Patuloy ang OpenAI sa kanilang ‘code red’ na kampanya gamit ang bagong modelo ng pagbuo ng larawan

Inilulunsad ng OpenAI ang bagong bersyon ng ChatGPT Images na nangangakong mas mahusay sa pagsunod sa mga tagubilin, mas eksaktong pag-edit, at hanggang 4x na mas mabilis na bilis ng pagbuo ng larawan.

Ang bagong model, na tinawag na GPT-Image-1.5, ay magagamit simula Martes para sa lahat ng ChatGPT users at sa pamamagitan ng API. Ito ang pinakabagong hakbang sa kompetisyon laban sa Google’s Gemini matapos ideklara ni OpenAI CEO Sam Altman noong nakaraang buwan ang isang “code red” sa isang leaked internal memo. Detalyado sa memo ang mga plano ng OpenAI na muling makuha ang posisyon nito bilang AI leader matapos magsimulang makakuha ng market share ang Google kasunod ng paglabas ng Gemini 3, ang pinakabagong flagship model nito, at Nano Banana Pro, ang pinakabagong bersyon ng viral image generator ng Google — pareho sa mga ito ay nangunguna sa LMArena leaderboard sa iba’t ibang benchmarks. 

Nananatiling nangunguna ang Google kahit na tumugon ang OpenAI sa tagumpay nito noong nakaraang linggo sa paglulunsad ng GPT-5.2, na inilarawan bilang pinaka-advanced nitong model para sa mga developer at pang-araw-araw na propesyonal na paggamit. Naiulat na plano ng OpenAI na maglabas ng bagong image generator noong unang bahagi ng Enero, ngunit pinabilis ang mga planong ito sa anunsyo ngayong linggo. Ang huling paglabas ng image model nito ay GPT-Image-1 noong Abril. 

Dumarating ang GPT-Image-1.5 habang ang mga image at video generator ay umuunlad na lampas sa mga prototype at nakakakuha ng mas maraming kakayahan para sa produksyon. Katulad ng Nano Banana Pro, nag-aalok ang ChatGPT Images ng mga post-production feature, na nagbibigay ng mas detalyadong kontrol sa pag-edit upang mapanatili ang visual consistency, tulad ng pagkakahawig ng mukha, ilaw, komposisyon, at kulay sa bawat edit. 

Ang parehong larawan sa itaas ay ipinapakita na may iba’t ibang edits upang ipakita ang pinahusay na pagsunod sa tagubilin ng GPT-Image-1.5. Image Credits:OpenAI

Karamihan sa mga GenAI image tool ay mahina sa iteration, kaya ito ay magiging malaking hakbang pasulong. Kapag humiling ng partikular na pagbabago, tulad ng ‘baguhin ang ekspresyon ng mukha’ o ‘gawing mas malamig ang ilaw,’ madalas na muling binibigyang-kahulugan ng mga model ang buong larawan, na nagreresulta sa kakulangan ng consistency. 

Hindi lang tungkol sa mga bagong feature ang update. Ang ChatGPT Images ay magiging accessible na rin ngayon sa pamamagitan ng isang dedikadong entry point sa ChatGPT sidebar na gumagana “na parang isang creative studio,” ayon kay Fidji Simo, CEO ng applications ng OpenAI, sa isang blog post nitong Martes. 

“Ang mga bagong screen para sa pagtingin at pag-edit ng larawan ay nagpapadali upang lumikha ng mga larawang tumutugma sa iyong imahinasyon o kumuha ng inspirasyon mula sa trending prompts at preset filters,” sulat ni Simo.

Bukod sa bagong image generator, nagpapakilala rin ang OpenAI ng mga bagong paraan upang mapabuti ang karanasan sa ChatGPT gamit ang mas maraming visual na elemento. Plano nilang gawing mas maraming visuals na may malinaw na sources ang lumabas sa search queries, na maaaring makatulong para sa mga gawain tulad ng pag-convert ng measurements o pag-check ng sports scores, ayon kay Simo. 

“Kapag ikaw ay lumilikha, dapat mong makita at hubugin ang bagay na ginagawa mo. Kapag ang visuals ay mas mahusay magkuwento kaysa salita lang, dapat kasama ito sa ChatGPT,” sulat ni Simo. “Kapag kailangan mo ng mabilis na sagot o ang susunod na hakbang ay nasa ibang tool, dapat naroon din ito. Sa paggawa nito, mapapalapit pa natin ang pagitan ng nasa isip mo at ng kakayahan mong gawing realidad ito.”