اوپن‌اِی‌آی نسخه جدید GPT-Image ۱.۵ را با قابلیت ویرایش سریع‌تر برای رقابت با هوش مصنوعی نانو بنانا پرو (Nano Banana Pro) جمینای معرفی کرد.

جدیدترین مدل تصویری اوپن‌اِی‌آی در شرایطی عرضه می‌شود که رقابت با گوگل جمینای شدت گرفته و انتظارها برای تصاویر آماده افزایش یافته است. مدل‌های تولید تصویر هوش مصنوعی در طول سال ۲۰۲۵ جهشی بزرگ داشتند و اوپن‌اِی‌آی این جهش را به آخرین ماه‌های سال کشانده است.

به نقل از آی‌ای، روز سه‌شنبه، این شرکت مدل GPT-Image ۱.۵ را منتشر کرد؛ جدیدترین مولد تصویر که عملکرد سریع‌تر، پیروی دقیق‌تر از دستورها و ابزارهای ویرایش دقیق‌تر را وعده می‌دهد.

این مدل بلافاصله برای همه کاربران چت جی‌پی‌تی در سراسر جهان و از طریق رابط برنامه‌نویسی کاربردی اوپن‌اِی‌آی با نام GPT-Image-۱.۵ در دسترس قرار گرفت. اوپن‌اِی‌آی همچنین یک فضای اختصاصی برای خلق تصویر در نوار کناری چت جی‌پی‌تی معرفی کرد که شامل سبک‌های آماده و طراحی‌های پرطرفدار است.

این به ‌روزرسانی نشانه‌ای از تغییر مسیر از دستورالعمل‌های ساده متنی به سمت جریان کاری بیشتر مبتنی بر تصویر است. تجربه نخست بسیاری از افراد با چت جی‌پی‌تی تبدیل یک دستورالعمل متنی به تصویر است. این راهی جادویی برای دیدن توانایی این فناوری است، اما رابط چت در اصل برای این کار طراحی نشده بود.

اوپن‌اِی‌آی می‌گوید GPT-Image ۱.۵ تا چهار برابر سریع‌تر از نسخه قبلی اجرا می‌شود. این شرکت همچنین ادعا می‌کند مدل جدید، دستورها را به‌ویژه در ویرایش‌های تکراری دقیق‌تر دنبال می‌کند.

کاربران اکنون می‌توانند اشیاء را اضافه یا حذف کنند، سبک‌های بصری را تغییر دهند، لباس‌ها را تنظیم کنند و بخش‌های خاصی را بدون بازتولید کل تصویر اصلاح کنند. این سطح از کنترل یک ضعف دیرینه در ابزارهای تولید تصویر را برطرف می‌کند که اغلب به‌جای تغییرات هدفمند، کل صحنه را بازسازی می‌کردند. خلق و ویرایش تصاویر نوعی وظیفه متفاوت است و شایسته فضایی ویژه برای تصاویر است.

اوپن‌اِی‌آی همچنین می‌گوید مدل جدید، متن‌های خواناتر درون تصاویر تولید می‌کند. رندر متن مدت‌ها چالش‌برانگیزترین بخش برای مولدهای تصویر بوده است، از جمله مدل‌های پیشین اوپن‌اِی‌آی.

تصاویر آزمایشی اولیه نشان‌دهنده بهبود هستند، هرچند آزمایش‌های واقعی تعیین خواهد کرد که نتایج تا چه حد پایدار باقی می‌مانند. فراتر از خود مدل، اوپن‌اِی‌آی در حال تغییر نحوه تعامل کاربران با تصاویر در چت جی‌پی‌تی است. ورودی جدید در نوار کناری بیشتر شبیه یک استودیوی خلاق عمل می‌کند و از طریق دستورالعمل‌های پرطرفدار و فیلترهای آماده الهام بخش است.