OpenAI Images 2.6 gir API-et GIF og SVG, men moderasjonen stoppet 77,7 prosent av GIF-bruddene

OpenAI lanserte Images 2.6 i ChatGPT, Codex og API-et 4. november, med to API-modeller: GPT-Image-2.6 Flare for rask iterasjon og GPT-Image-2.6 Sunburst for detaljert arbeid. Ifølge kunngjøringen genererer 2.6 bilder 50 prosent raskere enn før, og Flare kan levere et bilde på ned mot seks sekunder når quality står på low. Brukerne lager nå 4 milliarder bilder i uka på tvers av ChatGPT, Codex og API-et.

For utviklere ligger nyheten i nye felt på POST /v1/images/generations, som OpenAI beskriver i bildegenereringsguiden. Med output_format: "gif" får du en animasjon på 2 til 64 bilder (standard 9), og frame_duration_ms styrer visningstiden fra 20 til 2000 millisekunder per bilde. Med output_format: "svg" får du en statisk vektorfil uten skript, eksterne ressurser eller innebygde rasterbilder. API-et lager først et referansebilde og tegner SVG-en ut fra det, og n må stå på 1. Ingen av formatene støtter streaming, delbilder eller edit-endepunktet.

Det tredje er complexity, som styrer hvor mye modellen planlegger før den tegner. Verdiene er low, medium og high, og utelater du feltet, bruker begge modellene high. Guiden advarer om at høy complexity kan gi lengre ventetid og uønskede endringer. Justeringen koster ikke ekstra.

«For de fleste redigeringsoppgaver anbefaler vi lav complexity for raskere redigeringer, sammen med den bildekvaliteten arbeidsflyten din krever.» — OpenAI, i kunngjøringen av Images 2.6

Prisen er uendret fra 2.5. På OpenAIs prisside koster begge 2.6-modellene $8 per million bilde-input-tokens, $30 per million output-tokens og $5 per million tekst-input-tokens. Batch-tabellen på samme side lister fortsatt bare gpt-image-2 og 2.5-modellene, så du finner ingen batch-pris for 2.6 ennå. Markup-styrt redigering, der du markerer hvor i bildet endringen skal skje, er samtidig åpnet for både 2.5- og 2.6-modellene i API-et.

Systemkortet viser hvor grensen går for GIF-ene. På et målrettet testsett med GIF-er merket som policybrudd fanget OpenAIs moderering 77,7 prosent totalt, 77,8 prosent av seksuelt innhold og 77,5 prosent av selvskading. Flare slapp også gjennom flere usikre bilder enn forgjengeren, 66 mot 46 av 3 077 testforespørsler, men OpenAI skriver at forskjellen ikke er statistisk signifikant.

«Bevegelsesrelaterte brudd er fortsatt vanskelige å oppdage, og sikkerhetstiltakene fanger kanskje ikke opp alle brudd.» — OpenAI, i systemkortet for ChatGPT Images 2.6

Hva bør du gjøre?

1. Sett complexity eksplisitt i kallene dine. Standardverdien er high, som ifølge guiden kan gi lengre ventetid, og low anbefales for de fleste redigeringer.
2. Legg inn din egen kontroll av GIF-er før de vises til sluttbrukere, siden OpenAIs egen test slapp gjennom drøyt 22 prosent av bruddene.
3. Behold 2.5-modellene for store batch-jobber til 2.6 dukker opp i batch-tabellen.