OpenAI: GPT-5.4 Image 2

OpenAI: GPT-5.4 Image 2 to model obrazowy od OpenAI, który obsługuje również tekst. Należy zarówno do kategorii obrazów, jak i tekstu, łącząc model GPT-5.4 z możliwościami generowania obrazów z GPT Image 2. Dostawca udostępnił go 2026-04-21. Dla programisty ważne jest to, że nie jest to model wyłącznie tekstowy z doklejonym endpointem obrazowym; został zbudowany do pracy multimodalnej, w której rozumowanie, kodowanie i generowanie obrazów odbywają się w tym samym przepływie pracy.

Po stronie wejścia model przyjmuje obrazy, tekst i pliki. Po stronie wyjścia zwraca obrazy i tekst, więc pojedyncze wywołanie może wygenerować obraz wraz z treścią tekstową. Okno kontekstu wynosi 272 000 tokenów, a maksymalne wyjście to 128 000 tokenów. Generowanie obrazów jest konfigurowalne, a nie stałe: aspect_ratio przyjmuje 1:1, 3:2, 2:3, 4:3, 3:4, 16:9, 9:16, 21:9 lub auto; quality przyjmuje auto, low, medium lub high; background przyjmuje auto lub opaque; n wynosi od 1 do 10 obrazów; input_references wynosi od 0 do 16; a output_compression wynosi od 0 do 100.

Te możliwości wskazują na dość konkretny zestaw przypadków użycia. Ponieważ model przyjmuje dane wejściowe w postaci obrazów, tekstu i plików oraz może zwracać zarówno obrazy, jak i tekst, nadaje się do przepływów pracy łączących analizę z generowaniem: czytania materiałów referencyjnych i tworzenia na ich podstawie nowych wizualizacji, iterowania nad projektem na podstawie kilku danych wejściowych lub generowania partii obrazów w jednym wywołaniu z parametrem n ustawionym powyżej 1. Zakres input_references do 16 sprawia, że praktyczne jest warunkowanie wyjścia na większym zestawie dostarczonych obrazów, a nie na pojedynczym przykładzie. Kontrolki aspect_ratio i quality pozwalają dopasować wyjście do formatu docelowego, na przykład 16:9 dla szerokich układów lub 9:16 dla pionowych, bez przetwarzania końcowego. Wyjście tekstowe w tej samej odpowiedzi jest przydatne, gdy chcesz uzyskać wyjaśnienie, podpis lub kod wraz z obrazem.

Model wywołujesz przez API zgodne z OpenAI w api14, używając identyfikatora modelu "openai/gpt-5.4-image-2". Ponieważ interfejs jest zgodny z OpenAI, istniejące biblioteki klienckie OpenAI i kształty żądań działają po zmianie bazowego adresu URL i identyfikatora modelu. Obsługiwane parametry to include_reasoning, logprobs, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, top_logprobs i verbosity. Kontrolki reasoning i verbosity pozwalają wymieniać głębię na zwięzłość, seed umożliwia powtarzalne próbkowanie, a structured_outputs i response_format pomagają, gdy potrzebujesz części tekstowej w przewidywalnym kształcie. Opcje specyficzne dla obrazów (aspect_ratio, quality, background, n, input_references, output_compression) są przekazywane jako część żądania.

W powyższych faktach nie ma podanego ograniczenia, ale lista parametrów jest warta przeczytania jako sygnał dopasowania. Jeśli twoje zadanie polega wyłącznie na generowaniu tekstu bez wyjścia obrazowego, parametry obrazowe i modalność wyjścia obrazowego dodają obszar, którego nie wykorzystasz, a model wyłącznie tekstowy może być prostszy do przemyślenia. Jeśli potrzebujesz więcej niż 16 odwołań wejściowych, więcej niż 10 obrazów na wywołanie lub proporcji spoza wymienionego zestawu, udokumentowane zakresy tego modelu tego nie obejmą. W tych granicach jest skierowany do programistów, którzy chcą generowania i rozumowania w jednym żądaniu, zamiast łańcuchowego łączenia osobnych modeli.