GPT Image 2

GPT Image 2 repræsenterer OpenAIs mest betydningsfulde opgradering af billedgenerering siden DALL·E 3. Arkitekturen er genopbygget fra bunden — den deler ikke længere vægte med GPT-4o — og konsoliderer det, der plejede at være en to-trins pipeline, til et enkelt ræsonnement-pas. Denne strukturelle ændring har to konsekvenser for kreatører. For det første forbedres prompt-overholdelsen dramatisk: komplekse prompter med rumlige begrænsninger ("en barista der hælder espresso til venstre, med en kridttavle-menu bag hende hvor der står 'Morning Brew — $4.50'") løses korrekt i stedet for at tabe elementer. For det andet bliver tekstgengivelse produktionsklar. Hvor tidligere modeller producerede dekorativt volapyk, leverer GPT Image 2 læselig tekst med korrekt knibning på engelsk, mandarin, japansk, koreansk, hindi og bengali — hvilket muliggør brugsscenarier som flersprogede reklamer, lokaliserede produkt-mockups og internationale infografikker, der tidligere krævede manuel efterbehandling.

Modellens viden om den virkelige verden er endnu et skridt fremad. IKEA-varehuslayouts, YouTubes interface, Windows-ikoner og brand-konsistent produktemballage optræder nu med genkendelig troskab frem for tilnærmelser. Parret med understøttelse af flere billedreferencer — LoveGen AI tillader op til fire referencebilleder pr. generering — kan du låse en karakters ansigt fast på tværs af en marketingkampagne, overføre belysning fra et fotografi til en genereret scene eller indsætte et produkt i et brand-livsstilsbillede uden det identitetstab, der plagede tidligere værktøjer. Det gule farveskær, der var til stede i gpt-image-1 og 1.5, er helt elimineret, hvilket giver neutrale toner, der egner sig til kommercielle print-workflows. Maksimumopløsningen er 2K (op til 2048×2048), med eksperimentelle resultater tilgængelige over 2560×1440, hvilket gør GPT Image 2 levedygtig til redaktionelt arbejde, e-handel og designsystemer, hvor tidligere generelle modeller krævede tung retouchering.