OpenAI: GPT Image 1

GPT Image 1 は OpenAI の画像生成および編集モデルで、api14 にモデル ID openai/gpt-image-1 として掲載されています。画像カテゴリに属し、プロバイダーは専用の Images API を通じて画像を生成および編集すると説明しています。すでに OpenAI のモデルを使用している場合、同じベンダーであり、ここでは api14 の OpenAI 互換サーフェスを通じて公開されています。

このモデルはテキストと画像を入力として受け取り、画像を返します。コンテキストウィンドウは 400,000 トークンで、最大出力は 360,000 です。画像パラメータを使用すると、返される結果の形状と品質を制御できます。aspect_ratio は 1:1、3:2、2:3、auto を受け付けます。quality は auto、low、medium、high を受け付けます。background は auto、transparent、opaque を受け付けます。n で 1 回の呼び出しにつき 1 から 10 枚の画像を要求でき、編集用に 0 から 16 個の入力参照を指定でき、output_compression を 0 から 100 の範囲で設定できます。プロバイダーは、正確なテキストレンダリング、透明背景、編集時の最大 16 枚の参照画像のサポートを強調しています。

これらの機能は、かなり特定の用途を示しています。正確なテキストレンダリングにより、バナー、モックアップ、ラベル付きの商品写真など、内部に判読可能な文字が必要な画像に適しています。透明背景は、アイコン、ロゴ、レイヤー化されたデザイン要素など、他の場所で合成されるアセットに適しています。参照画像入力は編集を実用的にします。既存の画像を渡して、ゼロから生成するのではなく変更を依頼できるため、デザインを反復したり、構造を保ちながらアセットのスタイルを変更したりするのに便利です。n を使用して 1 回の呼び出しで複数のバリエーションを生成することは、単一の結果ではなく選択肢が欲しい場合に役立ちます。

api14 を通じて呼び出すには、OpenAI 互換エンドポイントに対してモデル ID openai/gpt-image-1 を使用します。そのため、既存の OpenAI クライアントライブラリとリクエスト形式は最小限の変更でそのまま使用できるはずです。サポートされているパラメータは max_tokens、response_format、seed、structured_outputs で、上記の画像パラメータと併用します。seed は実行間で再現可能な出力が必要な場合に使用し、response_format は結果の返し方を制御するために使用します。このモデルはテキストではなく画像を出力するため、API サーフェスは互換であっても、チャット補完ではなく生成エンドポイントとして扱ってください。

実用的な考慮点の 1 つは、出力モダリティが画像のみであることです。タスクがテキスト生成、分類、または散文や構造化テキストを返すものである場合、テキストモデルの方が適しています。ここでの structured_outputs は、モデルをテキストアシスタントに変えるものではなく、画像生成リクエスト内で適用されます。400,000 トークンのコンテキストと 360,000 の最大出力は十分ですが、実際の制約は通常、編集用の参照画像 16 枚の上限と呼び出しあたり 10 枚の画像上限です。作業をバッチ処理する際は、これらの数値を考慮して計画してください。