Mis on GPT-Image-1.5?
GPT-Image-1.5 on OpenAI piltide genereerimise ja töötlemise mudel, mis avaldati 16. detsembril 2025. See on loodud kirjalike juhiste piltideks muutmiseks ning kasutaja esitatud piltide muutmiseks. Erinevalt ainult tekstipõhisest keelemudelist on selle peamine väljund visuaalne sisu, kuigi mudeli dokumentatsioonis on märgitud ka tekstiväljundi tugi.
OpenAI positsioneeris GPT-Image-1.5 nii ChatGPT Imagesi kui ka OpenAI API jaoks. Nüüd kirjeldatakse seda kui varasemat piltide genereerimise mudelit, mitte teenusepakkuja eelistatud valikut uute projektide jaoks. OpenAI soovitab uue arenduse ja olemasolevate GPT-Image-1.5 töövoogude üleviimise puhul kasutada GPT-Image-2 mudelit.
Mida GPT-Image-1.5 suudab teha
Mudel võtab vastu tekstilisi viipasid ja piltsisendeid. Viibaga saab paluda luua täiesti uue pildi, kirjeldada olemasoleval pildil tehtavaid muudatusi või määrata üksikasju, mis peaksid töötlemise ajal muutumatuks jääma. See muudab mudeli sobivaks töövoogude jaoks, kus on oluline säilitada kompositsioon, valgustus, näod, logod või muud tähtsad visuaalsed elemendid.
- Tekstist pildi genereerimine: pildi loomine kirjaliku kirjelduse põhjal.
- Piltide töötlemine: sisendina esitatud pildi muutmine või kohandamine.
- Detailide säilitamine: oluliste visuaalsete elementide alleshoidmine korduvate muudatuste ajal.
- Bränditud sisu: ühtlasema välimusega graafika loomine logode ja muude brändielementidega.
- Tiheda tekstiga kujutised: suhteliselt keeruka tekstipaigutusega piltide genereerimine.
- Kvaliteedi juhtimine: väikese, keskmise või kõrge väljundkvaliteedi valimine.
- Paindlik suurus: ruudukujulise, püstpaigutuse, rõhtpaigutuse või automaatse suuruse kasutamine.
Need võimalused on eriti olulised siis, kui pilt peab korraga vastama mitmele tingimusele. Näiteks võib tootemeeskond kasutada mudelit e-kaubanduse piltide loomiseks, paludes säilitada toote kuju ja brändielemendid, või turundusmeeskond võib muuta kampaaniagraafikat ilma selle põhikompositsiooni muutmata.
Toetatud sisendid, suurused ja vormingud
GPT-Image-1.5 toetab teksti- ja pildisisendeid. See genereerib pildiväljundeid ning dokumentatsiooni kohaselt toetab ka tekstiväljundit. Mudel ei võta vastu heli- ega videosisendeid ega genereeri heli või videot.
| Võimalus | Tugi |
|---|---|
| Tekstisisend | Toetatud |
| Pildisisend | Toetatud |
| Pildiväljund | Toetatud |
| Helisisend või -väljund | Ei ole toetatud |
| Videosisend või -väljund | Ei ole toetatud |
| Pildi kvaliteet | Madal, keskmine ja kõrge |
| Dokumenteeritud pildisuurused | 1024×1024, 1024×1536, 1536×1024 ja automaatne |
| API pildiformaadid | PNG, JPEG ja WebP |
Dokumenteeritud suurusevalikud hõlmavad levinud ruudukujulise, püst- ja rõhtpaigutusega piltide kasutusjuhtumeid. Automaatset valikut saab kasutada siis, kui rakendus ei pea kindlat mõõtu sõnaselgelt määrama.
GPT-Image-1.5 hinnakujundus
OpenAI loetleb tekstide ja piltide töötlemiseks eraldi märgipõhised hinnad ning piltide genereerimise hinnad ühe pildi kohta. Märgipõhised hinnad on olulised siis, kui viipasid või pildiandmeid töödeldakse API kaudu; pildipõhised hinnad annavad lihtsama võimaluse hinnata genereerimise kulu kvaliteedi ja eraldusvõime järgi.
| Üksus | Hind |
|---|---|
| Tekstisisend | 5 dollarit 1 miljoni märgi kohta |
| Vahemällu salvestatud tekstisisend | 1,25 dollarit 1 miljoni märgi kohta |
| Tekstiväljund | 10 dollarit 1 miljoni märgi kohta |
| Pildisisend | 8 dollarit 1 miljoni märgi kohta |
| Vahemällu salvestatud pildisisend | 2 dollarit 1 miljoni märgi kohta |
| Pildiväljund | 32 dollarit 1 miljoni märgi kohta |
Ühe pildi hind sõltub eraldusvõimest ja kvaliteedist. 1024×1024 piltide puhul on loetletud hinnad madala kvaliteedi korral 0,009 dollarit, keskmise kvaliteedi korral 0,034 dollarit ja kõrge kvaliteedi korral 0,133 dollarit. 1024×1536 ja 1536×1024 piltide vastavad hinnad on 0,013, 0,05 ja 0,20 dollarit.
Neid hindu ei tohiks käsitleda ühe kindla pildigeneerimise tariifina. Kõrge kvaliteediga rõht- või püstpaigutusega pilt maksab rohkem kui madala kvaliteediga ruudukujuline pilt ning pildisisendeid või tekstiväljundeid sisaldavate töövoogudega võivad kaasneda ka märgipõhised tasud.
Peamised tugevused ja kompromissid
GPT-Image-1.5 kõige olulisem tugevus on pildi sisu juhtimine, mitte üldotstarbeline arutlusvõime. OpenAI rõhutab võrreldes mudeliga GPT-Image-1 paremat juhiste järgimist, oluliste visuaalsete detailide säilitamist, logode ühtlast kujutamist, teksti renderdamist ja töötlemise kvaliteeti.
Seetõttu sobib mudel hästi tootmise töövoogudesse, kus pilt peab eri versioonides visuaalselt sidusaks jääma. See on sobivam kontrollitud töötlemisvoo jaoks kui töövoo jaoks, kus on vaja üksnes kiiresti luua ajutine illustratsioon.
Mudelil on ka selged kompromissid. Kõrge kvaliteediga väljundid maksavad märgatavalt rohkem kui madala kvaliteediga väljundid ning mudel ei paku heli- ega videogeneratsiooni. See ei toeta voogedastust, funktsioonikutseid, struktureeritud väljundeid ega peenhäälestust. Esitatud mudelidokumentatsioonis ei ole ka tavapärast kontekstiakna ega maksimaalse väljundimärkide arvu väärtust dokumenteeritud, sest selle peamine väljund on pildiandmed, mitte tavapärane tekstiline lõpetus.
API tugi ja tehnilised piirangud
API mudeli kanooniline ID on gpt-image-1.5. Mudel toetab piltide genereerimise töövooge OpenAI API kaudu ja on märgitud Batch API-ga ühilduvaks. Samas ei toeta see voogedastust, funktsioonikutseid, struktureeritud väljundeid ega peenhäälestust.
Need piirangud on rakendusmustrit valides olulised. Rakendus võib taotleda pildi genereerimist või töötlemist, kuid ei tohiks eeldada, et mudel toimib väliseid funktsioone kutsuva agendina, väljastab järgnevatele süsteemidele struktureeritud JSON-i või edastab osalise pildivastuse voona samal viisil, nagu tekstimudel võib märke voona edastada.
Selle mudeli kohta ei ole esitatud dokumentatsioonis avaldatud tavapärast konteksti pikkuse ega maksimaalse väljundimärkide arvu spetsifikatsiooni. Seda puuduvat teavet tuleks käsitleda dokumenteerimata väärtusena, mitte piiramatu mahuna.
Arutlusvõime, programmeerimine, kiirus ja kuluprofiil
GPT-Image-1.5 on eelkõige visuaalse sisu genereerimise, mitte üldotstarbeline arutlus- või programmeerimismudel. Esitatud kataloog annab sellele kataloogi võrdlusskaalal toimetusliku arutlusvõime hindeks 1 ja programmeerimishindeks 1. Need on toimetuslikud hinnangud, mitte OpenAI võrdlustulemused ega teenusepakkuja avaldatud mõõdikud.
Sama kataloog annab mudeli toimetuslikuks kiiruse hindeks 7 ja kuluhindeks 6. Need hinded on pildigeneratsiooni mudeli võrdluslikud hinnangud ning neid ei tohiks käsitleda garanteeritud latentsuse ega kindla kulutaseme näitajatena. Tegelik kulu sõltub sisendi tüübist, pildi suurusest, kvaliteediseadest, vahemällu salvestamisest ja genereeritavate piltide arvust.
Rakenduste puhul, mis vajavad koodi genereerimist, keerukat tekstilist arutlust, funktsioonikutseid või struktureeritud andmeid, on sobivam spetsiaalne tekstimudel. GPT-Image-1.5 tuleks kasutada siis, kui peamine tulemus on pilt või pildi töötlemine.
Millal valida GPT-Image-1.5
GPT-Image-1.5 võib endiselt sobida juhul, kui olemasolev rakendus sõltub juba selle käitumisest ja vajab enne üleviimist lühiajalist jätkulahendust. See on mõistlik valik ka pilditöötluse töövoogude testimiseks, kui need tuginevad visuaalsete detailide säilitamisele, bränditud graafikale, tootepiltidele või mitmele kvaliteeditasemele.
- Valige see olemasolevate tootmises kasutatavate töövoogude jaoks, mida ei ole veel üle viidud.
- Valige see siis, kui piltide töötlemine ning kompositsiooni või brändielementide säilitamine on tekstimudeli funktsioonidest olulisemad.
- Valige mustandite või mahuka katsetamise jaoks madal kvaliteet, kui kulu on lõpptäpsusest olulisem.
- Valige keskmine või kõrge kvaliteet siis, kui väljund on mõeldud klientidele või peab säilitama rohkem detaile.
- Valige see e-kaubanduse, turunduse, tootekataloogide, kampaaniagraafika ja muude pildikesksete ülesannete jaoks.
Uue projekti puhul on sobivam suund GPT-Image-2, sest OpenAI soovitab seda sõnaselgelt asendusena. Programmeerimise, pika arutluse, struktureeritud väljundi või tööriistapõhise automatiseerimise jaoks on eelistatav tekstimudel. Kui vajalik väljund ei ole liikumatu pilt, on vaja video- või helimudelit.
Praegune olek ja üleviimisega seotud kaalutlused
GPT-Image-1.5 on praegu kättesaadav, kuid amortiseerunud. OpenAI on teatanud, et API ligipääs lõpeb 1. detsembril 2026. Seetõttu on see mudel üleminekulahendus, mitte uue arenduse stabiilne pikaajaline alus.
Mudelit kasutavad meeskonnad peaksid oma praeguses töövoos kindlaks määrama täpse mudeli ID, pildi suurused, kvaliteediseaded, väljundvormingud, viibad ja töötlemisega seotud eeldused. Seejärel tuleks neid töövooge enne sulgemiskuupäeva GPT-Image-2 vastu testida. Visuaalsed väljundid ei pruugi pärast üleviimist olla identsed, mistõttu peaksid vastuvõtutestid võrdlema valitud kvaliteeditasemel kompositsiooni, brändielemente, teksti renderdamist, pildi säilimist ja kulu.
Kokkuvõttes on GPT-Image-1.5 endiselt kasulik piltide genereerimiseks ja töötlemiseks, eriti juhul, kui olulised on visuaalsete detailide säilitamine ja tootmisele suunatud juhtimisvõimalused. Selle kavandatud API eemaldamine, agendi- ja struktureeritud väljundi funktsioonide puudumine ning piiratud sisendite ja väljundite valik tähendavad, et uued rakendused peaksid üldjuhul kasutama soovitatud järeltulijat või muud spetsiaalset mudelit, mis vastab paremini nende nõutavale väljundile.