I Aipress test med varianten Sunburst fungerade både klädbyten och ommöbleringar med bibehållna ansikten och rum. Långa affischtexter återgavs ordagrant. Två efterfrågade detaljer blev däremot fel: antalet fristående öar i en spelmiljö och placeringen av måttlinjer i en byggdetalj. En animerad kanin fungerade direkt, medan en SVG-logotyp kom tillbaka först efter upprepade serverfel.
Vad är skillnaden mellan Flare och Sunburst?
OpenAI erbjuder två varianter i API:t, anslutningen som låter andra program använda bildmodellerna. GPT-Image-2.6 Flare prioriterar snabbhet. GPT-Image-2.6 Sunburst, som utvecklare kan använda via API:t, är inriktad på mer detaljerade bilder och på att bevara detaljer mellan redigeringar med kvalitetsinställningen medium eller high.
Enligt OpenAI:s presentation av Images 2.6 skapar uppdateringen bilder 50 procent snabbare än tidigare. Bolaget uppger också att Flare med kvaliteten low kan skapa en bild på så lite som sex sekunder och får bättre layout för bland annat affischer och produktbilder.
För den som vill göra bilder i en chatt finns uppdateringen i ChatGPT, där bilder kan skapas och ändras med instruktioner. Den finns även i Codex, OpenAI:s verktyg för programmering. OpenAI anger tillgång på alla abonnemangsnivåer, på dator, mobil och webb.
GIF:ar, markerade ändringar och SVG-filer
En GIF är en kort animation som kan upprepas i en slinga. Med Images 2.6 går det exempelvis att animera en maskot, göra en reaktionsbild eller utforska hur en figur ska röra sig. En enkel skiss kan vara utgångspunkt.
I Aipress GIF-test skulle en kanin vicka på öronen och se likadan ut genom hela animationen. Resultatet bestod av nio bildrutor med samma bakgrund. Öronen gick utåt och tillbaka medan kroppen stod stilla, och övergången från sista till första bildrutan hade inget större hopp än de övriga övergångarna. Animationen tog 68,8 sekunder och kostade 0,1343 dollar till listpris.
API:t får också bildmarkeringar, som redan finns i ChatGPT. Det låter användaren peka ut var i en bild en ändring ska göras. Enligt versionsanteckningarna stöds markeringsstyrd redigering även för berörda modeller i Images 2.5-serien.
Dessutom tillkommer inställningen complexity, som styr hur mycket modellen planerar för att uppfylla instruktionen. Den är skild från bildkvaliteten, som styr detaljrikedom och visuell återgivning. OpenAI rekommenderar low för de flesta redigeringar och medium eller high för scener med många delar eller krav.
SVG-exporten fungerar i två steg: bildmodellen skapar först en vanlig bild, sedan skriver en textmodell om bilden till en vektorfil. Utvecklaren måste själv välja textmodellen i API:t.
Aipress bildtest: text, klädbyten och rum
Aipress.se använde GPT-Image-2.6 Sunburst genom OpenAI:s Image API. Bilderna beställdes med kvaliteten xhigh. Modellen fick själv välja bildens storlek och proportioner. SVG-testet gav resultat med auto, där modellen själv väljer kvalitet.
Testet kontrollerade om bilderna innehöll de detaljer som instruktionerna begärde, exempelvis rätt text, rätt antal föremål och bevarade delar efter en redigering. I galleriet under tabellen visas bilderna och SVG-filen oredigerade som API:t levererade dem. Inredningsbilderna visas före och efter, och klädprovningarna med personbild, produktbild och resultat.
I företagsbilderna blev namn, telefonnummer, priser och texter rätt. Staplarna i ett diagram motsvarade också de angivna värdenas proportioner. Affischerna klarade även längre texter på fem och sex meningar utan någon felaktig bokstav. I bilderna för sociala medier valde modellen bland annat kvadrat för ett Instagraminlägg, stående format för en story och liggande format för en YouTube-miniatyr.
För inredning skapade modellen först en bild och fick sedan tillbaka den med instruktioner om att ändra rummet. I ett förråd som blev hemmakontor försvann kartongerna och torkställningen. Fönster, dörr, golv och kameravinkel behölls. Även i de andra rumsparen stod de delar som skulle bevaras kvar på sina platser.
Klädtesterna använde två underlag: en bild av en påhittad person och en produktbild av plagget. När en kvinna fick en vinröd omlottklänning behölls ansikte, pose, sandaler och altan. Klänningen fick samma ärmar, skärning och midjeband som på produktbilden och föll naturligt på kroppen. Motsvarande bevarande fungerade även vid byten av bland annat skor, jacka, hatt och väska i de kontrollerade bilderna.
Fotografier, 3D-bilder och framtidsscener klarade sina efterfrågade detaljer. Det gällde bland annat en snigelbagare med exakt tre bullar, en lampa sedd från tre håll och en skogsbuss med sex ledade ben. Även klistermärken, inbjudningar och bilder av appskärmar återgav de kontrollerade texterna och föremålen rätt.
Var blev Sunbursts bilder fel?
I spelbilden av en översvämmad gruva skulle tre klippöar stå i vattnet. Bara två blev fristående. Den tredje blev en hylla som satt ihop med grottväggen. Den trasiga rälsbron och hissen blev däremot rätt.
Byggdetaljen skulle visa en betongbalk över en dörröppning. Öppningens bredd och balkens totala längd måttsattes rätt, men måttlinjerna för balkens upplag började innanför balkens ändar. Därför mätte de inte de sträckor som instruktionen angav, trots att själva måttsiffrorna var rätt.
Det fanns också brister i tillagda detaljer. På ett flygblad stod siffrorna på ett måttband i fel ordning. I en förklaringsbild av en hörapparat blev ordet ljud förvrängt och ett mellanslag saknades. I ventilationsbilden såg ett inledande I ut som ett streck. Dessa inslag låg utanför de detaljer som poängsattes, vilket förklarar varför tabellen ändå visar full poäng för de berörda kategorierna.
Modellen lade dessutom till verkliga företagsnamn och logotyper utan att instruktionen bad om det: på en längdhoppares kläder och nummerlapp samt på flyttkartonger i ett förråd. Under odlingsikonerna fanns vita ljusfläckar på svart bakgrund som kunde se ut som bildfel.
Tid och kostnad i Aipress test
Tabellen visar Aipress resultat per kategori. Rätta detaljer är antalet uppfyllda krav i bilderna, inte ett allmänt kvalitetsbetyg. Inredning och kläder hade flest bilder och högst sammanlagd kostnad eftersom varje uppgift innehöll flera bilder. Spel och teknik var kategorierna med missade poängsatta detaljer.
Tiden är uppmätt per bild och summerad per kategori. Kostnaden är beräknad från respektive anrops förbrukning till OpenAI:s listpris. USD betyder amerikanska dollar och s betyder sekunder.
| Kategori | Uppgifter | Bilder | Rätta detaljer | Tid | Kostnad |
|---|---|---|---|---|---|
| Realistiska foton | 10 | 10 | 30 av 30 | 575,3 s | 0,7245 USD |
| 3D | 8 | 8 | 25 av 25 | 412,6 s | 0,5542 USD |
| Företag | 11 | 11 | 34 av 34 | 579,6 s | 0,8628 USD |
| Sociala medier | 9 | 9 | 24 av 24 | 544,7 s | 0,7760 USD |
| Framtid | 8 | 8 | 24 av 24 | 480,2 s | 0,5202 USD |
| Spel | 8 | 8 | 25 av 26 (gruvan: bara två klippor står fritt i vattnet) | 434,9 s | 0,5223 USD |
| Affischer | 8 | 8 | 26 av 26 | 490,9 s | 0,6780 USD |
| Inredning | 8 par | 16 | 54 av 54 | 907,2 s | 1,2998 USD |
| Kläder | 8 provningar | 24 | 69 av 69 | 1063,5 s | 1,9356 USD |
| Teknik | 7 | 7 | 26 av 27 (betongbalken: måttlinjerna för upplagen börjar innanför balkens ändar) | 330,1 s | 0,4308 USD |
| Förklara och lära | 6 | 6 | 21 av 21 | 320,7 s | 0,3861 USD |
| Personligt och vardag | 8 | 8 | 27 av 27 | 425,0 s | 0,6801 USD |
| Skärmar och appar | 5 | 5 | 16 av 16 | 286,8 s | 0,4130 USD |
| Nytt: animerad GIF | 1 | 1 | 3 av 3 | 68,8 s | 0,1343 USD |
| Summa, 129 bilder | 105 | 129 | 404 av 406 | 6920,3 s | 9,9177 USD |
| Nytt: logotyp som SVG-fil, kvalitet auto (sjunde anropet av åtta) | 1 | SVG-fil | 2 av 2 | 121,6 s | 0,1178 USD |
| Summa, 129 bilder och SVG-filen | 106 | 129 och SVG-filen | 406 av 408 | 7041,9 s | 10,0355 USD |
Realistiska foton
3D-bilder
Företag
Format för sociala medier
Framtidsvisioner
Spel
Affischer
Inredning
Efter
Före
Efter
Före
Efter
Före
Efter
Före
Efter
Före
Efter
Före
Efter
Före
Efter
Före Kläder och accessoarer
Tekniska ritningar
Förklara och lär ut
Personligt och vardagligt
Skärmar och appar
Nya funktioner
En enskild bild tog mellan 26,4 och 81,1 sekunder. Som konkreta prisexempel kostade utterfotot 0,0739 dollar och visitkortet 0,0740 dollar. Förrådet som blev hemmakontor kostade 0,0826 dollar för ursprungsbilden och 0,0943 dollar för redigeringen. Fyra bildanrop gav serverfel, skickades igen efter 30 sekunder och levererade då bilder.
Hur fungerade SVG-exporten i testet?
SVG-uppgiften var en logotyp för den påhittade bokhandeln Bladkotten, med namnet och en öppen bok. Med kvaliteten xhigh slutade alla åtta anrop med serverfel, fördelade på textmodellerna GPT-6.1 Sol och GPT-6.1 Terra.
Med kvaliteten auto och GPT-6.1 Sol på tankenivån medium kom filen tillbaka i det sjunde av åtta anrop. De övriga sju gav serverfel. Det lyckade anropet tog 121,6 sekunder och valde bildkvaliteten medium. Logotypen blev en grön sköld med guldkant och blad, rättstavat namn på en ljus banderoll och en öppen bok under.
Kostnaden för det lyckade anropet var 0,1178 dollar: 0,0601 dollar för bilddelen och 0,0577 dollar för textmodellens del.
Vad kostar Sunburst i API:t?
API-priset beror på mängden token, de enheter som används för att mäta modellens indata och utdata. Text och bilder har olika priser. Tabellen visar Sunbursts listpriser per miljon token. Cachad indata är återanvänd indata som får ett lägre pris.
| Typ av token | Indata | Cachad indata | Utdata |
|---|---|---|---|
| Text | 5 dollar | 1,25 dollar | Inte tillämpligt |
| Bild | 8 dollar | 2 dollar | 30 dollar |
Det är alltså inte ett fast pris per bild. I SVG-testet tillkom också kostnaden för textmodellen som skrev vektorfilen.
OpenAI:s säkerhetsprov visar blandade resultat
OpenAI uppger att Images 2.6 med säkerhetskontroller överlag ligger i nivå med Images 2.5. I bolagets prov med avsiktligt svåra instruktioner minskade andelen regelstridiga bilder som släpptes igenom för Sunburst. För Flare ökade andelen från 1,49 till 2,14 procent. Ingen av de övergripande skillnaderna var statistiskt säkerställd.
Före säkerhetsfiltreringen minskade däremot Flares andel godtagbara bilder från 78,36 till 75,04 procent, en statistiskt säkerställd försämring. Resultaten gäller OpenAI:s särskilda provuppsättning och de testade skydden, inte hur ofta sådant innehåll förekommer i vanlig användning.
GIF:ar får särskilda skydd eftersom rörelse kan ge en annan innebörd än en enskild stillbild. I OpenAI:s utvärdering fångade GIF-kontrollen totalt 77,7 procent av det regelstridiga innehållet. Bolaget skriver att överträdelser som beror på rörelse fortfarande är svåra att upptäcka.
Frågor om Images 2.6 och bildredigering
Var kan jag använda Images 2.6?
OpenAI anger att Images 2.6 finns i ChatGPT och Codex på alla abonnemangsnivåer, på dator, mobil och webb. Utvecklare kan använda Flare och Sunburst genom API:t.
Kan Images 2.6 skapa rörliga bilder?
Ja, uppdateringen kan skapa animerade GIF:ar. I Aipress test vickade en kanin på öronen med samma utseende och bakgrund genom hela animationen och en jämn övergång tillbaka till början.
Kan Sunburst byta kläder på en person utan att ändra ansiktet?
I Aipress klädtester behölls personernas ansikten, poser och bakgrunder när modellen fick en personbild och en separat produktbild för redigeringen.
Vad är skillnaden mellan complexity och bildkvalitet?
Complexity styr hur mycket modellen planerar för att uppfylla instruktionen. Bildkvaliteten styr detaljrikedom och visuell återgivning. OpenAI rekommenderar complexity low för de flesta redigeringar.
Hur skapas en SVG-fil med Images 2.6?
Bildmodellen skapar först en vanlig bild. Därefter skriver en vald textmodell om bilden till SVG. I Aipress test gav kvaliteten auto och GPT-6.1 Sol på tankenivån medium en färdig fil, men flera anrop gav serverfel.
Källor
- Introducing Images 2.6
OpenAI, hämtad
- GPT-Image-2.6 Sunburst Model
OpenAI, hämtad
- Data controls in the OpenAI platform: data residency
OpenAI, hämtad
- OpenAI API release notes by OpenAI
OpenAI, hämtad
- ChatGPT Images 2.6 System Card
OpenAI, hämtad
Thomas Karlsson
Huvudredaktör, AI expert och journalist
Thomas bevakar generativ AI, språkmodeller och verktygen som förändrar hur vi arbetar. Han skriver för dig som vill förstå utvecklingen utan att redan kunna tekniken.