ChatGPT Images 2.5: edycja komentarzem zmienia sposób pracy z grafiką

👁 115 przeczytań

OpenAI wypuściło ChatGPT Images 2.5. Firma wymienia cztery zmiany: szybsze generowanie, wierniejsze odwzorowanie, spójność szczegółów przy wielu kolejnych poprawkach oraz edycję komentarzem, czyli wskazywanie fragmentu obrazu, który ma się zmienić. Ostatnia z nich jest najciekawsza i to o niej warto porozmawiać najpierw, bo zmienia sposób pracy, a nie tylko jakość wyniku.

Edycja komentarzem, czyli koniec opisywania całego obrazu od nowa

Dotąd poprawianie wygenerowanej grafiki wyglądało tak: opisujesz jeszcze raz, co ma być na obrazie, dodajesz uwagę o tym, co zmienić, i modlisz się, żeby reszta została nietknięta. W praktyce zwykle nie zostawała. Poprawiłeś rękę, zepsuło się tło. Poprawiłeś tło, zmieniła się twarz.

Edycja komentarzem odwraca ten układ. Wskazujesz miejsce i piszesz, co ma się tam zmienić, a reszta obrazu zostaje. To jest ta sama różnica, co między przepisaniem całego akapitu a poprawieniem jednego słowa. Jeśli zadziała tak, jak zapowiada producent, znika główny powód, dla którego profesjonaliści woleli generatory z dokładną kontrolą nad fragmentem, opisane w przewodniku po generatorach obrazów AI.

Trzy pozostałe zmiany

Szybsze generowanie. Producent nie podaje liczb, więc to trzeba zmierzyć samemu. Przy pracy seryjnej czas jednego obrazu przekłada się wprost na to, ile wariantów zdążysz sprawdzić.

Wierniejsze odwzorowanie. W zapowiedzi mowa o obrazach bardziej naturalnych i lepiej rozpoznawalnych. To sformułowanie zwykle oznacza mniej dziwnych rąk, mniej zniekształconych twarzy i mniej przedmiotów, które nie trzymają się fizyki.

Spójność przy wielu poprawkach. Najbardziej praktyczna z trzech. Przy piątej poprawce tej samej grafiki dotychczasowe modele potrafiły zgubić styl albo podmienić postać. Jeśli to naprawiono, dopiero wtedy da się prowadzić serię obrazów jako komplet.

Czego jeszcze nie wiadomo

Nie ma informacji o cenie ani o tym, w których planach model jest dostępny. Nie ma go jeszcze w interfejsie programistycznym: na OpenRouter widnieją nadal starsze warianty obrazowe OpenAI, więc automatyzacje oparte na API na razie działają na poprzedniej generacji. Nie ma też żadnych niezależnych porównań. Wszystko powyżej pochodzi z oficjalnej zapowiedzi i tak to tutaj podaję.

Najważniejsze pytanie z polskiej perspektywy zostaje bez odpowiedzi: jak model radzi sobie z polskim tekstem na obrazie. To najsłabszy punkt całej kategorii i sprawdzam go osobno w teście polskiej typografii w generatorach. Wyniki dla nowej wersji dopiszę, gdy je zmierzę.

Jak to sprawdzić samemu w kwadrans

1. Ten sam prompt, dwa modele. Wygeneruj identyczne polecenie na starej i nowej wersji i porównaj obok siebie. Bez tego wszystko jest wrażeniem.
2. Pięć poprawek pod rząd. Weź jeden obraz i zmieniaj po jednym elemencie. Licz, przy której poprawce model gubi resztę.
3. Polski napis. Poproś o plakat z tekstem zawierającym ą, ę, ś, ż i ź. To rozstrzyga, czy nadaje się do materiałów na polski rynek.
4. Ta sama postać dwa razy. Sprawdź, czy w drugim obrazie to nadal ta sama osoba. Na tym wykłada się większość generatorów.

Porównanie z poprzednią generacją opisuję w tekście ChatGPT Images 2.5 kontra 2.0, a co potrafiła wersja poprzednia, w opracowaniu o ChatGPT Images 2.0.

Nasze testy, wszystkie w jednym miejscu

Zamiast powtarzać zapowiedzi producenta, sprawdziliśmy je po kolei na własnym materiale. Każdy z tekstów opisuje jeden test, jego wynik i granice wniosku. Wspólne zastrzeżenie dla całej serii: wbudowane narzędzie graficzne OpenAI nie ujawnia identyfikatora modelu, więc wyniki opisują stan zastany, a nie konkretną, nazwaną generację.

• Edycja komentarzem: jedenaście poprawek w dwóch seriach. Niezamówione zmiany pojawiły się już przy pierwszej, w drugiej serii potwierdzone porównaniem pikseli.
• Polskie znaki na grafice: dwadzieścia diakrytyków na pięciu grafikach tekstowych, wszystkie odwzorowane poprawnie.
• Logotyp z AI: sześć wariantów jednego znaku. Spójne stylistycznie, ale nie identyczne, i dlatego to jeszcze nie jest identyfikacja.
• Miniatury na YouTube: sześć miniatur ocenianych w rozmiarze, w jakim widzi je widz, czyli przy szerokości 320 pikseli.
• Portrety postaci historycznych: sześciu polskich uczonych i decyzja o konwencji, którą trzeba podjąć przed pierwszym poleceniem.
• Rebranding znanych marek: osiem makiet spekulacyjnych i zaskakujący szczegół, bo model sam podpisał obrazy jako propozycje.