OpenAI: GPT-5 Image

GPT-5 Image, OpenAI का एक मॉडल है जो GPT-5 भाषा मॉडल को इमेज जनरेशन क्षमताओं के साथ जोड़ता है। यह इमेज श्रेणी में आता है, साथ ही टेक्स्ट को भी संभालता है, इसलिए यह एक मल्टीमॉडल मॉडल है, न कि शुद्ध इमेज जनरेटर। OpenAI ने इसे 14 अक्टूबर 2025 को जारी किया। अगर आप पहले से टेक्स्ट काम के लिए GPT-5 का उपयोग करते हैं, तो यह मॉडल उसी परिवार को इमेज जनरेशन और एडिटिंग तक बढ़ाता है।

यह मॉडल इनपुट के रूप में टेक्स्ट, इमेज और फ़ाइलें स्वीकार करता है, और आउटपुट के रूप में टेक्स्ट और इमेज दोनों उत्पन्न कर सकता है। इसका कॉन्टेक्स्ट विंडो 400,000 टोकन है, अधिकतम आउटपुट 128,000 टोकन के साथ। इमेज की ओर से यह जनरेशन कंट्रोल का एक सेट प्रदान करता है: aspect ratio (1:1, 3:2, 2:3 या auto), quality (auto, low, medium या high), background (auto, transparent या opaque), 1 और 10 के बीच एक count n, अधिकतम 16 input references, और 0 से 100 तक output compression। input references की उपस्थिति का मतलब है कि आप मॉडल के लिए इमेज दे सकते हैं ताकि वह उन पर काम करे, और यही चीज़ टेक्स्ट प्रॉम्प्ट से जनरेशन के साथ-साथ एडिटिंग और reference-guided generation को संभव बनाती है।

ये क्षमताएँ व्यावहारिक उपयोगों के काफी व्यापक सेट की ओर इशारा करती हैं। आप टेक्स्ट प्रॉम्प्ट से सीधे इमेज जनरेट कर सकते हैं और परिणाम के आकार, गुणवत्ता और बैकग्राउंड को नियंत्रित कर सकते हैं, जिसमें उन एसेट्स के लिए पारदर्शी बैकग्राउंड भी शामिल है जिन्हें बाद में कंपोज़िट करना होता है। चूँकि मॉडल इमेज और फ़ाइल इनपुट स्वीकार करता है, आप इसका उपयोग इमेज एडिटिंग या रूपांतरण कार्यों के लिए भी कर सकते हैं जहाँ स्रोत इमेज को reference के रूप में पास किया जाता है, और उन वर्कफ़्लो के लिए भी जो टेक्स्ट रीज़निंग को इमेज आउटपुट के साथ मिलाते हैं, जैसे किसी जनरेट की गई या एडिट की गई इमेज के साथ लिखित व्याख्या तैयार करना। reasoning और structured output पैरामीटर संकेत देते हैं कि इसका उपयोग उन पाइपलाइनों में भी किया जा सकता है जहाँ टेक्स्ट वाले हिस्से को प्रोग्रामेटिक रूप से पार्स करना आवश्यक होता है।

आप मॉडल को api14 के OpenAI-compatible API के माध्यम से मॉडल id "openai/gpt-5-image" का उपयोग करके कॉल करते हैं। समर्थित request parameters हैं include_reasoning, logprobs, max_tokens, reasoning, response_format, seed, structured_outputs, temperature, top_logprobs, top_p और verbosity। इमेज-विशिष्ट कंट्रोल (aspect ratio, quality, background, n, input references और output compression) भी request के हिस्से के रूप में पास किए जाते हैं। चूँकि इंटरफ़ेस OpenAI-compatible है, मौजूदा OpenAI SDK क्लाइंट और टूलिंग आम तौर पर केवल base URL और model id बदलने के साथ काम करते हैं।

यहाँ rate limits, latency या availability के बारे में कोई जानकारी नहीं है, इसलिए इन्हें अपने वर्कलोड के विरुद्ध परखने योग्य अज्ञात मानें। यदि आपका कार्य पूरी तरह टेक्स्ट है और इमेज को कभी नहीं छूता, तो GPT-5 परिवार में एक टेक्स्ट-only मॉडल अधिक सरल फिट हो सकता है। यदि आपको मजबूत instruction following और reference images के साथ इमेज आउटपुट चाहिए, तो यह मॉडल पहले मूल्यांकन करने योग्य है।