GPT Image 2.5 vs GPT Image 2: ho passato gli stessi prompt in entrambi. Ecco dove differiscono davvero

OpenAI ha rilasciato ChatGPT Images 2.5 l'8 settembre e l'ha riassunto così: "sharper details, more precise editing, and faster generation". Sul lato API significa due nuovi modelli, GPT-Image-2.5 Flare e GPT-Image-2.5 Sunburst. ZOOOP li aveva entrambi online il giorno dopo, come due versioni di un unico modello nel generatore di immagini AI.

I post di lancio si leggono sempre bene. Se generi immagini ogni giorno, c'è una sola domanda che merita risposta: sono soddisfatto di GPT Image 2 — cosa ci guadagno davvero passando a 2.5? Così ho passato lo stesso lotto di prompt in entrambe le generazioni cambiando solo il modello. Ecco cosa si vede, e cosa no.

Cos'è GPT Image 2.5, e cosa sono Flare e Sunburst

Prima i nomi, perché OpenAI ne ha rilasciati tre in un colpo.

ChatGPT Images 2.5 è il nome del prodotto dentro ChatGPT. Non esiste un modello API chiamato "2.5": ce ne sono due, Flare e Sunburst. Secondo OpenAI, Flare è il predefinito per la maggior parte delle applicazioni e produce immagini di qualità superiore a GPT-Image-2 con metà della latenza. Sunburst è pensato per flussi premium che vogliono un controllo più stretto sulle modifiche, e impiega più tempo a generare. I due condividono gli stessi prompt, parametri e formati.

Su ZOOOP non li abbiamo elencati come due modelli separati: suggerirebbe che stai scegliendo tra due cose diverse. Sono due versioni sotto GPT Image 2.5, a un interruttore di distanza. È anche il motivo per cui ogni confronto in questo articolo gira su Flare per impostazione predefinita; Sunburst ha la sua sezione più sotto.

Rispetto a GPT Image 2, tre cose sono cambiate a livello di parametri: la scala di qualità passa da Low / Medium / High a cinque livelli, con XHigh e Max in cima; c'è una nuova risoluzione 4K; e una singola richiesta accetta ora fino a 16 immagini di riferimento invece di 10. Tutto il resto è uguale: undici formati, prompt scritti allo stesso modo.

Metodo: stessi prompt, cambia solo il modello

Quattro prompt, che coprono le quattro cose a cui tengo di più. Dettaglio di tessuto e metallo: un primo piano del revers di un blazer blu navy a spina di pesce con una spilla da colletto in ottone. Testo piccolo nell'inquadratura: l'insegna in legno dipinta a mano di una panetteria. Riflessi e materiali: una teiera nera opaca su un bancone di pietra lucida. Tipografia: un poster di concerto vintage appuntato su un muro di mattoni.

Ogni prompt è girato una volta su ciascun modello: 16:9, stessa risoluzione, qualità Low. Low è il livello che uso di più, ed è quello che espone il pavimento di un modello; qualsiasi modello può accumulare dettaglio al livello massimo. Per il prompt del tessuto ho aggiunto una coppia in High e un render in Max, che solo 2.5 offre, per vedere fin dove arriva davvero la scala.

Non testato qui: modifica e composizione multi-riferimento. Sono le aree di cui OpenAI parla di più per 2.5, e meritano un articolo a parte.

Differenza uno: dettaglio risolto

La versione breve: entrambi i render in Low sono utilizzabili; il divario emerge allo zoom. GPT Image 2 ha la spina di pesce, ma è morbida, come vista attraverso una garza. GPT Image 2.5 alza ogni costa, e la cucitura lungo il bordo del revers è più ferma. L'altro divario non è la trama ma l'obbedienza. Ho chiesto una spilla da colletto in ottone; 2.0 ha disegnato un ciondolo a forma di lanterna, 2.5 un bottone rotondo in ottone con uno stemma. Nessuno dei due è da manuale, ma 2.5 è più vicino al prompt.

La coppia di teiere è l'illustrazione più chiara di cosa significhi "dettaglio risolto". Entrambe azzeccano il materiale della teiera; la differenza è il bancone. Il riflesso di 2.0 è una macchia scura indistinta. 2.5 rispecchia manico, corpo e coperchio uno per uno sulla pietra, con le venature del marmo che trasparono da sotto. È il punto debole in cui incappo più spesso con qualsiasi generatore di immagini AI: il soggetto va bene, l'anello dove il soggetto incontra l'ambiente diventa pastoso. 2.5 è nettamente più denso in quell'anello.

Quanto al testo nell'immagine: "MORNING LOAF · est. 1987" sull'insegna della panetteria e le tre righe del poster sono uscite lettera per lettera corrette su entrambi i modelli. La tipografia leggibile è sempre stata la firma della linea GPT Image; 2.5 non la fa regredire, e nemmeno si stacca. Le differenze sono attorno alle lettere. L'insegna di 2.5 è legno davvero consumato appeso a ganci di ferro, e il suo poster ha pieghe e capocchie di spillo. L'insegna di 2.0 sembra appena dipinta, e il suo poster ha aggiunto un'auto vintage che il prompt non aveva mai chiesto.

Differenza due: tre livelli di qualità diventano cinque

Con i tre livelli di GPT Image 2, la mia regola era: Low basta, Medium gestisce le composizioni piene, High raramente. 2.5 aggiunge XHigh e Max sopra High, e la prima reazione è "quindi un High più caro".

Quello che ho trovato è diverso: salire di un livello non affina la stessa immagine, ne genera una nuova. Tra i render Low, High e Max, la spilla è passata da uno stemma rotondo a una forma a foglia, e lo strato sotto da camicia bianca a maglione crema e ritorno. La composizione si è mossa; l'unica cosa salita con costanza è il tessuto. La spina di pesce di Max è densa abbastanza da contare i fili, High viene dopo, e Low è quasi indistinguibile da High a dimensione web. Quindi se il piano era "bloccare la composizione in Low, poi ri-renderizzare lo stesso fotogramma in Max per la stampa", quella strada non esiste. Sali la scala finché accetti ancora che la composizione cambi.

Il mio consiglio è lo stesso di 2.0, solo su una scala più lunga: esplora in Low, blocca la composizione, promuovi solo il fotogramma che consegni davvero. Quale livello dipende da quanto grande sarà visto. Un poster stampato, un hero di landing page, una plate 4K: è lì che XHigh e Max hanno posto. Alzare un post social costa solo di più.

Differenza tre: 4K widescreen e 16 immagini di riferimento

Il 4K è l'aggiunta tangibile. GPT Image 2.5 produce 3840×2160 e 2160×3840 direttamente, senza 2K e poi upscale; e nativo contro ingrandito è un'altra cosa nel dettaglio ad alta frequenza come foglie e capelli.

Una cosa da sapere subito: il 4K è disponibile solo per quattro formati larghi e verticali: 21:9, 16:9, 9:16 e 9:21. Gli altri sette formati si fermano a 3K. È il tetto di pixel del modello, non un limite di ZOOOP; disattiviamo le combinazioni non selezionabili così non paghi, aspetti mezzo minuto e ricevi un errore.

Il limite di riferimenti che passa da 10 a 16 immagini è una comodità reale per compositi e-commerce e lavoro di layout: packshot, oggetti di scena, una cartella colore e un layout approssimativo, tutto in una richiesta, con il prompt che descrive la disposizione. Non ho fatto un confronto per questo, ma "preservare meglio i soggetti delle tue foto di riferimento" è uno dei fili principali dell'annuncio di OpenAI, e corrisponde a ciò che abbiamo visto in test sparsi nell'editor di immagini AI.

Differenza quattro: Flare e Sunburst renderizzano in modo diverso?

Era il punto che volevo chiarire di più, perché su ZOOOP le due versioni costano uguale. Se Sunburst è più lento e non è migliore, a cosa serve?

Ho passato il prompt del revers della differenza uno in Sunburst con parametri identici. Fianco a fianco, la densità del tessuto, il metallo della spilla e la caduta della profondità di campo sono in parità; ogni differenza è casuale: Flare ha dato un bottone rotondo in ottone, Sunburst una spilla a foglia di quercia e ha aggiunto una pochette. In altre parole, per generare da zero, Sunburst non è migliore di Flare.

È più lento, ma un numero non te lo so dare. Ho misurato due volte lo stesso insieme di coppie appaiate: in entrambi i giri la mediana di Sunburst resta dietro a quella di Flare, però la distanza è cambiata parecchio tra un giro e l'altro e qualche cella si è invertita. Regge la direzione, non il moltiplicatore. Coincide con il posizionamento di OpenAI: la forza di Sunburst è l'editing, quello del tipo "cambia solo questa cosa, lascia il resto", non il text-to-image.

Quindi la regola è semplice. Flare di default. Passa a Sunburst solo quando fai una modifica precisa su un'immagine esistente e il cambiamento deve cadere esattamente dove indichi. Per text-to-image e bozze in serie, Sunburst ti fa solo aspettare.

Cosa spostare su 2.5 e cosa lasciare com'è

Le quattro differenze in un'unica lista.

Spostare su GPT Image 2.5: tutto ciò che sarà visto in grande — key visual stampati, hero di landing page, sfondi per grandi schermi; tutto ciò che ha testo piccolo o tipografia densa; tutto ciò che richiede 4K widescreen nativo; tutto ciò che compone una dozzina o più di immagini di riferimento. In questi casi il divario si vede.

Nessuna fretta: immagini social quotidiane, immagini viste solo sul telefono, bozze di pura esplorazione stilistica. In Low, la differenza tra le generazioni non giustifica rifare un set esistente. Se hai un lotto fatto con GPT Image 2 e te ne servono alcune in più abbinate, restare su 2.0 è la scommessa più sicura.

Per il lavoro nuovo, parti da 2.5. Nel generatore di immagini AI di ZOOOP sta davanti a GPT Image 2 nell'elenco, Flare è la versione predefinita, e i cinque livelli di qualità e il 4K sono nello stesso pannello. I crediti sono condivisi tra i due modelli, quindi passare dall'uno all'altro non richiede un secondo budget.