OpenAI: GPT-5 Image

GPT-5 Image to model od OpenAI, który łączy model językowy GPT-5 z możliwościami generowania obrazów. Należy do kategorii obrazów, ale obsługuje również tekst, więc jest modelem multimodalnym, a nie czystym generatorem obrazów. OpenAI udostępniło go 14 października 2025. Jeśli już używasz GPT-5 do pracy z tekstem, ten model rozszerza tę samą rodzinę o generowanie i edycję obrazów.

Model przyjmuje jako dane wejściowe tekst, obrazy i pliki, a jako dane wyjściowe może tworzyć zarówno tekst, jak i obrazy. Jego okno kontekstowe wynosi 400 000 tokenów, z maksymalną wielkością danych wyjściowych 128 000 tokenów. Po stronie obrazów udostępnia zestaw parametrów generowania: współczynnik proporcji (1:1, 3:2, 2:3 lub auto), jakość (auto, low, medium lub high), tło (auto, transparent lub opaque), liczbę n od 1 do 10, do 16 referencji wejściowych oraz kompresję danych wyjściowych od 0 do 100. Obecność referencji wejściowych oznacza, że możesz dostarczyć obrazy, na których model ma pracować, co umożliwia edycję i generowanie na podstawie referencji obok generowania z promptu tekstowego.

Te możliwości wskazują na dość szeroki zestaw praktycznych zastosowań. Możesz generować obrazy bezpośrednio z promptów tekstowych i kontrolować kształt, jakość oraz tło wyniku, w tym przezroczyste tła dla zasobów, które trzeba będzie później złożyć w całość. Ponieważ model przyjmuje obrazy i pliki jako dane wejściowe, możesz go również używać do zadań edycji lub transformacji obrazów, w których obraz źródłowy jest przekazywany jako referencja, oraz do przepływów pracy łączących wnioskowanie tekstowe z generowaniem obrazów, takich jak tworzenie pisemnego wyjaśnienia wraz z wygenerowanym lub edytowanym obrazem. Parametry wnioskowania i ustrukturyzowanych danych wyjściowych sugerują, że można go także stosować w potokach, w których część tekstowa musi być przetwarzana programowo.

Model wywołujesz przez API zgodne z OpenAI w api14, używając identyfikatora modelu "openai/gpt-5-image". Obsługiwane parametry żądania to include_reasoning, logprobs, max_tokens, reasoning, response_format, seed, structured_outputs, temperature, top_logprobs, top_p i verbosity. Parametry specyficzne dla obrazów (współczynnik proporcji, jakość, tło, n, referencje wejściowe i kompresja danych wyjściowych) są również przekazywane jako część żądania. Ponieważ interfejs jest zgodny z OpenAI, istniejące klienty i narzędzia OpenAI SDK na ogół działają po zmianie tylko bazowego adresu URL i identyfikatora modelu.

Nie ma tu informacji o limitach szybkości, opóźnieniu ani dostępności, więc traktuj je jako niewiadome do przetestowania na własnym obciążeniu. Jeśli Twoje zadanie jest wyłącznie tekstowe i nigdy nie dotyczy obrazów, prostszym rozwiązaniem może być model tylko tekstowy z rodziny GPT-5. Jeśli potrzebujesz danych wyjściowych w postaci obrazów z dobrym podążaniem za instrukcjami i obrazami referencyjnymi, ten model należy ocenić w pierwszej kolejności.