OpenAI: GPT Image 1 Mini

GPT Image 1 Mini adalah model pembuatan gambar dari OpenAI. Model ini diposisikan sebagai varian hemat biaya dari GPT Image 1, yang bertujuan menghasilkan gambar berkualitas tinggi dengan latensi lebih rendah dibandingkan model penuh. Di api14, model ini muncul di bawah kategori image dan diidentifikasi dengan model id openai/gpt-image-1-mini.

Model ini menerima input teks dan gambar serta mengembalikan gambar. Context window-nya adalah 400.000 token, dengan output maksimum 360.000 token. Karena modalitas output-nya adalah gambar, bukan teks, model ini dibuat untuk tugas pembuatan, bukan chat atau penyelesaian teks. Input gambar berarti Anda dapat menyertakan materi referensi bersama prompt Anda, yang dapat digunakan model untuk memandu apa yang dihasilkannya.

Kombinasi input teks dan gambar dengan output gambar mendukung berbagai pekerjaan praktis. Anda dapat menghasilkan gambar dari deskripsi tertulis, membuat variasi dari gambar yang sudah ada dengan memberikannya sebagai referensi, atau mengarahkan pembuatan dengan beberapa referensi sekaligus. Kontrol aspect ratio, quality, dan background memungkinkan Anda menyesuaikan output dengan tata letak atau kasus penggunaan tertentu, seperti aset sosial persegi, potongan portrait, atau latar belakang transparan untuk kompositing. Karena pembuatan adalah satu-satunya output, model ini tidak ditujukan untuk tugas seperti captioning, klasifikasi, atau ekstraksi teks dari gambar.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id openai/gpt-image-1-mini. Parameter permintaan yang didukung adalah max_tokens, response_format, seed, dan structured_outputs. Selain itu, model ini menyediakan kontrol khusus gambar: aspect_ratio menerima 1:1, 3:2, 2:3, atau auto; quality menerima auto, low, medium, atau high; background menerima auto, transparent, atau opaque; n mengatur berapa banyak gambar yang dikembalikan, dari 1 hingga 10; input_references mengatur berapa banyak gambar referensi yang diberikan, dari 0 hingga 16; dan output_compression berkisar dari 0 hingga 100. Seed memungkinkan Anda mereproduksi pembuatan, dan response_format mengontrol bagaimana hasilnya dikembalikan.

Ingatlah kumpulan parameter tersebut saat merencanakan integrasi. Model ini hanya menghasilkan gambar, jadi jika Anda memerlukan teks kembali dari sebuah gambar, model vision atau teks multimodal adalah pilihan yang lebih tepat. Context window 400.000 token sangat luas untuk prompt dan referensi, tetapi output-nya adalah gambar, bukan prosa. Jika beban kerja Anda berpusat pada pembuatan gambar dari teks atau referensi dan Anda menginginkan varian hemat biaya dari GPT Image 1, model ini adalah pilihan yang tepat.