OpenAI: GPT Image 1 Mini

GPT Image 1 Mini är en bildgenereringsmodell från OpenAI. Den positioneras som en kostnadseffektiv variant av GPT Image 1, avsedd att producera högkvalitativa bilder med lägre latens jämfört med den fullständiga modellen. På api14 visas den under kategorin image och identifieras av modell-id:t openai/gpt-image-1-mini.

Modellen tar emot text- och bildindata och returnerar bilder. Dess kontextfönster är 400 000 tokens, med en maximal utdata på 360 000 tokens. Eftersom utdatamodaliteten är bild snarare än text är modellen byggd för genereringsuppgifter snarare än chatt eller textkomplettering. Bildindata innebär att du kan tillhandahålla referensmaterial tillsammans med din prompt, vilket modellen kan använda för att styra vad den producerar.

Den kombinationen av text- och bildindata med bildutdata stödjer en rad praktiska arbetsuppgifter. Du kan generera bilder från skriftliga beskrivningar, producera varianter av en befintlig bild genom att skicka den som referens, eller styra en generering med flera referenser samtidigt. Kontrollerna för bildförhållande, kvalitet och bakgrund låter dig matcha utdata mot en specifik layout eller användningsfall, till exempel en kvadratisk resurs för sociala medier, en porträttbeskärning eller en transparent bakgrund för kompositering. Eftersom generering är den enda utdata är modellen inte avsedd för uppgifter som bildtextning, klassificering eller textutvinning från bilder.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t openai/gpt-image-1-mini. De parametrar som stöds i förfrågan är max_tokens, response_format, seed och structured_outputs. Utöver dessa exponerar modellen bildspecifika kontroller: aspect_ratio accepterar 1:1, 3:2, 2:3 eller auto; quality accepterar auto, low, medium eller high; background accepterar auto, transparent eller opaque; n anger hur många bilder som ska returneras, från 1 till 10; input_references anger hur många referensbilder som ska skickas, från 0 till 16; och output_compression sträcker sig från 0 till 100. En seed låter dig reproducera en generering, och response_format styr hur resultatet returneras.

Ha parameteruppsättningen i åtanke när du planerar en integration. Modellen matar endast ut bilder, så om du behöver text tillbaka från en bild är en vision- eller multimodell för text ett bättre val. Kontextfönstret på 400 000 tokens är generöst för prompter och referenser, men utdata är en bild, inte prosa. Om din arbetsbelastning kretsar kring att generera bilder från text eller referenser och du vill ha den kostnadseffektiva varianten av GPT Image 1, är den här modellen det lämpliga valet.