OpenAI ने ChatGPT Images 2.5 लाँच केले आहे, ChatGPT मध्ये तयार केलेल्या इमेज जनरेशन मॉडेलची नवीन आवृत्ती, कंपनीने मंगळवारी पुष्टी केली. अपडेट AI इमेज टूल्सच्या तीन सतत वेदना बिंदूंवर लक्ष केंद्रित करते: पिढीचा वेग, संपूर्ण प्रतिमा स्क्रॅम्ब करण्यासाठी लहान संपादनांची प्रवृत्ती आणि मजकूरात दृश्य कल्पनांचे वर्णन करण्यात अडचण.

OpenAI नुसार, इमेज 2.5 त्याच्या पूर्ववर्ती पेक्षा अधिक तीक्ष्ण तपशील, अधिक नैसर्गिक प्रकाश आणि समृद्ध पोत तयार करते आणि संदर्भ फोटोंमधून घेतलेल्या लोक, पाळीव प्राणी आणि वस्तूंच्या समानतेचे जतन करण्याचे अधिक चांगले कार्य करते. मागील आवृत्ती, इमेज 2.0 पेक्षा जनरेशन 50% वेगवान आहे. For more context on this story, see our ongoing more AI stories.

संपादन जे तुम्ही विचारता तेच बदलते

एआय इमेज जनरेटरबद्दल सर्वात सामान्य तक्रार अशी आहे की एका छोट्या बदलाची विनंती करणे - भिन्न पार्श्वभूमी, मजकूराची दुरुस्त केलेली ओळ - अनेकदा संपूर्ण चित्र पुन्हा काढते. OpenAI म्हणते की इमेज 2.5 फक्त एडिट करण्यासाठी तयार केले आहे जे वापरकर्त्याने विचारले आहे आणि बाकीची इमेज अस्पर्श ठेवली आहे, अगदी दीर्घ संभाषणातील संपादनांच्या अनेक फेऱ्यांमध्येही.

Axios, ज्याला मॉडेलमध्ये लवकर प्रवेश मिळाला होता, सिस्टमने टॅटू डिझाइन करून, नोट्समधून ते सुधारित करून आणि मूळ संकल्पना न गमावता अनेक फेऱ्यांमधून लोगोवर पुनरावृत्ती करून याची चाचणी केली - एक मल्टी-स्टेप वर्कफ्लो जो सामान्यत: पूर्वीच्या प्रतिमा मॉडेलला खंडित करतो.

स्केच, टेम्पलेट आणि टिप्पण्या

अपडेट स्केच नावाचे वैशिष्ट्य सादर करते, जे वापरकर्त्यांना थेट ChatGPT मध्ये एक रफ डूडल काढू देते — खोलीचा लेआउट, एखाद्या पोशाखाचा आकार — आणि अंतिम प्रतिमेसाठी मार्गदर्शक म्हणून ते रेखाचित्र वापरता येते. संभाषणात "@Sketch" टाईप केल्याने टूल वर येते. OpenAI चा पैज असा आहे की पॉइंटिंग आणि ड्रॉइंग हे प्रॉम्प्ट मजकूराचा दुसरा परिच्छेद लिहिण्यापेक्षा बरेचदा जलद आणि अधिक अचूक आहे.

स्केच सोबत, OpenAI ने पोस्टर्स आणि मर्चेंडाईज सारख्या सामान्य स्वरूपांसाठी टेम्पलेट्स जोडले, विशिष्ट संपादनांना लक्ष्य करण्यासाठी थेट प्रतिमेवर टिप्पण्या देण्याची क्षमता आणि एखाद्या निर्मितीमागील अचूक प्रॉम्प्ट सामायिक करण्याचा पर्याय जेणेकरुन इतरांना त्यांच्या स्वतःच्या फोटोंसह ते रीमिक्स करता येईल.

Adele Li, OpenAI ची इमेज वरील उत्पादन लीड, Axios ला सांगितले की सर्जनशील प्रक्रियेत लोकांना सक्रियपणे गुंतवून ठेवण्याचे ध्येय आहे. "स्केच टूल आणि हे टेम्प्लेट्स लोकांना निष्क्रिय शक्ती बनवण्याऐवजी निर्मिती प्रक्रियेत अधिक गुंतवून ठेवण्याचा एक प्रकार आहे," ली म्हणाले.

विकसकांसाठी दोन नवीन API मॉडेल

विकसकांना OpenAI API द्वारे दोन नवीन मॉडेल मिळत आहेत. GPT-Image-2.5 Flare चे उद्दिष्ट उच्च-आवाज, दैनंदिन पिढी जसे की सामाजिक सामग्री आणि उत्पादन फोटो, कमी विलंबतेला प्राधान्य देऊन आहे. GPT-Image-2.5 सनबर्स्टला पॉलिश मोहिमेच्या कामासाठी हळू पण अधिक अचूक पर्याय म्हणून स्थान दिले आहे.

हे विभाजन प्रतिबिंबित करते की ओपनएआयने त्याच्या मजकूर मॉडेल्सना कसे टायर्ड केले आहे, ज्यामुळे अभियांत्रिकी संघांना एका बाजूला किंमत आणि वेग आणि दुसरीकडे आउटपुट गुणवत्ता यांच्यात एक व्यापार-ऑफ मिळतो. इमेजेस 2.5 फॅमिली न सोडता त्यांच्या स्वतःच्या उत्पादनांमध्ये प्रतिमा निर्मिती निर्माण करणाऱ्या कंपन्या आता या दोघांपैकी एक निवडू शकतात.

वॉटरमार्किंग आणि प्रोव्हनन्स जागेवरच रहा

OpenAI म्हणते की नवीन मॉडेल्स AI-व्युत्पन्न केलेल्या प्रतिमा ओळखण्यात मदत करण्यासाठी C2PA सामग्री क्रेडेन्शियल्स आणि अदृश्य वॉटरमार्किंगसह, मागील प्रतिमा आवृत्त्यांकडून वापरल्या जाणाऱ्या सुरक्षा तपासण्या ठेवतात. फोटोरिअलिस्टिक व्युत्पन्न केलेली प्रतिमा सोशल प्लॅटफॉर्मवर पसरत असल्याने प्रोव्हनन्स मानके अधिक महत्त्वाची बनली आहेत आणि सिंथेटिक मीडिया शोधण्यायोग्य बनवण्यासाठी ओपनएआयला नियामक आणि अधिकार धारकांकडून सतत दबावाचा सामना करावा लागला आहे.

स्पर्धात्मक आणि गर्दीचे मैदान

लाँच वाढत्या गर्दीच्या इमेज जनरेशन मार्केटमध्ये उतरते. टेकरिपब्लिकने नोंदवले आहे की कॅनव्हाने 2026 मध्ये क्रिएटिव्ह वर्कफ्लो फ्रिक्शनला लक्ष्य करत 100 पेक्षा जास्त व्हिज्युअल सूट अद्यतने पाठवली आहेत, तर Google आणि xAI सह प्रतिस्पर्धी त्यांच्या स्वतःच्या प्रतिमा मॉडेलवर पुनरावृत्ती करत आहेत. या वर्षाच्या सुरुवातीला, एरिना रँकिंगमध्ये OpenAI चे GPT-Image-2 आणि xAI चे इमॅजिन ट्रेडिंग ठिकाणे मानवी पसंती लीडरबोर्डच्या शीर्षस्थानी आहेत.

OpenAI साठी, इमेज 2.5 ची रणनीती कच्च्या बेंचमार्क स्कोअरबद्दल कमी आणि परस्परसंवाद डिझाइनबद्दल अधिक आहे: वापरण्यायोग्य परिणाम मिळविण्यासाठी आवश्यक प्रॉम्प्ट पुनर्लेखनाची संख्या कमी करणे. TechRepublic ने म्हटल्याप्रमाणे, AI इमेज जनरेशनला बॉक्समध्ये जादुई स्पेल टाईप करण्यासारखे कमी आणि प्रत्यक्षात काहीतरी बनवण्यासारखे वाटणे हे या अपडेटचे उद्दिष्ट आहे.

उपलब्धता

OpenAI नुसार ChatGPT Images 2.5 सर्व ChatGPT, ChatGPT वर्क आणि कोडेक्स वापरकर्त्यांसाठी डेस्कटॉप, मोबाइल आणि वेबवर आणत आहे. फ्लेअर आणि सनबर्स्ट API मॉडेल्स विकसकांसाठी ताबडतोब उपलब्ध आहेत, ज्याची किंमत OpenAI च्या मॉडेल दस्तऐवजीकरण पृष्ठांवर तपशीलवार आहे.

लहान व्यवसाय आणि निर्मात्यांसाठी, व्यावहारिक महत्त्व सरळ आहे: लेबल, हात किंवा पार्श्वभूमी निश्चित करण्यासाठी कमी पुनर्जन्म म्हणजे फ्लायर्स, उत्पादन शॉट्स आणि सामाजिक पोस्टवर जलद टर्नअराउंड जेथे AI इमेज टूल्सचा सर्वाधिक वापर केला जातो. TechRepublic चे मूल्यमापन असे होते की अपडेट वापरण्यायोग्य निकाल मिळविण्यासाठी कौशल्याची पातळी कमी करते, ज्यांना फक्त एक सभ्य फ्लायर किंवा उत्पादन शॉट तयार करण्यासाठी त्वरित-अभियांत्रिकी तज्ञ बनायचे नाही अशा लोकांसाठी लक्ष्य आहे. स्केच आणि टिप्पणी-आधारित संपादन हे डीफॉल्ट मार्ग बनले की लोक प्रतिमा मॉडेल निर्देशित करतात — दीर्घ स्वरूपाच्या सूचनांऐवजी — येत्या काही महिन्यांत पाहण्यासाठी मेट्रिक असेल.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →