OpenAI: GPT Image 2.5 Sunburst

GPT Image 2.5 Sunburst to model generowania i edycji obrazów od OpenAI. Należy do serii GPT Image 2.5 i jest pozycjonowany jako warstwa zorientowana na precyzję w tej rodzinie, przeznaczona do szczegółowej pracy twórczej. W api14 identyfikator modelu to openai/gpt-image-2.5-sunburst, czyli identyfikator używany przy wysyłaniu żądań przez bramę.

Model przyjmuje tekst i obrazy jako dane wejściowe i zwraca obrazy jako dane wyjściowe, obsługuje więc zarówno generowanie na podstawie promptu, jak i edycję lub transformację rozpoczynającą się od obrazów referencyjnych. Obsługuje do 16 referencji wejściowych, co pozwala kierować wynikiem za pomocą zestawu dostarczonych obrazów, a nie jednego. Okno kontekstu wynosi 400 000 tokenów, a maksymalne wyjście to 360 000. Obsługiwane parametry żądania to max_tokens, response_format, seed oraz structured_outputs. Seed jest przydatny, gdy potrzebne są powtarzalne wyniki między wywołaniami, a structured_outputs pozwala ograniczyć kształt zwracanych danych.

Ponieważ model przyjmuje zarówno tekst, jak i obrazy jako dane wejściowe i zwraca obrazy, praktyczne zastosowania wynikają z tej kombinacji. Można generować oryginalne obrazy na podstawie opisów słownych, zmieniać styl lub modyfikować istniejące obrazy, zachowując wybrane elementy, a także łączyć pomysły zaczerpnięte z kilku obrazów referencyjnych jednocześnie. Możliwość dostarczenia wielu referencji sprawia, że model dobrze nadaje się do zadań, w których spójny temat, produkt lub styl wizualny ma się przewijać przez zestaw wyników. Ponieważ jest opisany jako warstwa zorientowana na precyzję, jest właściwszym wyborem, gdy drobne szczegóły w wyniku mają większe znaczenie niż szybkość.

Wywoływanie go przez api14 działa jak w przypadku każdego innego punktu końcowego zgodnego z OpenAI. Wyślij żądanie do trasy chat completions i ustaw pole model na openai/gpt-image-2.5-sunburst. Obok standardowych parametrów kontrolki obrazu obejmują aspect_ratio, który przyjmuje 1:1, 3:2, 2:3, 4:3, 3:4, 16:9, 9:16, 21:9 lub auto; quality, który przyjmuje auto, low, medium, high, xhigh lub max; oraz background, który przyjmuje auto, transparent lub opaque. Można też ustawić n między 1 a 10, aby zażądać kilku wyników w jednym wywołaniu, input_references między 0 a 16 oraz output_compression między 0 a 100.

Należy pamiętać, że model zwraca wyłącznie obrazy, więc nie jest właściwym wyborem, jeśli potrzebny jest tekst zwrócony z tego samego wywołania lub odpowiedź czysto konwersacyjna. Do pracy z tekstem lepiej pasuje inny model z katalogu. W zadaniach obrazowych, jeśli precyzja nie jest potrzebna, lżejszy model może wystarczyć.