работала генерация картинок под названием ChatGPT Images 2.0. Разработчикам она доступна через API и в Codex, а в обычный чат-интерфейс API её подключить нельзя: у неё отдельные адреса API для создания и правки изображений.

Главное отличие от прошлых версий, по словам OpenAI, — более аккуратные правки, лучшая компоновка, точнее выполненные инструкции и надписи на разных языках. Компания отдельно выделяет схемы, инфографику и диаграммы: модель лучше справляется с картинками, где важна структура. Разрешение достигает 2K, соотношение сторон можно выбирать. OpenAI сообщала, что на старте модель заняла первое место во всех рейтингах Image Arena, где люди сравнивают картинки разных моделей. В тесте «текст в изображение» отрыв составил 242 балла.

Её берут для рабочих картинок: иллюстраций для приложений и рекламы, постов в соцсетях, слайдов и документации. Там особенно важно, чтобы надписи читались и макет не разваливался. Модель умеет делать прозрачный фон, поэтому подходит для иконок и элементов интерфейса. Её можно вызывать из агентов, которые сами собирают нужные изображения по ходу задачи.

В документации OpenAI перечисляет ограничения. Сложный запрос может обрабатываться до двух минут. Текст стал заметно лучше, но расположение и чёткость надписей всё ещё бывают неточными. Модели трудно держать одинаковыми повторяющихся персонажей и элементы бренда, а в макетах, где важна точная раскладка, она может поставить элемент не туда. Позже OpenAI выпустила линейку gpt-image-2.5 из двух моделей: Sunburst для точных правок и Flare для быстрой повседневной генерации.

Источники: Анонс gpt-image-2 для разработчиков, Карточка модели в документации OpenAI, Руководство по генерации изображений