نسخه 2.5 از ChatGPT Images با ادیت دقیق‌تر و سرعت بیشتر
اوپن‌ای‌آی از نسخه 2.5 مدل تصویرسازی خود رونمایی کرده؛ نسخه‌ای که وعده جزئیات شارپ‌تر، ادیت دقیق‌تر و تولید سریع‌تر را می‌دهد. اما پشت این رونمایی، بحثی جدی‌تر در جریان است: آیا این ابزار برای ساخت واقعی چیزی طراحی شده یا فقط برای تخیل‌بازی با تصاویر؟
اوپن‌ای‌آی از نسخه 2.5 مدل تصویرسازی خود رونمایی کرده؛ نسخه‌ای که وعده جزئیات شارپ‌تر، ادیت دقیق‌تر و تولید سریع‌تر را می‌دهد. اما پشت این رونمایی، بحثی جدی‌تر در جریان است: آیا این ابزار برای ساخت واقعی چیزی طراحی شده یا فقط برای تخیل‌بازی با تصاویر؟
عددی که نشان می‌دهد بازی چقدر بزرگ شده
بیش از ۳ میلیارد تصویر در هفته، بین ChatGPT Images و مدل‌های API خانواده GPT-Image، ساخته می‌شود. این عدد به‌تنهایی نشان می‌دهد تولید تصویر با هوش مصنوعی از یک قابلیت جانبی به یک زیرساخت روزمره تبدیل شده است. در این مقیاس، حتی بهبودهای کوچک در کیفیت یا سرعت، اثر انبوهی روی تجربه کاربر می‌گذارند؛ و همین چیزی است که اوپن‌ای‌آی با نسخه 2.5 روی آن سرمایه‌گذاری کرده. جزئیات شارپ‌تر، نورپردازی طبیعی‌تر، بافت‌های غنی‌تر و مهم‌تر از همه، حفظ بهتر سوژه از عکس‌های مرجع در ادیت‌های چندمرحله‌ای. اما رقمی که واقعاً چشم‌گیر است، کاهش تا ۵۰ درصدی تأخیر تولید نسبت به Images 2.0 است؛ تغییری که مستقیماً روی مدل پیش‌فرض API یعنی GPT-Image-2.5 Flare هم منعکس شده.
دو مدل برای دو نیاز متفاوت در API
اوپن‌ای‌آی به‌جای یک مدل یکسان برای همه کاربردها، دو گزینه ارائه کرده است. GPT-Image-2.5 Flare گزینه پیش‌فرض برای اکثر اپلیکیشن‌هاست؛ کیفیتش بالاتر از GPT-Image-2 است، آن‌هم با نیمی از تأخیر. در مقابل، GPT-Image-2.5 Sunburst برای کارهای خلاقانه‌ی جزئی‌تر ساخته شده و زمان تولید بیشتری می‌طلبد؛ انتخابی برای زمانی که سرعت اهمیت کمتری نسبت به دقت بصری دارد. این تفکیک نشان می‌دهد اوپن‌ای‌آی دیگر تصویرسازی را یک محصول واحد نمی‌بیند، بلکه طیفی از نیازها را هدف گرفته؛ از تولید انبوه سریع تا کارهای خلاقانه‌ی سنگین‌تر. اما ابزارهای جدید سمت مصرف‌کننده هم به همین اندازه قابل توجه‌اند.
از طراحی دستی تا کامنت‌گذاری روی تصویر
قابلیت Sketch به کاربر اجازه می‌دهد مستقیماً در ChatGPT چیزی بکشد و آن را به‌عنوان مرجع تصویری استفاده کند؛ رویکردی که فاصله بین ایده‌ی ذهنی و پرامپت متنی را کم می‌کند. کنار آن، قالب‌های آماده برای فرمت‌هایی مثل پوستر و کالای تجاری، و امکان گذاشتن کامنت مستقیم روی بخش‌هایی از تصویر برای ادیت متمرکز، تجربه را به سمت یک ابزار طراحی واقعی‌تر می‌برد. کاربران همچنین می‌توانند پرامپت‌های خود را برای استفاده مجدد با عکس و جزئیات دیگران به اشتراک بگذارند. این مجموعه در ChatGPT، ChatGPT Work و Codex، روی دسکتاپ، موبایل و وب در دسترس است. اما دقیقاً همین دسترسی گسترده است که واکنش‌های متفاوتی برانگیخته.
جایی که تحسین فنی به نگرانی عملی می‌رسد
برخی کاربران به بهبود امتیازهای مدل در لیدربردهای تصویرسازی اشاره کرده‌اند و آن را پایه‌ای امیدوارکننده برای آزمایش‌های بیشتر می‌دانند؛ یکی حتی از استفاده این مدل‌ها برای تصویرسازی صحنه‌های مجموعه کتاب Riverworld گفته. اما نقد جدی‌تری هم مطرح است: در یکی از تصاویر نمایشی، جزئیاتی مثل ساختار دندان یا قرارگیری انگشتان به‌درستی حفظ نشده بود. عده‌ای هم نگران‌اند که نمونه‌های تبلیغاتی بیشتر حول تخیل مالکیت یا تجربه‌های ساختگی می‌چرخند تا نیازهای واقعی تولید مثل لیبل، بنر، اسپرایت، بافت یا تصویر وب‌سایت؛ و طبق گفته یک کاربر، مدل هنوز نمی‌تواند شیت اسپرایت بسازد. جمعی دیگر از کاربران، شباهت بصری خروجی‌ها به منوها و پوسترهای ساخته‌شده با هوش مصنوعی را نگران‌کننده می‌دانند، و برخی صریحاً گفته‌اند ترجیح می‌دهند پرامپت را ببینند تا اینکه خروجی ساخته‌شده با AI را معادل کار خلاقانه‌ی انسانی بدانند. این تنش بین قدرت فنی و کاربرد واقعی، دقیقاً همان چیزی است که تعیین می‌کند نسخه 2.5 در عمل چقدر فراتر از یک دموی چشم‌نواز می‌رود.
مشخصات
- حجم تولید هفتگی تصویر: بیش از ۳ میلیارد تصویر
- بهبود تأخیر نسبت به Images 2.0: تا ۵۰٪ کمتر
- مدل API: GPT-Image-2.5 Flare
- مدل API: GPT-Image-2.5 Sunburst
- فعال‌سازی اسکچ: @Sketch
- پلتفرم‌های پشتیبانی‌شده: دسکتاپ، موبایل و وب
منابع
- OpenAI — OpenAI