OpenAI: GPT Image 1 Mini

GPT Image 1 Mini es un modelo de generación de imágenes de OpenAI. Se posiciona como una variante rentable de GPT Image 1, orientada a producir imágenes de alta calidad con una latencia reducida en comparación con el modelo completo. En api14 aparece bajo la categoría de imagen y se identifica con el id de modelo openai/gpt-image-1-mini.

El modelo acepta entradas de texto e imagen y devuelve imágenes. Su ventana de contexto es de 400.000 tokens, con una salida máxima de 360.000 tokens. Debido a que la modalidad de salida es imagen en lugar de texto, el modelo está diseñado para tareas de generación y no para chat o completado de texto. Las entradas de imagen significan que puedes proporcionar material de referencia junto con tu prompt, que el modelo puede usar para guiar lo que produce.

Esa combinación de entrada de texto e imagen con salida de imagen admite una variedad de trabajo práctico. Puedes generar imágenes a partir de descripciones escritas, producir variaciones de una imagen existente pasándola como referencia, o dirigir una generación con varias referencias a la vez. Los controles de relación de aspecto, calidad y fondo te permiten ajustar la salida a un diseño o caso de uso específico, como un recurso cuadrado para redes sociales, un recorte vertical o un fondo transparente para composición. Debido a que la generación es la única salida, el modelo no está pensado para tareas como subtitulado, clasificación o extracción de texto de imágenes.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo openai/gpt-image-1-mini. Los parámetros de solicitud admitidos son max_tokens, response_format, seed y structured_outputs. Junto a estos, el modelo expone controles específicos de imagen: aspect_ratio acepta 1:1, 3:2, 2:3 o auto; quality acepta auto, low, medium o high; background acepta auto, transparent u opaque; n establece cuántas imágenes devolver, de 1 a 10; input_references establece cuántas imágenes de referencia pasar, de 0 a 16; y output_compression va de 0 a 100. Un seed te permite reproducir una generación, y response_format controla cómo se devuelve el resultado.

Ten en cuenta el conjunto de parámetros al planificar una integración. El modelo solo genera imágenes, así que si necesitas texto de vuelta a partir de una imagen, un modelo de visión o de texto multimodal encaja mejor. La ventana de contexto de 400.000 tokens es generosa para prompts y referencias, pero la salida es una imagen, no prosa. Si tu carga de trabajo se centra en generar imágenes a partir de texto o referencias y quieres la variante rentable de GPT Image 1, este modelo es la elección adecuada.