Представянето на GPT-Image-2 беше голяма крачка за OpenAI. Моделът отбеляза истински пробив, защото вече се справяше успешно и с генерирането на текст в изображенията. Сега GPT-Image-2.5 продължава в същата посока и позволява още по-бърза работа.

„Авангардният модел за изображения осигурява по-ясни детайли, по-прецизно редактиране и по-бързо генериране за творческите работни процеси“, подчертава OpenAI.

Важна промяна за всекидневната употреба е съкращаването на времето за изчакване при генериране на изображения с 50 %. Така изкуственият интелект ще създава по-бързо изображения, съобразени с указанията на потребителя. Моделът ще следва по-точно зададените инструкции, което ще ускорява реализирането на идеи и концепции.

Отвори галерията

GPT-Image-2.5 ще пресъздава по-естествено осветлението в изображенията и ще създава по-богати текстури. Освен това ще пренася желаните обекти от референтните изображения, подадени заедно с инструкциите, в новото изображение, като запазва по-точно техните характеристики. Благодарение на това комбинирането на няколко изображения ще дава подходящ резултат значително по-бързо. Друго важно подобрение е, че ChatGPT ще осигурява по-голяма последователност при многократно редактиране. Все още е проблем, че натрупването на множество дребни промени може да доведе до значителни изкривявания във всяка част на изображението. 

Отвори галерията

Въведена е функцията Sketch, която позволява създаването на скица в самата услуга. Така директно в ChatGPT може бързо да се подготви отправна точка, която да насочва процеса на генериране. Тази скица се използва по същество по същия начин като качена от потребителя рисунка, така че функцията представлява нов начин за използване и разширяване на мултимодалните възможности. 

Отвори галерията

За хората, които използват модела в работата си, важно подобрение е по-доброто разбиране на сложни визуални инструкции и превръщането им в цялостни, логически свързани изображения. Съдържанието на изображения с информация от реалния свят ще се възпроизвежда по-точно дори при инструкции и композиции, които надхвърлят границите на въображението. Моделът вече може да обработва и елементи с прозрачен фон, като отчита реалните им физически свойства. GPT-Image-2.5 ще възпроизвежда по-добре и визуални стилове, така че генерираните от него изображения да отговарят по-точно на художествения замисъл.

Отвори галерията

Моделът за изображения GPT-Image-2.5 вече може да бъде изпробван в ChatGPT, ChatGPT Work и Codex на всички платформи, на които са достъпни услугите на OpenAI. Осигурен е и достъп през API, където се предлагат два варианта. Единият е Flare, който включва основните подобрения в качеството, редактирането и скоростта. Другият е Sunburst, който осигурява още по-висока прецизност и детайлност при творческа работа, но изисква по-дълго изчакване на резултата.

Отвори галерията

Новият модел вече оглави класацията в популярния тест Image Edit Arena, и то със солидна преднина. GPT-Image-2.5 Sunburst достигна 1.520 Elo точки, а GPT-Image-2.5 Flare може да се похвали с 1.491 точки. Досега начело беше GPT-Image-2 с резултат от 1.461 точки. Най-добрият вариант на Grok-Imagine постигна едва 1.439 точки и е почти наравно с MAI-Image-2.6, който събра 1.434 точки. Най-усъвършенстваните версии на Gemini, Muse и Seedream остават около 1.400 точки. 

Накрая си струва да разгледаме и цените, при които развитието не е толкова благоприятно. GPT-Image-2 обработваше 1 милион входни токена за 4 долара, а генерирането на същото количество изходни данни под формата на изображения струваше 15 долара. GPT-Image-2.5 е два пъти по-скъп: цената за 1 милион входни токена вече е 8 долара, а за генерирането на 1 милион изходни токена — 30 долара. Съответно при използването на новия модел потребителите могат да изчерпят наличните си лимити по-бързо.

Абонамент за бюлетина

Коментари: 0

За да напишете коментар, първо влезте в профила си!

Все още няма коментари към тази статия!

Помогнете на другите, като споделите какво мислите за статията.

Свързани статии

Към началото на страницата