OpenAI je izdao ChatGPT Images 2.5 i predstavio dva nova modela generiranja slika za programere, dodajući eksplicitniju podjelu brzine u odnosu na kvalitetu svojoj API površini za slike.
Tvrtka je objavila izdanje 8. rujna, rekavši da je Images 2.5 dostupan svim korisnicima ChatGPT-a, ChatGPT Work-a i Codex-a na stolnim računalima, mobilnim uređajima i webu. Za programere, dosljednija promjena je dolazak GPT-Image-2.5 Flare i GPT-Image-2.5 Sunburst. OpenAI pozicionira Flare kao brži model svakodnevne generacije, dok je Sunburst usmjeren na kreativni rad veće preciznosti gdje su detalji i slijeđenje uputa važniji.
Ta je razlika važna jer generiranje slika postaje dio običnog poslovnog softvera, a ne zasebni kreativni eksperiment. Marketinški alati, trgovačke platforme, sustavi pregleda dizajna, proizvodi za omogućavanje prodaje i tijekovi rada agenata sve više generiraju ili uređuju slike putem API-ja. Novo izdanje daje tim timovima više kontrole, ali im daje i više odluka o troškovima i upravljanju.
Što se promijenilo u API-ju
Informacije o javnom modelu OpenAI-ja za GPT-Image-2.5 Sunburst navode unos teksta i slike, izlaz slike i podršku za krajnje točke stvaranja i uređivanja slika. Također navodi šest postavki kvalitete, uključujući više razine xhigh i max. Sunburst objavljene cijene OpenAI-ja pokazuju 5 USD za milijun tokena za unos teksta, 8 USD za milijun tokena za unos slike i 30 USD za milijun tokena za izlaz slike.
Tvrtka također kaže da je latencija generiranja slike smanjena do 50% u usporedbi sa Images 2.0. Ta je brojka vlastita tvrdnja OpenAI-ja, a nezavisne usporedbe još su rane. Unatoč tome, smjer je jasan: OpenAI pokušava učiniti da se stvaranje slika manje osjeća kao povremeni skupni posao, a više kao interaktivna mogućnost unutar proizvoda i radnih procesa.
Za programere, praktična promjena nije samo "bolji model slike". To je širi problem usmjeravanja. Neki slučajevi upotrebe trebaju brze skice, rezervirana mjesta, društvene varijante ili koncepte minijatura. Drugima su potrebna kontrolirana uređivanja, vizualni elementi osjetljivi na robnu marku, kompozicije uz proizvod ili detaljnija sredstva gdje neuspješno generiranje gubi vrijeme ljudskog pregleda. Flare i Sunburst daju timovima način da razdvoje te poslove umjesto da svaki zahtjev guraju kroz istu postavku modela.
Zašto bi tvrtke trebale obratiti pozornost
Utjecaj na poslovanje prvo će se pokazati u timovima koji već generiraju velike količine slika. Pomoćnik za dizajn koji stvara deset grubih opcija za svaki upit ima drugačiji profil troškova od tijeka rada koji stvara jedan visokokvalitetni materijal kampanje nakon nekoliko krugova pregleda. Dodajte unose slika, uređivanja, razine više kvalitete i ponovljene iteracije, a potrošnja se može brzo kretati.
To čini vidljivost važnijom od same najave modela. Tvrtke će morati pratiti koji proizvodi, korisnici, timovi, upute, veličine slika i postavke kvalitete potiču potrošnju. Jednostavna mjesečna faktura dobavljača neće biti dovoljna timovima za financije ili platforme koji pokušavaju shvatiti poboljšavaju li kvalitetnije generacije učinak ili samo povećavaju troškove eksperimentiranja.
Ovdje kontrola troškova AI API-ja postaje operativna, a ne teoretska. Radna opterećenja slika često imaju vidljiviju vrijednost za krajnjeg korisnika od zadataka koji se sastoje samo od teksta, ali također mogu sakriti skupe uzorke ponovnog pokušaja. Korisnik se može nastaviti regenerirati sve dok vizual ne izgleda ispravno. Agent može više puta pozvati krajnju točku za uređivanje kako bi zadovoljio nejasne upute. Proizvod može prema zadanim postavkama imati vrhunsku razinu kvalitete jer nitko nije postavio pravila prema vrsti tijeka rada.
Za tvrtke koje koriste platformu s više modela kao što je B2B LLM, izdanje jača argumente za politike usmjeravanja umjesto odabira modela koji odgovara svima. Timovi proizvoda možda žele Flare kao zadanu postavku za ideje, Sunburst za odobrene proizvodne tijekove rada i zasebna ograničenja za skupno generiranje, uređivanje slika i visokokvalitetni izlaz. Iste kontrole koje su važne za tekstualne modele, uključujući dopuštenja na razini organizacije, upravljanje ključem API-ja, analitiku upotrebe i upozorenja o proračunu, postaju važnije kada se generiranje slika doda na hrpu.
Tko je pogođen
Programeri koji izrađuju kreativne alate najizravnija su publika. Sada imaju jasniji izbor modela za balansiranje latencije, kvalitete i cijene. SaaS timovi koji ugrađuju vizualno generiranje u tijekove rada korisnika morat će pažljivo izložiti taj izbor. Dopustiti svakom krajnjem korisniku da odabere postavku najviše kvalitete može biti jednostavno, ali može stvoriti nepredvidivu ekonomičnost jedinice.
Timovi za marketing i brend također su pogođeni, posebno ako se oslanjaju na nacrte koje je generirala umjetna inteligencija prije ljudskog odobrenja. Bolja latencija može skratiti kreativnu petlju, ali više dostupnih generacija također može povećati teret pregleda. Korisno pitanje nije mogu li timovi stvoriti više slika. Važno je mogu li ih izraditi, odabrati, urediti, odobriti i arhivirati s dovoljno kontrole da odgovaraju postojećim procesima robne marke i usklađenosti.
Timovi za platformu i sigurnost imaju drugačiji problem: unos i uređivanje slika može uključivati osjetljive slike proizvoda, neobjavljen materijal kampanje, snimke zaslona, sadržaj koji su poslali korisnici ili regulirane informacije. Kako multimodalni API-ji ulaze dublje u poslovne tijekove rada, tvrtke moraju odlučiti koji se podaci mogu slati kojem pružatelju usluga, koji timovi mogu koristiti unos slika i kako se zapisi i generirana imovina zadržavaju.
Ono što ostaje neizvjesno
Nekoliko pojedinosti i dalje zahtijevaju pažljivo rukovanje. Poboljšanje latencije OpenAI-ja izvješćuje dobavljač, tako da bi timovi trebali usporediti svoje vlastite upite, veličine slika, regije i obrasce paralelnosti prije promjene proizvodnih pretpostavki. Javni izvorni materijal također daje jasnije pojedinosti o cijenama za Sunburst nego za Flare; tvrtke bi trebale provjeriti točnu cijenu modela izravno prije nego što navedu cijene za klijente ili postave interna pravila povrata.
Kvalitetu je također teško svesti na naziv modela. Sunburst može biti bolji za detaljan kreativni rad, ali jeftiniji ili brži put može biti dovoljno dobar za nacrte, interne modele ili personalizaciju s niskim rizikom. Najbolja implementacija vjerojatno će kombinirati politiku, mjerenje i dizajn ljudskog tijeka rada: usmjeriti generacije rutina na brže postavke, rezervirati premium razine za odobrene slučajeve upotrebe i pratiti stope ponovnih pokušaja jednako pažljivo kao početni volumen zahtjeva.
OpenAI-jevo izdanje Images 2.5 stoga se manje bavi jednom novom kreativnom značajkom nego multimodalnom umjetnom inteligencijom koja postaje upravljana poslovna usluga. Timovi koji će imati najviše koristi bit će oni koji generiranje slika tretiraju kao proizvodnu infrastrukturu: mjereno, dopušteno, usmjeravano i pregledano s istom ozbiljnošću kao i druge mogućnosti koje pokreću API.