OpenAI: GPT Image 1

GPT Image 1 è un modello di generazione e modifica di immagini di OpenAI, elencato su api14 con l'id modello openai/gpt-image-1. Si colloca nella categoria image, e il suo provider lo descrive come in grado di generare e modificare immagini tramite una Images API dedicata. Se lavori già con i modelli OpenAI, si tratta dello stesso fornitore, esposto qui attraverso la superficie compatibile con OpenAI di api14.

Il modello accetta input di testo e immagini e restituisce immagini. La sua finestra di contesto è di 400.000 token, con un output massimo di 360.000. I parametri delle immagini ti danno il controllo sulla forma e sulla qualità di ciò che viene restituito: aspect_ratio accetta 1:1, 3:2, 2:3 o auto; quality accetta auto, low, medium o high; background accetta auto, transparent o opaque. Puoi richiedere da 1 a 10 immagini per chiamata con n, fornire da 0 a 16 riferimenti di input per le modifiche, e impostare output_compression ovunque da 0 a 100. Il provider mette in evidenza il rendering accurato del testo, gli sfondi trasparenti e il supporto fino a 16 immagini di riferimento durante la modifica.

Queste capacità indicano un insieme piuttosto specifico di attività. Il rendering accurato del testo lo rende adatto per immagini che devono contenere parole leggibili, come banner, mockup o foto di prodotti con etichette. Gli sfondi trasparenti si prestano ad asset che verranno composti altrove, come icone, loghi o elementi di design a livelli. L'input di immagini di riferimento è ciò che rende pratica la modifica: puoi passare immagini esistenti e chiedere cambiamenti invece di generare da zero, il che è utile per iterare su un design o ridefinire lo stile di un asset mantenendone la struttura. Generare diverse varianti in una sola chiamata con n aiuta quando vuoi opzioni tra cui scegliere invece di un singolo risultato.

Per chiamarlo tramite api14, usa l'id modello openai/gpt-image-1 sull'endpoint compatibile con OpenAI, quindi le librerie client OpenAI esistenti e le forme delle richieste dovrebbero essere riutilizzabili con modifiche minime. I parametri supportati sono max_tokens, response_format, seed e structured_outputs, insieme ai parametri delle immagini descritti sopra. Usa seed quando hai bisogno di un output riproducibile tra esecuzioni, e response_format per controllare come viene restituito il risultato. Poiché il modello restituisce immagini anziché testo, trattalo come un endpoint di generazione e non come un endpoint di chat completion, anche se la superficie API è compatibile.

Una considerazione pratica è che la modalità di output è solo immagini. Se il tuo compito è la generazione di testo, la classificazione o qualsiasi cosa che restituisca prosa o testo strutturato, un modello di testo sarà più adatto; structured_outputs qui si applica all'interno di una richiesta di generazione di immagini, non trasforma il modello in un assistente di testo. Il contesto di 400.000 token e l'output massimo di 360.000 sono generosi, ma il vincolo utile è di solito il limite di 16 immagini di riferimento per le modifiche e il limite di 10 immagini per chiamata. Pianifica tenendo conto di questi numeri quando suddividi il lavoro in batch.