OpenAI: GPT Image 1 Mini

GPT Image 1 Mini é um modelo de geração de imagens da OpenAI. É posicionado como uma variante econômica do GPT Image 1, destinada a produzir imagens de alta qualidade com latência reduzida em comparação com o modelo completo. No api14 ele aparece na categoria de imagem e é identificado pelo id de modelo openai/gpt-image-1-mini.

O modelo aceita entradas de texto e imagem e retorna imagens. Sua janela de contexto é de 400.000 tokens, com saída máxima de 360.000 tokens. Como a modalidade de saída é imagem e não texto, o modelo é construído para tarefas de geração e não para chat ou conclusão de texto. Entradas de imagem significam que você pode fornecer material de referência junto com o seu prompt, que o modelo pode usar para orientar o que produz.

Essa combinação de entrada de texto e imagem com saída de imagem suporta uma variedade de trabalhos práticos. Você pode gerar imagens a partir de descrições escritas, produzir variações de uma imagem existente passando-a como referência, ou orientar uma geração com várias referências ao mesmo tempo. Os controles de proporção, qualidade e fundo permitem que você ajuste a saída a um layout ou caso de uso específico, como um recurso social quadrado, um recorte retrato ou um fundo transparente para composição. Como a geração é a única saída, o modelo não se destina a tarefas como legenda, classificação ou extração de texto de imagens.

Você o chama através da API compatível com OpenAI do api14 usando o id de modelo openai/gpt-image-1-mini. Os parâmetros de requisição suportados são max_tokens, response_format, seed e structured_outputs. Além destes, o modelo expõe controles específicos de imagem: aspect_ratio aceita 1:1, 3:2, 2:3 ou auto; quality aceita auto, low, medium ou high; background aceita auto, transparent ou opaque; n define quantas imagens retornar, de 1 a 10; input_references define quantas imagens de referência passar, de 0 a 16; e output_compression vai de 0 a 100. Um seed permite reproduzir uma geração, e response_format controla como o resultado é retornado.

Tenha o conjunto de parâmetros em mente ao planejar uma integração. O modelo produz apenas imagens, então se você precisa de texto de volta a partir de uma imagem, um modelo de visão ou de texto multimodal é a opção mais adequada. A janela de contexto de 400.000 tokens é generosa para prompts e referências, mas a saída é uma imagem, não texto corrido. Se sua carga de trabalho se concentra em gerar imagens a partir de texto ou referências e você quer a variante econômica do GPT Image 1, este modelo é a escolha apropriada.