ChatGPT Images 2.6: GIF-y i zapisane postacie

OpenAI udostępniło 4 listopada ChatGPT Images 2.6, nową wersję generatora obrazów w ChatGPT. Zwykły użytkownik dostaje dwie nowości: animowane GIF-y tworzone z opisu albo z gotowego obrazu oraz obrazy referencyjne, które zapisujesz raz i wykorzystujesz wielokrotnie. Według OpenAI nowa wersja jest dostępna od dnia premiery w ChatGPT i Codeksie we wszystkich planach: w przeglądarce, w aplikacji na komputer i na telefonie. Programiści dostali w API dwa modele, GPT Image 2.6 Sunburst i GPT Image 2.6 Flare, z obsługą SVG, GIF-ów i edycji przez zaznaczanie.

GIF-y prosto z czatu

Animację zrobisz z opisu albo ze zdjęcia. OpenAI podaje, że w ChatGPT zmienisz jej tempo, poprawisz pojedyncze klatki i udostępnisz zapętlonego GIF-a.

Dla kogoś, kto buduje aplikację z AI, to szybka droga do animowanej ikony ładowania, maskotki na stronie powitalnej albo postaci do prostej gry, bez otwierania programu do animacji. Klatki na okładce pochodzą z przykładowego GIF-a OpenAI: model Sunburst złożył go z 9 klatek po 200 milisekund, więc pętla trwa 1,8 sekundy.

Zapisane obrazy referencyjne

Druga nowość pomaga, gdy ta sama postać ma wracać w wielu grafikach. Zdjęcie siebie, swojego zwierzaka albo wymyślonego bohatera zapisujesz raz i używasz ponownie bez wgrywania pliku od nowa. Przydaje się, gdy ta sama maskotka Twojej aplikacji ma się pojawić na ekranie logowania, na pustej liście i w mailu powitalnym.

Oczekiwania warto jednak trzymać na wodzy. W dokumentacji API OpenAI przyznaje, że modele GPT Image mogą czasem gubić spójny wygląd tych samych postaci i elementów marki w kolejnych obrazach. Każdą wersję obejrzyj więc przed wrzuceniem do projektu.

Obrazy w planach ChatGPT i w Codeksie

Cennik ChatGPT rozróżnia plany tak:

• Free: ograniczone tworzenie obrazów, bez obrazów w trybie Thinking.
• Go: więcej obrazów niż w Free, nadal bez trybu Thinking.
• Plus: bardziej złożone i dokładniejsze obrazy, także w trybie Thinking.
• Pro: tworzenie obrazów bez limitu i szybciej, ale z zabezpieczeniami przed nadużyciami.

W przeglądarce limity obrazów zależą od planu, a w planach firmowych także od ustawień przestrzeni roboczej.

W Codeksie obrazy liczą się do ogólnego limitu użycia i zużywają go średnio od 3 do 5 razy szybciej niż podobne polecenia bez grafiki, zależnie od jakości i rozmiaru obrazu. W planach Plus i Standard Business limit odnawia się w oknach pięciogodzinnych, plany Pro nie mają dziś limitu pięciogodzinnego, a niezależnie od tego mogą obowiązywać limity tygodniowe. Aktualne limity i godziny resetu pokazuje panel zużycia w ustawieniach Codeksa, a w trakcie sesji w Codex CLI pozostały limit sprawdzisz poleceniem /status. Po wyczerpaniu limitu kolejne obrazy rozliczane są z kredytów, a gdy łączysz Codeksa przez klucz API, płacisz według stawek API. Jak od grudnia zmieni się liczenie limitów w czacie i Codeksie, opisaliśmy w osobnym tekście.

Co nowego w API

Sunburst jest przeznaczony do dopracowanych grafik i według OpenAI daje wyższą jakość oraz większą spójność przy kolejnych zmianach w obrazie. Flare służy do szybkich prób i poprawek, a obraz potrafi wygenerować nawet w sześć sekund. OpenAI podaje, że nowe modele generują obrazy o 50% szybciej. Oba obsługują w API cztery nowości.

Złożoność. Parametr complexity ma trzy poziomy: low, medium i high, domyślnie high. Ustala, ile wysiłku model wkłada w zaplanowanie obrazu, zanim zacznie go rysować. Niższy poziom wystarczy do prostych poprawek, wyższy pomaga przy dużej ilości tekstu i skomplikowanym układzie, ale może wydłużyć czas i wprowadzić niechciane zmiany. Za zmianę poziomu nie płacisz osobno.

SVG. Model tworzy ikonę, logo albo ilustrację jako plik wektorowy z edytowalnymi kształtami i kolorami, który powiększysz bez utraty jakości. Najpierw powstaje obraz wzorcowy, a potem drugi model przepisuje go na SVG. Płacisz za oba kroki: według stawki modelu graficznego za obraz wzorcowy i według stawki drugiego modelu za tokeny pliku SVG.

To samo polecenie dało w przykładzie OpenAI dwa różne logo: Flare postawił na prosty znak, Sunburst dorysował więcej detali.

GIF. W API animację tworzysz tylko przy generowaniu nowego obrazu, nie przy edycji. Specyfikacja dopuszcza od 2 do 16 klatek, domyślnie 9 po 200 milisekund, a GIF-y wymagają dostępu do wersji podglądowej tej funkcji.

Zaznaczanie. Na osobnej, przezroczystej warstwie zakreślasz fragment zdjęcia, a w poleceniu opisujesz, co ma się w nim zmienić i co zostaje bez zmian. Działa w modelach 2.5 i 2.6, bez dodatkowej opłaty.

W przykładzie OpenAI Flare przemalował zakreślony wazon na niebiesko, a reszty kuchni nie ruszył.

Ile kosztuje GPT Image 2.6 w API

Stawki są takie same jak w GPT Image 2.5. Za każdy milion tokenów płacisz 8 USD za obrazy na wejściu, 2 USD za obrazy z pamięci podręcznej, 30 USD za obrazy na wyjściu, 5 USD za tekst na wejściu i 1,25 USD za tekst z pamięci podręcznej.

Te same stawki nie oznaczają jednak tej samej ceny obrazu. Kalkulator OpenAI liczy dla 2.6 więcej tokenów w niższych ustawieniach jakości. Obraz 1024 na 1024 piksele w jakości low kosztuje w 2.6 około 0,025 USD, a w 2.5 około 0,006 USD. W jakości medium to 0,043 wobec 0,013 USD, a od jakości high wzwyż ceny są takie same.

Szkice i masowo generowane miniatury taniej zrobisz więc w modelu 2.5 w jakości low. Model 2.6 opłaca się tam, gdzie i tak wybierasz jakość high albo potrzebujesz SVG lub GIF-a. Zanim podłączysz klucz API do aplikacji, ustaw limit wydatków w API.