OpenAI ha llançat ChatGPT Images 2.5 i ha introduït dos nous models de generació d'imatges per als desenvolupadors, afegint una divisió més explícita de velocitat versus qualitat a la superfície de l'API d'imatge.

La companyia va anunciar el llançament el 8 de setembre, dient que Images 2.5 està disponible per a tots els usuaris de ChatGPT, ChatGPT Work i Codex a ordinadors, mòbils i web. Per als desenvolupadors, el canvi més conseqüent és l'arribada de GPT-Image-2.5 Flare i GPT-Image-2.5 Sunburst. OpenAI posiciona Flare com el model de generació diària més ràpida, mentre que Sunburst està orientat a un treball creatiu de més precisió on els detalls i el seguiment de les instruccions són més importants.

Aquesta distinció és important perquè la generació d'imatges s'està convertint en part del programari empresarial normal en lloc d'un experiment creatiu independent. Les eines de màrqueting, les plataformes de comerç, els sistemes de revisió del disseny, els productes d'habilitació de vendes i els fluxos de treball d'agents generen o editen imatges cada cop més mitjançant API. La nova versió ofereix a aquests equips més control, però també els proporciona més decisions de govern i de costos per prendre.

Què ha canviat a l'API

La informació del model públic d'OpenAI per a GPT-Image-2.5 Sunburst enumera l'entrada de text i la imatge, la sortida d'imatges i el suport tant per a la generació d'imatges com per a l'edició d'imatges. També enumera sis paràmetres de qualitat, inclosos els nivells xhigh i max. Els preus Sunburst publicats d'OpenAI mostren 5 $ per milió de fitxes d'entrada de text, 8 $ per milió de fitxes d'entrada d'imatge i 30 $ per milió de fitxes de sortida d'imatges.

La companyia també diu que la latència de generació d'imatges s'ha reduït fins a un 50% en comparació amb Images 2.0. Aquesta xifra és la reivindicació pròpia d'OpenAI, i les comparacions independents encara són primerenques. Tot i així, la direcció és clara: OpenAI intenta que la generació d'imatges se senti menys com un treball per lots ocasional i més com una capacitat interactiva dins dels productes i dels fluxos de treball.

Per als desenvolupadors, el canvi pràctic no és només "un millor model d'imatge". És un problema d'encaminament més ampli. Alguns casos d'ús necessiten esborranys ràpids, marcadors de posició, variants socials o conceptes en miniatura. Altres necessiten edicions controlades, imatges sensibles a la marca, composicions adjacents al producte o actius més detallats on una generació fallida perd temps de revisió humana. Flare i Sunburst ofereixen als equips una manera de separar aquestes feines en lloc d'impulsar totes les sol·licituds mitjançant la mateixa configuració del model.

Per què les empreses haurien de prestar atenció

L'impacte empresarial apareixerà primer en equips que ja generen imatges a volum. Un assistent de disseny que crea deu opcions aproximades per a cada sol·licitud té un perfil de cost diferent d'un flux de treball que crea un actiu de campanya d'alta qualitat després de diverses rondes de revisió. Afegiu entrades d'imatge, edicions, nivells de més qualitat i iteracions repetides, i la despesa es pot moure ràpidament.

Això fa que l'observabilitat sigui més important que l'anunci del model en si. Les empreses hauran de fer un seguiment de quins productes, usuaris, equips, indicacions, mides d'imatge i paràmetres de qualitat impulsen la despesa. Una simple factura mensual del proveïdor no serà suficient per als equips financers o de plataforma que intentin entendre si les generacions de més qualitat milloren la producció o simplement augmenten els costos d'experimentació.

Aquí és on el control de costos de l'API AI esdevé operatiu en lloc de ser teòric. Les càrregues de treball d'imatge solen tenir un valor per a l'usuari final més visible que les tasques només de text, però també poden amagar patrons de reintent cars. Un usuari pot continuar regenerant-se fins que un visual sembla correcte. Un agent pot trucar a un punt final d'edició repetidament per satisfer una instrucció vaga. És possible que un producte tingui un nivell de qualitat superior per defecte perquè ningú no ha establert una política per tipus de flux de treball.

Per a les empreses que utilitzen una plataforma multimodel, com ara B2B LLM, la versió reforça el cas de les polítiques d'encaminament en lloc de la selecció de models de mida única. És possible que els equips de producte vulguin Flare com a predeterminat per a la ideació, Sunburst per als fluxos de treball de producció aprovats i límits separats per a la generació massiva, les edicions d'imatges i la sortida d'alta qualitat. Els mateixos controls que són importants per als models de text, inclosos els permisos a nivell d'organització, el govern de la clau de l'API, l'anàlisi d'ús i les alertes de pressupost, es tornen més importants quan s'afegeix la generació d'imatges a la pila.

Qui està afectat

Els desenvolupadors que creen eines creatives són el públic més directe. Ara tenen una opció de model més clara per equilibrar la latència, la qualitat i el cost. Els equips de SaaS que integren la generació visual als fluxos de treball dels clients hauran d'exposar aquesta elecció amb cura. Permetre que cada usuari final seleccioni la configuració de màxima qualitat pot ser senzill, però pot generar una economia de la unitat imprevisible.

Els equips de màrqueting i de marca també es veuen afectats, sobretot si es basen en esborranys generats per IA abans de l'aprovació humana. Una millor latència pot escurçar el cicle creatiu, però més generacions disponibles també poden augmentar la càrrega de revisió. La pregunta útil no és si els equips poden crear més imatges. És si poden crear-los, seleccionar-los, editar-los, aprovar-los i arxivar-los amb prou control per adaptar-se als processos de marca i compliment existents.

Els equips de seguretat i de plataforma tenen una preocupació diferent: les entrades i les edicions d'imatges poden incloure imatges de productes sensibles, material de campanya no publicat, captures de pantalla, contingut enviat pels clients o informació regulada. A mesura que les API multimodals s'aprofundeixen en els fluxos de treball empresarials, les empreses han de decidir quines dades es poden enviar a quin proveïdor, quins equips poden utilitzar l'entrada d'imatge i com es conserven els registres i els actius generats.

Què segueix sent incert

Diversos detalls encara necessiten un tractament acurat. La millora de la latència d'OpenAI s'informa del proveïdor, de manera que els equips haurien de comparar-se amb les seves pròpies indicacions, mides d'imatge, regions i patrons de concurrència abans de canviar els supòsits de producció. El material de font pública també ofereix detalls de preus més clars per a Sunburst que per a Flare; les empreses haurien de verificar el preu exacte del model directament abans de cotitzar tarifes per als clients o establir regles internes de retrocàrrec.

La qualitat també és difícil de reduir a un nom de model. Sunburst pot ser el més adequat per a un treball creatiu detallat, però un camí més barat o més ràpid pot ser prou bo per a esborranys, maquetes internes o personalització de baix risc. La millor implementació probablement combinarà polítiques, mesurament i disseny de flux de treball humà: encamineu les generacions de rutines a paràmetres més ràpids, reserveu nivells premium per a casos d'ús aprovats i supervisarà les taxes de reintents tan de prop com el volum de sol·licitud inicial.

Per tant, la versió 2.5 d'OpenAI d'Imatges tracta menys d'una única funció creativa nova que de la IA multimodal que es converteixi en un servei empresarial gestionat. Els equips que més es beneficiaran seran els que tracten la generació d'imatges com una infraestructura de producció: mesurada, autoritzada, encaminada i revisada amb la mateixa serietat que altres capacitats basades en API.