OpenAI: GPT Image 1

GPT Image 1 är en bildgenererings- och redigeringsmodell från OpenAI, listad på api14 under modell-id:t openai/gpt-image-1. Den tillhör kategorin bild, och dess leverantör beskriver den som att generera och redigera bilder genom ett dedikerat Images API. Om du redan arbetar med OpenAI-modeller är detta samma leverantör, exponerad här genom api14:s OpenAI-kompatibla yta.

Modellen tar text- och bildindata och returnerar bilder. Dess kontextfönster är 400 000 tokens, med en maximal utdata på 360 000. Bildparametrarna ger dig kontroll över formen och kvaliteten på det som kommer tillbaka: aspect_ratio accepterar 1:1, 3:2, 2:3 eller auto; quality accepterar auto, low, medium eller high; background accepterar auto, transparent eller opaque. Du kan begära mellan 1 och 10 bilder per anrop med n, ange mellan 0 och 16 indatareferenser för redigeringar, och ställa in output_compression var som helst från 0 till 100. Leverantören framhäver korrekt textåtergivning, transparenta bakgrunder och stöd för upp till 16 referensbilder vid redigering.

Dessa funktioner pekar mot en ganska specifik uppsättning arbetsuppgifter. Korrekt textåtergivning gör den lämplig för bilder som behöver läsbara ord i sig, såsom banners, mockups eller produktbilder med etiketter. Transparenta bakgrunder passar tillgångar som ska kompositeras någon annanstans, som ikoner, logotyper eller skiktade designelement. Indata för referensbilder är det som gör redigering praktisk: du kan skicka in befintliga bilder och begära ändringar istället för att generera från grunden, vilket är användbart för att iterera på en design eller omforma en tillgång medan dess struktur behålls. Att generera flera varianter i ett anrop med n hjälper när du vill ha alternativ att välja mellan istället för ett enda resultat.

För att anropa den genom api14, använd modell-id:t openai/gpt-image-1 mot den OpenAI-kompatibla slutpunkten, så befintliga OpenAI-klientbibliotek och förfrågningsformat bör fungera med minimala ändringar. De parametrar som stöds är max_tokens, response_format, seed och structured_outputs, tillsammans med bildparametrarna som beskrivs ovan. Använd seed när du behöver reproducerbar utdata mellan körningar, och response_format för att styra hur resultatet returneras. Eftersom modellen matar ut bilder snarare än text, behandla den som en genereringsslutpunkt snarare än en chattavslutning, även om API-ytan är kompatibel.

En praktisk övervägande är att utdatamodaliteten endast är bilder. Om din uppgift är textgenerering, klassificering eller något som returnerar prosa eller strukturerad text, passar en textmodell bättre; structured_outputs här gäller inom en bildgenereringsförfrågan snarare än att göra modellen till en textassistent. Kontexten på 400 000 tokens och den maximala utdatan på 360 000 är generösa, men den användbara begränsningen är vanligtvis taket på 16 referensbilder för redigeringar och taket på 10 bilder per anrop. Planera kring dessa siffror när du batchar arbete.