Recraft: Recraft V3

Recraft V3 är en bildgenereringsmodell från Recraft, en leverantör som specialiserar sig på verktyg för visuell generering. Den finns i bildkategorin på api14, vilket innebär att den är byggd för att producera bilder snarare än att föra konversationer eller skriva text. Om du bygger en produkt som behöver genererade bilder är det här den typ av modell du skulle utvärdera tillsammans med andra bildmodeller på plattformen.

Modellen tar emot text- och bildindata och returnerar bildutdata. Den kombinationen spelar roll: du kan beskriva vad du vill ha i en prompt, och du kan även skicka in en enda referensbild som styr resultatet. Utdata genereras i ungefär 1K-upplösning. Kontextfönstret är 65536 tokens, med maximal utdata på 58982 tokens. Bildförhållandet kan konfigureras mellan 1:1, 4:3, 3:4, 16:9, 9:16 och auto, så du kan matcha bildens form mot platsen den ska fylla i ditt gränssnitt i stället för att beskära i efterhand. Du kan begära mellan 1 och 6 bilder i ett enda anrop, och du kan bifoga upp till en indatareferens.

Dessa egenskaper pekar mot en ganska specifik uppsättning arbetsuppgifter. Marknadsförings- och produktteam kan generera hero-bilder, sociala medier-tillgångar och miniatyrbilder i vilket bildförhållande varje kanal behöver, begära flera varianter samtidigt och välja den bästa. Eftersom en referensbild kan skickas in passar modellen också för arbetsflöden där du vill ha en ny komposition som ligger nära en befintlig bild, till exempel att ge en produktbild en ny stil eller ta fram alternativ till ett godkänt koncept. Alternativet auto för bildförhållande är användbart när du hellre låter modellen välja en lämplig inramning enbart utifrån prompten.

Att anropa den via api14 fungerar på samma sätt som för alla andra modeller på gatewayen, med det OpenAI-kompatibla API:et och modell-id:t "recraft/recraft-v3". Modellen i sig exponerar inga allmänna parametrar som stöds, så genereringsbeteendet styrs i stället via bildkonfigurationen. Den konfigurationen omfattar aspect_ratio, som tar ett av de sex enumvärdena; n, som sträcker sig från 1 till 6; och input_references, som sträcker sig från 0 till 1. Om du redan har en OpenAI-klient uppkopplad är det huvudsakliga ändringen som krävs att peka den mot api14 och ange modell-id:t.

En sak att väga in är att detta enbart är en bildmodell. Den returnerar ingen text, så den hjälper inte till med resonemang, sammanfattning, klassificering eller någon uppgift där utdata behöver vara språk. Om din pipeline behöver både ett skriftligt svar och en bild vill du ha en textmodell vid sidan av. Tillåtelsen för en enda referensbild är också värd att notera: om ditt arbetsflöde är beroende av att blanda flera referensbilder kommer den här modellen inte att göra det.