OpenAI: GPT Image 1

GPT Image 1 é um modelo de geração e edição de imagens da OpenAI, listado na api14 sob o id de modelo openai/gpt-image-1. Ele está na categoria de imagem, e seu provedor o descreve como gerando e editando imagens através de uma Images API dedicada. Se você já trabalha com modelos OpenAI, este é o mesmo fornecedor, exposto aqui através da superfície compatível com OpenAI da api14.

O modelo recebe entradas de texto e imagem e retorna imagens. Sua janela de contexto é de 400.000 tokens, com saída máxima de 360.000. Os parâmetros de imagem dão a você controle sobre a forma e a qualidade do que retorna: aspect_ratio aceita 1:1, 3:2, 2:3 ou auto; quality aceita auto, low, medium ou high; background aceita auto, transparent ou opaque. Você pode solicitar entre 1 e 10 imagens por chamada com n, fornecer entre 0 e 16 referências de entrada para edições, e definir output_compression em qualquer valor de 0 a 100. O provedor destaca renderização precisa de texto, fundos transparentes e suporte para até 16 imagens de referência ao editar.

Essas capacidades apontam para um conjunto bastante específico de tarefas. A renderização precisa de texto o torna uma escolha razoável para imagens que precisam de palavras legíveis dentro delas, como banners, mockups ou fotos de produtos com rótulos. Fundos transparentes são adequados para assets que serão compostos em outro lugar, como ícones, logotipos ou elementos de design em camadas. A entrada de imagem de referência é o que torna a edição prática: você pode passar imagens existentes e pedir alterações em vez de gerar do zero, o que é útil para iterar em um design ou reestilizar um asset mantendo sua estrutura. Gerar várias variações em uma única chamada com n ajuda quando você quer opções para escolher em vez de um único resultado.

Para chamá-lo através da api14, use o id de modelo openai/gpt-image-1 no endpoint compatível com OpenAI, então bibliotecas cliente OpenAI existentes e formatos de requisição devem funcionar com mudanças mínimas. Os parâmetros suportados são max_tokens, response_format, seed e structured_outputs, junto com os parâmetros de imagem descritos acima. Use seed quando precisar de saída reproduzível entre execuções, e response_format para controlar como o resultado é retornado. Como o modelo produz imagens em vez de texto, trate-o como um endpoint de geração e não como um de chat completion, mesmo que a superfície da API seja compatível.

Uma consideração prática é que a modalidade de saída é apenas imagens. Se sua tarefa é geração de texto, classificação, ou qualquer coisa que retorne prosa ou texto estruturado, um modelo de texto se encaixará melhor; structured_outputs aqui se aplica dentro de uma requisição de geração de imagem em vez de transformar o modelo em um assistente de texto. O contexto de 400.000 tokens e a saída máxima de 360.000 são generosos, mas a restrição útil geralmente é o teto de 16 imagens de referência para edições e o teto de 10 imagens por chamada. Planeje em torno desses números ao agrupar trabalho.