OpenAI: GPT Image 1 Mini

GPT Image 1 Mini è un modello di generazione di immagini di OpenAI. È posizionato come variante economicamente efficiente di GPT Image 1, pensata per produrre immagini di alta qualità con latenza ridotta rispetto al modello completo. Su api14 appare nella categoria image ed è identificato dal model id openai/gpt-image-1-mini.

Il modello accetta input di testo e immagini e restituisce immagini. La sua context window è di 400.000 token, con un output massimo di 360.000 token. Poiché la modalità di output è immagine anziché testo, il modello è costruito per attività di generazione anziché per chat o completamento di testo. Gli input immagine significano che puoi fornire materiale di riferimento insieme al tuo prompt, che il modello può usare per guidare ciò che produce.

Questa combinazione di input testo e immagine con output immagine supporta una serie di lavori pratici. Puoi generare immagini da descrizioni scritte, produrre varianti di un'immagine esistente passandola come riferimento, oppure guidare una generazione con diversi riferimenti contemporaneamente. I controlli aspect ratio, quality e background ti permettono di adattare l'output a uno specifico layout o caso d'uso, come un asset social quadrato, un ritaglio verticale o uno sfondo trasparente per il compositing. Poiché la generazione è l'unico output, il modello non è pensato per attività come didascalizzazione, classificazione o estrazione di testo dalle immagini.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando il model id openai/gpt-image-1-mini. I parametri di richiesta supportati sono max_tokens, response_format, seed e structured_outputs. Accanto a questi, il modello espone controlli specifici per le immagini: aspect_ratio accetta 1:1, 3:2, 2:3 o auto; quality accetta auto, low, medium o high; background accetta auto, transparent o opaque; n imposta quante immagini restituire, da 1 a 10; input_references imposta quante immagini di riferimento passare, da 0 a 16; e output_compression va da 0 a 100. Un seed ti permette di riprodurre una generazione, e response_format controlla come viene restituito il risultato.

Tieni presente l'insieme di parametri quando pianifichi un'integrazione. Il modello restituisce solo immagini, quindi se hai bisogno di testo da un'immagine, un modello vision o multimodale di testo è la scelta migliore. La context window di 400.000 token è generosa per prompt e riferimenti, ma l'output è un'immagine, non testo. Se il tuo carico di lavoro è incentrato sulla generazione di immagini da testo o riferimenti e vuoi la variante economicamente efficiente di GPT Image 1, questo modello è la scelta appropriata.