Нова модель генерації зображень Images 2.0 від OpenAI суттєво покращила здатність відтворювати текст на картинках. Попередні моделі цього не уміли.
Про це повідомляє TechCrunch.
Ще кілька років тому моделі часто «вигадували» слова або робили помилки навіть у простих речах — наприклад, у меню ресторану. Тепер же нова версія здатна створювати зображення з текстом, який виглядає природно та без помилок.
Images 2.0 — перша модель генерації зображень у ChatGPT із так званими thinking-функціями. Вона може:
- шукати актуальну інформацію в інтернеті;
- створювати кілька варіантів зображень за одним запитом;
- перевіряти власні результати.
Це дозволяє працювати зі складними задачами — наприклад, створювати серії коміксів, маркетингові кампанії чи навчальні матеріали.
Скриншот MacBook, повністю згенерований новою моделлю GPT Images 2.0 / OpenAI
Краще працює з мовами
Images 2.0 також значно покращила відтворення не латинських текстів — зокрема японської, корейської, гінді та бенгальської мов.
У компанії зазначають, що модель здатна точно передавати дрібні деталі: текст, іконки, елементи інтерфейсу та інші складні композиції.
Максимальна якість зображень — до 2K.
Зображення, згенероване новою моделлю GPT Images 2.0 / OpenAI
Попри покращення, генерація складних зображень займає більше часу, ніж звичайні текстові відповіді — іноді кілька хвилин.
Модель стане доступною для всіх користувачів ChatGPT і Codex, а платні користувачі отримають розширені можливості. Також OpenAI відкриє доступ до API (gpt-image-2) для розробників.
Водночас модель має обмеження за актуальністю знань — її дані охоплюють інформацію лише до грудня 2025 року, що може впливати на генерацію контенту, пов’язаного з новими подіями.
