OpenAI: GPT Image 1 Mini

GPT Image 1 Mini ist ein Bildgenerierungsmodell von OpenAI. Es ist als kosteneffiziente Variante von GPT Image 1 positioniert und zielt darauf ab, hochwertige Bilder mit geringerer Latenz im Vergleich zum vollständigen Modell zu erzeugen. Auf api14 erscheint es unter der Kategorie image und wird durch die Modell-ID openai/gpt-image-1-mini identifiziert.

Das Modell akzeptiert Text- und Bild-Eingaben und gibt Bilder zurück. Sein Kontextfenster beträgt 400.000 Tokens, mit einer maximalen Ausgabe von 360.000 Tokens. Da die Ausgabemodalität image und nicht text ist, ist das Modell für Generierungsaufgaben ausgelegt und nicht für Chat oder Textvervollständigung. Bild-Eingaben bedeuten, dass Sie Referenzmaterial zusammen mit Ihrem Prompt bereitstellen können, das das Modell zur Steuerung dessen verwenden kann, was es erzeugt.

Diese Kombination aus Text- und Bild-Eingabe mit Bild-Ausgabe unterstützt eine Reihe praktischer Arbeiten. Sie können Bilder aus schriftlichen Beschreibungen generieren, Variationen eines vorhandenen Bildes erzeugen, indem Sie es als Referenz übergeben, oder eine Generierung mit mehreren Referenzen gleichzeitig steuern. Die Steuerungen für Seitenverhältnis, Qualität und Hintergrund ermöglichen es Ihnen, die Ausgabe an ein bestimmtes Layout oder einen Anwendungsfall anzupassen, wie etwa ein quadratisches Social-Media-Asset, einen Hochformat-Ausschnitt oder einen transparenten Hintergrund für die Compositing-Bearbeitung. Da die Generierung die einzige Ausgabe ist, ist das Modell nicht für Aufgaben wie Bildbeschriftung, Klassifizierung oder Textextraktion aus Bildern gedacht.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID openai/gpt-image-1-mini auf. Die unterstützten Anforderungsparameter sind max_tokens, response_format, seed und structured_outputs. Daneben bietet das Modell bildspezifische Steuerungen: aspect_ratio akzeptiert 1:1, 3:2, 2:3 oder auto; quality akzeptiert auto, low, medium oder high; background akzeptiert auto, transparent oder opaque; n legt fest, wie viele Bilder zurückgegeben werden, von 1 bis 10; input_references legt fest, wie viele Referenzbilder übergeben werden, von 0 bis 16; und output_compression reicht von 0 bis 100. Ein seed ermöglicht es Ihnen, eine Generierung zu reproduzieren, und response_format steuert, wie das Ergebnis zurückgegeben wird.

Behalten Sie den Parametersatz bei der Planung einer Integration im Auge. Das Modell gibt nur Bilder aus. Wenn Sie also Text aus einem Bild zurückbenötigen, ist ein Vision- oder multimodales Textmodell die bessere Wahl. Das Kontextfenster von 400.000 Tokens ist großzügig für Prompts und Referenzen, aber die Ausgabe ist ein Bild, keine Prosa. Wenn Ihr Arbeitsaufkommen auf der Generierung von Bildern aus Text oder Referenzen liegt und Sie die kosteneffiziente Variante von GPT Image 1 wünschen, ist dieses Modell die geeignete Wahl.