คำตอบการวิจัย
ประเด็นสำคัญ
- ยังไม่ควรอ้างว่า GPT Image 2 จัดองค์ประกอบซับซ้อนหรือวางวัตถุแม่นกว่า GPT Image 1.5 เป็น X% เพราะแหล่งที่ตรวจสอบได้ยังไม่มี benchmark เฉพาะด้านอย่างเป็นทางการหรือทำซ้ำได้ และคะแนน 1,512 เทียบ 1,241 จากบุคคลที่สามไม่ใช...
- สิ่งที่ยืนยันได้คือหน้าโมเดล OpenAI API ระบุว่า GPT Image 1.5 มี instruction following และ adherence to prompts ดีขึ้น ส่วน GPT Image 1 ถูกระบุว่าเป็นโมเดลสร้างภาพรุ่นก่อนหน้า [14][36]
- ทีมสินค้า ดีไซน์ และมาร์เก็ตติ้งควรทำชุดพรอมป์และ rubric แบบ pass/fail ของตนเอง พร้อมแยกทดสอบ Generations กับ Edits ตามประเภทงานในเอกสาร OpenAI [24]
GPT Image 2 vs GPT Image 1.5:擺位準確度未有可核實數字AI-generated editorial illustration of comparing image-model object placement and complex composition.AI พรอมต์Create a landscape editorial hero image for this Studio Global article: GPT Image 2 vs GPT Image 1.5:擺位準確度未有可核實數字. Article summary: 目前不能寫成 GPT Image 2 擺位準確度提升 X%:本次可核查來源未有官方、可重現的 GPT Image 2 vs GPT Image 1.5 複雜構圖 benchmark;第三方 1,512 vs 1,241 分也不能換算成擺位準確率。[6][13][14][31][33]. Topic tags: ai, openai, chatgpt, image generation, generative ai. Reference image context from search candidates: Reference image 1: visual subject "# GPT-Image 2 vs GPT Image 1.5 full comparison 2026. GPT-Image 2 wins on almost every quality metric that matters: it leads the Artificial Analysis Arena by 242 Elo points, renders" source context "GPT-Image 2 vs GPT Image 1.5 full comparison 2026" Reference image 2: visual subject "## 实测GPT Image 1.5,拼尽全力还是没能打败Banana。. 突然想起了今年3月26号的时候,OpenAI第一次掏出GPT-4o的生图模型,也就是GPT Image 1.0,然后同天,Google发布了Gemini 2.5 Pro,事后看,Gemini 2.5 Pro肯定是一个伟大的模型。. 但是那一天的时候,在整个X上、各种群里,大家讨论的全" source co
openai.comถ้าคุณใช้โมเดลสร้างภาพ AI ทำโฆษณา ภาพสินค้า เลย์เอาต์หน้าเว็บ หรือฉากที่มีวัตถุหลายชิ้น ความสวยของภาพเป็นเพียงครึ่งเดียวของโจทย์ อีกครึ่งคือโมเดลทำตามตำแหน่งที่สั่งได้จริงหรือไม่ เช่น “แก้วอยู่ทางซ้ายของโน้ตบุ๊ก”, “โลโก้อยู่มุมขวาบน”, “ตัวละครถือสินค้าไว้ด้านหน้า” หรือ “ปุ่มหลักอยู่ตรงกลางใต้หัวข้อ”
จากข้อมูลที่ตรวจสอบได้ในตอนนี้ ยังไม่สามารถตอบเป็นตัวเลขที่น่าเชื่อถือได้ว่า GPT Image 2 แม่นกว่า GPT Image 1.5 แค่ไหนในงานคอมโพสซับซ้อนและการวางวัตถุ เอกสาร OpenAI API ที่อ้างอิงได้ในชุดข้อมูลนี้ยังไม่ให้ benchmark แบบ side-by-side สำหรับ spatial accuracy หรือ object placement ระหว่างสองรุ่นดังกล่าว
คนยังถาม
คำตอบสั้น ๆ สำหรับ "GPT Image 2 วางวัตถุแม่นกว่า GPT Image 1.5 แค่ไหน?" คืออะไร
ยังไม่ควรอ้างว่า GPT Image 2 จัดองค์ประกอบซับซ้อนหรือวางวัตถุแม่นกว่า GPT Image 1.5 เป็น X% เพราะแหล่งที่ตรวจสอบได้ยังไม่มี benchmark เฉพาะด้านอย่างเป็นทางการหรือทำซ้ำได้ และคะแนน 1,512 เทียบ 1,241 จากบุคคลที่สามไม่ใช...
ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร?
ยังไม่ควรอ้างว่า GPT Image 2 จัดองค์ประกอบซับซ้อนหรือวางวัตถุแม่นกว่า GPT Image 1.5 เป็น X% เพราะแหล่งที่ตรวจสอบได้ยังไม่มี benchmark เฉพาะด้านอย่างเป็นทางการหรือทำซ้ำได้ และคะแนน 1,512 เทียบ 1,241 จากบุคคลที่สามไม่ใช... สิ่งที่ยืนยันได้คือหน้าโมเดล OpenAI API ระบุว่า GPT Image 1.5 มี instruction following และ adherence to prompts ดีขึ้น ส่วน GPT Image 1 ถูกระบุว่าเป็นโมเดลสร้างภาพรุ่นก่อนหน้า [14][36]
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ?
ทีมสินค้า ดีไซน์ และมาร์เก็ตติ้งควรทำชุดพรอมป์และ rubric แบบ pass/fail ของตนเอง พร้อมแยกทดสอบ Generations กับ Edits ตามประเภทงานในเอกสาร OpenAI [24]
คำตอบการวิจัย
ประเด็นสำคัญ
- ยังไม่ควรอ้างว่า GPT Image 2 จัดองค์ประกอบซับซ้อนหรือวางวัตถุแม่นกว่า GPT Image 1.5 เป็น X% เพราะแหล่งที่ตรวจสอบได้ยังไม่มี benchmark เฉพาะด้านอย่างเป็นทางการหรือทำซ้ำได้ และคะแนน 1,512 เทียบ 1,241 จากบุคคลที่สามไม่ใช...
- สิ่งที่ยืนยันได้คือหน้าโมเดล OpenAI API ระบุว่า GPT Image 1.5 มี instruction following และ adherence to prompts ดีขึ้น ส่วน GPT Image 1 ถูกระบุว่าเป็นโมเดลสร้างภาพรุ่นก่อนหน้า [14][36]
- ทีมสินค้า ดีไซน์ และมาร์เก็ตติ้งควรทำชุดพรอมป์และ rubric แบบ pass/fail ของตนเอง พร้อมแยกทดสอบ Generations กับ Edits ตามประเภทงานในเอกสาร OpenAI [24]
GPT Image 2 vs GPT Image 1.5:擺位準確度未有可核實數字AI-generated editorial illustration of comparing image-model object placement and complex composition.AI พรอมต์Create a landscape editorial hero image for this Studio Global article: GPT Image 2 vs GPT Image 1.5:擺位準確度未有可核實數字. Article summary: 目前不能寫成 GPT Image 2 擺位準確度提升 X%:本次可核查來源未有官方、可重現的 GPT Image 2 vs GPT Image 1.5 複雜構圖 benchmark;第三方 1,512 vs 1,241 分也不能換算成擺位準確率。[6][13][14][31][33]. Topic tags: ai, openai, chatgpt, image generation, generative ai. Reference image context from search candidates: Reference image 1: visual subject "# GPT-Image 2 vs GPT Image 1.5 full comparison 2026. GPT-Image 2 wins on almost every quality metric that matters: it leads the Artificial Analysis Arena by 242 Elo points, renders" source context "GPT-Image 2 vs GPT Image 1.5 full comparison 2026" Reference image 2: visual subject "## 实测GPT Image 1.5,拼尽全力还是没能打败Banana。. 突然想起了今年3月26号的时候,OpenAI第一次掏出GPT-4o的生图模型,也就是GPT Image 1.0,然后同天,Google发布了Gemini 2.5 Pro,事后看,Gemini 2.5 Pro肯定是一个伟大的模型。. 但是那一天的时候,在整个X上、各种群里,大家讨论的全" source co
openai.comถ้าคุณใช้โมเดลสร้างภาพ AI ทำโฆษณา ภาพสินค้า เลย์เอาต์หน้าเว็บ หรือฉากที่มีวัตถุหลายชิ้น ความสวยของภาพเป็นเพียงครึ่งเดียวของโจทย์ อีกครึ่งคือโมเดลทำตามตำแหน่งที่สั่งได้จริงหรือไม่ เช่น “แก้วอยู่ทางซ้ายของโน้ตบุ๊ก”, “โลโก้อยู่มุมขวาบน”, “ตัวละครถือสินค้าไว้ด้านหน้า” หรือ “ปุ่มหลักอยู่ตรงกลางใต้หัวข้อ”
จากข้อมูลที่ตรวจสอบได้ในตอนนี้ ยังไม่สามารถตอบเป็นตัวเลขที่น่าเชื่อถือได้ว่า GPT Image 2 แม่นกว่า GPT Image 1.5 แค่ไหนในงานคอมโพสซับซ้อนและการวางวัตถุ เอกสาร OpenAI API ที่อ้างอิงได้ในชุดข้อมูลนี้ยังไม่ให้ benchmark แบบ side-by-side สำหรับ spatial accuracy หรือ object placement ระหว่างสองรุ่นดังกล่าว
คนยังถาม
คำตอบสั้น ๆ สำหรับ "GPT Image 2 วางวัตถุแม่นกว่า GPT Image 1.5 แค่ไหน?" คืออะไร
ยังไม่ควรอ้างว่า GPT Image 2 จัดองค์ประกอบซับซ้อนหรือวางวัตถุแม่นกว่า GPT Image 1.5 เป็น X% เพราะแหล่งที่ตรวจสอบได้ยังไม่มี benchmark เฉพาะด้านอย่างเป็นทางการหรือทำซ้ำได้ และคะแนน 1,512 เทียบ 1,241 จากบุคคลที่สามไม่ใช...
ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร?
ยังไม่ควรอ้างว่า GPT Image 2 จัดองค์ประกอบซับซ้อนหรือวางวัตถุแม่นกว่า GPT Image 1.5 เป็น X% เพราะแหล่งที่ตรวจสอบได้ยังไม่มี benchmark เฉพาะด้านอย่างเป็นทางการหรือทำซ้ำได้ และคะแนน 1,512 เทียบ 1,241 จากบุคคลที่สามไม่ใช... สิ่งที่ยืนยันได้คือหน้าโมเดล OpenAI API ระบุว่า GPT Image 1.5 มี instruction following และ adherence to prompts ดีขึ้น ส่วน GPT Image 1 ถูกระบุว่าเป็นโมเดลสร้างภาพรุ่นก่อนหน้า [14][36]
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ?
ทีมสินค้า ดีไซน์ และมาร์เก็ตติ้งควรทำชุดพรอมป์และ rubric แบบ pass/fail ของตนเอง พร้อมแยกทดสอบ Generations กับ Edits ตามประเภทงานในเอกสาร OpenAI [24]
สิ่งที่ตรวจสอบได้จากเอกสาร OpenAI
GPT Image 1.5 มีหน้าโมเดลใน OpenAI API ที่อ้างอิงได้ โดยหน้านั้นอธิบายว่าเป็นโมเดลสร้างภาพ และระบุว่ามีการทำตามคำสั่งหรือ instruction following รวมถึงการยึดตามพรอมป์ที่ดีขึ้น ส่วน GPT Image 1 มีหน้าโมเดลทางการที่ระบุว่าเป็นโมเดลสร้างภาพรุ่นก่อนหน้า และสามารถรับทั้งข้อความกับภาพเป็นอินพุตเพื่อสร้างภาพเอาต์พุตได้
เอกสาร image generation ของ OpenAI ยังแยกเวิร์กโฟลว์ออกเป็น 2 ประเภท ได้แก่ Generations คือการสร้างภาพใหม่จากพรอมป์ข้อความ และ Edits คือการแก้ไขภาพที่มีอยู่แล้ว จุดนี้สำคัญมากในการประเมิน เพราะ “สร้างฉากซับซ้อนจากข้อความล้วน” กับ “ย้ายหรือเพิ่มวัตถุในภาพเดิมให้ตรงตำแหน่ง” ไม่ใช่โจทย์เดียวกัน
สถานะของ GPT Image 2 ในแหล่งสาธารณะยังไม่เป็นเสียงเดียวกัน
ปัญหาไม่ได้อยู่ที่ไม่มีใครพูดถึง GPT Image 2 เลย แต่อยู่ที่แหล่งข้อมูลสาธารณะพูดไม่ตรงกัน Mew Design ใช้ถ้อยคำแบบระมัดระวังว่า GPT Image 2 ดูเหมือนอยู่ในช่วงทดสอบ แต่ยังไม่ได้เปิดตัวอย่างเป็นทางการในฐานะโมเดล OpenAI ที่มีชื่อชัดเจน getimg.ai ก็ระบุว่า OpenAI ยังไม่ได้ประกาศ GPT Image 2 และไลน์อัปสาธารณะหยุดอยู่ที่ gpt-image-1.5
ทำไมคะแนน 1,512 เทียบ 1,241 ไม่ใช่ความแม่นยำในการวางวัตถุ
มีหน้าเว็บบุคคลที่สามระบุว่า GPT Image 2 ได้คะแนน 1,512 ส่วน GPT Image 1.5 ได้ 1,241 ต่างกัน 271 คะแนน ตัวเลขนี้อาจใช้ได้แค่ในฐานะ “มีแหล่งหนึ่งอ้างว่าคะแนนรวมของ GPT Image 2 สูงกว่า” แต่ไม่ควรนำไปเขียนต่อว่า “ความแม่นยำในการวางวัตถุเพิ่มขึ้น 271 คะแนน” หรือ “แม่นขึ้นกี่เปอร์เซ็นต์”
- ข้อความที่มีไม่ได้ระบุว่าคะแนนนั้นทดสอบเฉพาะคอมโพสซับซ้อน ความสัมพันธ์เชิงตำแหน่ง การบังกันของวัตถุ หรือการวางวัตถุหลายชิ้นหรือไม่
- คะแนนรวมไม่ใช่อัตรา pass/fail ของความแม่นยำ หากไม่มีจำนวนตัวอย่าง วิธีให้คะแนน และประเภทข้อผิดพลาด ก็แปลง 1,512 เทียบ 1,241 ให้เป็น “แม่น X%” ไม่ได้
- เอกสาร OpenAI API ที่อ้างอิงได้ไม่ได้ให้ benchmark ด้าน spatial accuracy หรือ object placement ของ GPT Image 2 เทียบ GPT Image 1.5 บนชุดทดสอบเดียวกัน
benchmark ที่น่าเชื่อถือควรหน้าตาอย่างไร
ถ้าจะตอบจริง ๆ ว่า GPT Image 2 เก่งกว่า GPT Image 1.5 ด้านคอมโพสซับซ้อนหรือไม่ การทดสอบต้องเข้มกว่าการดูว่า “ภาพไหนสวยกว่า” อย่างน้อยควรมีสิ่งต่อไปนี้:
- ใช้พรอมป์ชุดเดียวกันกับทั้งสองโมเดล — ต้องบันทึกชื่อโมเดล เวอร์ชัน หรือ snapshot ให้ชัด ไม่ควรเอาผลลัพธ์คนละช่วงเวลา คนละการตั้งค่า มาปนกัน
- ทดสอบความสัมพันธ์เชิงพื้นที่โดยตรง — เช่น ซ้าย/ขวา หน้า/หลัง บน/ล่าง การบังกัน การถือวัตถุ การวางกึ่งกลาง การชิดขอบ และความสัมพันธ์ระหว่างวัตถุหลายชิ้น
- มี rubric แบบ pass/fail ที่ชัดเจน — แยกดูตัวตนของวัตถุ จำนวนวัตถุ ตำแหน่งสัมพัทธ์ การบังกัน สัดส่วน ข้อความที่ระบุ และองค์ประกอบแบรนด์
- ใช้ blind test หรือผู้ประเมินหลายคน — ลดปัญหาการเลือกเฉพาะภาพที่ดีที่สุด หรือการให้คะแนนแบบลำเอียงเพราะรู้ว่าเป็นภาพจากโมเดลใด
- แยก Generations กับ Edits ออกจากกัน — เพราะเอกสาร OpenAI แยกการสร้างภาพใหม่จากข้อความกับการแก้ไขภาพเดิมเป็นคนละเวิร์กโฟลว์อยู่แล้ว
ถ้าไม่มีเงื่อนไขเหล่านี้ ภาพตัวอย่างไม่กี่ภาพ สกรีนช็อตจากโซเชียล หรือคะแนนรวมเพียงตัวเดียว ยังไม่พอจะตอบว่า “วางวัตถุแม่นขึ้นเท่าไร”
วิธีทำงานที่ปลอดภัยสำหรับทีมสินค้า ดีไซน์ และมาร์เก็ตติ้ง
ตราบใดที่ยังไม่มี benchmark ทางการหรือ benchmark บุคคลที่สามที่ทำซ้ำได้ ไม่ควรถือว่า “GPT Image 2 วางวัตถุแม่นกว่า” เป็นข้อเท็จจริงที่วัดเป็นตัวเลขแล้ว แนวทางที่ปลอดภัยกว่าคือ:
- ใช้ GPT Image 1.5 เป็น baseline ที่อ้างอิงได้ เพราะมีหน้าโมเดล OpenAI API และถูกอธิบายว่ามี instruction following กับ prompt adherence ดีขึ้น
- สร้างชุดพรอมป์ประจำทีม ครอบคลุมจำนวนวัตถุ ความสัมพันธ์ซ้าย/ขวา หน้า/หลัง การบังกัน ตำแหน่งข้อความ การรักษาองค์ประกอบแบรนด์ และการจัดวาง UI
- ให้คะแนนแบบ pass/fail ก่อนประเมินความสวยงาม เพราะภาพที่ดูดีอาจวางวัตถุผิดตำแหน่ง
- แยกบันทึกผลของ text-to-image generation กับ image edits เพราะ OpenAI เองแยกสองเวิร์กโฟลว์นี้ในเอกสาร
- เวลาสื่อสารกับลูกค้าหรือผู้มีส่วนได้ส่วนเสีย ควรหลีกเลี่ยงการสัญญาเป็นเปอร์เซ็นต์ และใช้ถ้อยคำว่า “ต้องทดสอบกับ use case ของเราเอง” จะตรงกว่า
คำตัดสินตอนนี้
ข้อสรุปที่หลักฐานรองรับได้มากที่สุดคือ GPT Image 1.5 มีหน้าโมเดล OpenAI API ที่อ้างอิงได้ และถูกระบุว่ามี prompt adherence ดีขึ้น ส่วน GPT Image 1 เป็นโมเดลสร้างภาพรุ่นก่อนหน้า แต่สำหรับ GPT Image 2 ว่าแม่นกว่า GPT Image 1.5 แค่ไหนในงานคอมโพสซับซ้อนและการวางวัตถุ ยังไม่มีข้อมูลสาธารณะที่ตรวจสอบได้เพียงพอ
สิ่งที่ตรวจสอบได้จากเอกสาร OpenAI
GPT Image 1.5 มีหน้าโมเดลใน OpenAI API ที่อ้างอิงได้ โดยหน้านั้นอธิบายว่าเป็นโมเดลสร้างภาพ และระบุว่ามีการทำตามคำสั่งหรือ instruction following รวมถึงการยึดตามพรอมป์ที่ดีขึ้น ส่วน GPT Image 1 มีหน้าโมเดลทางการที่ระบุว่าเป็นโมเดลสร้างภาพรุ่นก่อนหน้า และสามารถรับทั้งข้อความกับภาพเป็นอินพุตเพื่อสร้างภาพเอาต์พุตได้
เอกสาร image generation ของ OpenAI ยังแยกเวิร์กโฟลว์ออกเป็น 2 ประเภท ได้แก่ Generations คือการสร้างภาพใหม่จากพรอมป์ข้อความ และ Edits คือการแก้ไขภาพที่มีอยู่แล้ว จุดนี้สำคัญมากในการประเมิน เพราะ “สร้างฉากซับซ้อนจากข้อความล้วน” กับ “ย้ายหรือเพิ่มวัตถุในภาพเดิมให้ตรงตำแหน่ง” ไม่ใช่โจทย์เดียวกัน
สถานะของ GPT Image 2 ในแหล่งสาธารณะยังไม่เป็นเสียงเดียวกัน
ปัญหาไม่ได้อยู่ที่ไม่มีใครพูดถึง GPT Image 2 เลย แต่อยู่ที่แหล่งข้อมูลสาธารณะพูดไม่ตรงกัน Mew Design ใช้ถ้อยคำแบบระมัดระวังว่า GPT Image 2 ดูเหมือนอยู่ในช่วงทดสอบ แต่ยังไม่ได้เปิดตัวอย่างเป็นทางการในฐานะโมเดล OpenAI ที่มีชื่อชัดเจน getimg.ai ก็ระบุว่า OpenAI ยังไม่ได้ประกาศ GPT Image 2 และไลน์อัปสาธารณะหยุดอยู่ที่ gpt-image-1.5
ทำไมคะแนน 1,512 เทียบ 1,241 ไม่ใช่ความแม่นยำในการวางวัตถุ
มีหน้าเว็บบุคคลที่สามระบุว่า GPT Image 2 ได้คะแนน 1,512 ส่วน GPT Image 1.5 ได้ 1,241 ต่างกัน 271 คะแนน ตัวเลขนี้อาจใช้ได้แค่ในฐานะ “มีแหล่งหนึ่งอ้างว่าคะแนนรวมของ GPT Image 2 สูงกว่า” แต่ไม่ควรนำไปเขียนต่อว่า “ความแม่นยำในการวางวัตถุเพิ่มขึ้น 271 คะแนน” หรือ “แม่นขึ้นกี่เปอร์เซ็นต์”
- ข้อความที่มีไม่ได้ระบุว่าคะแนนนั้นทดสอบเฉพาะคอมโพสซับซ้อน ความสัมพันธ์เชิงตำแหน่ง การบังกันของวัตถุ หรือการวางวัตถุหลายชิ้นหรือไม่
- คะแนนรวมไม่ใช่อัตรา pass/fail ของความแม่นยำ หากไม่มีจำนวนตัวอย่าง วิธีให้คะแนน และประเภทข้อผิดพลาด ก็แปลง 1,512 เทียบ 1,241 ให้เป็น “แม่น X%” ไม่ได้
- เอกสาร OpenAI API ที่อ้างอิงได้ไม่ได้ให้ benchmark ด้าน spatial accuracy หรือ object placement ของ GPT Image 2 เทียบ GPT Image 1.5 บนชุดทดสอบเดียวกัน
benchmark ที่น่าเชื่อถือควรหน้าตาอย่างไร
ถ้าจะตอบจริง ๆ ว่า GPT Image 2 เก่งกว่า GPT Image 1.5 ด้านคอมโพสซับซ้อนหรือไม่ การทดสอบต้องเข้มกว่าการดูว่า “ภาพไหนสวยกว่า” อย่างน้อยควรมีสิ่งต่อไปนี้:
- ใช้พรอมป์ชุดเดียวกันกับทั้งสองโมเดล — ต้องบันทึกชื่อโมเดล เวอร์ชัน หรือ snapshot ให้ชัด ไม่ควรเอาผลลัพธ์คนละช่วงเวลา คนละการตั้งค่า มาปนกัน
- ทดสอบความสัมพันธ์เชิงพื้นที่โดยตรง — เช่น ซ้าย/ขวา หน้า/หลัง บน/ล่าง การบังกัน การถือวัตถุ การวางกึ่งกลาง การชิดขอบ และความสัมพันธ์ระหว่างวัตถุหลายชิ้น
- มี rubric แบบ pass/fail ที่ชัดเจน — แยกดูตัวตนของวัตถุ จำนวนวัตถุ ตำแหน่งสัมพัทธ์ การบังกัน สัดส่วน ข้อความที่ระบุ และองค์ประกอบแบรนด์
- ใช้ blind test หรือผู้ประเมินหลายคน — ลดปัญหาการเลือกเฉพาะภาพที่ดีที่สุด หรือการให้คะแนนแบบลำเอียงเพราะรู้ว่าเป็นภาพจากโมเดลใด
- แยก Generations กับ Edits ออกจากกัน — เพราะเอกสาร OpenAI แยกการสร้างภาพใหม่จากข้อความกับการแก้ไขภาพเดิมเป็นคนละเวิร์กโฟลว์อยู่แล้ว
ถ้าไม่มีเงื่อนไขเหล่านี้ ภาพตัวอย่างไม่กี่ภาพ สกรีนช็อตจากโซเชียล หรือคะแนนรวมเพียงตัวเดียว ยังไม่พอจะตอบว่า “วางวัตถุแม่นขึ้นเท่าไร”
วิธีทำงานที่ปลอดภัยสำหรับทีมสินค้า ดีไซน์ และมาร์เก็ตติ้ง
ตราบใดที่ยังไม่มี benchmark ทางการหรือ benchmark บุคคลที่สามที่ทำซ้ำได้ ไม่ควรถือว่า “GPT Image 2 วางวัตถุแม่นกว่า” เป็นข้อเท็จจริงที่วัดเป็นตัวเลขแล้ว แนวทางที่ปลอดภัยกว่าคือ:
- ใช้ GPT Image 1.5 เป็น baseline ที่อ้างอิงได้ เพราะมีหน้าโมเดล OpenAI API และถูกอธิบายว่ามี instruction following กับ prompt adherence ดีขึ้น
- สร้างชุดพรอมป์ประจำทีม ครอบคลุมจำนวนวัตถุ ความสัมพันธ์ซ้าย/ขวา หน้า/หลัง การบังกัน ตำแหน่งข้อความ การรักษาองค์ประกอบแบรนด์ และการจัดวาง UI
- ให้คะแนนแบบ pass/fail ก่อนประเมินความสวยงาม เพราะภาพที่ดูดีอาจวางวัตถุผิดตำแหน่ง
- แยกบันทึกผลของ text-to-image generation กับ image edits เพราะ OpenAI เองแยกสองเวิร์กโฟลว์นี้ในเอกสาร
- เวลาสื่อสารกับลูกค้าหรือผู้มีส่วนได้ส่วนเสีย ควรหลีกเลี่ยงการสัญญาเป็นเปอร์เซ็นต์ และใช้ถ้อยคำว่า “ต้องทดสอบกับ use case ของเราเอง” จะตรงกว่า
คำตัดสินตอนนี้
ข้อสรุปที่หลักฐานรองรับได้มากที่สุดคือ GPT Image 1.5 มีหน้าโมเดล OpenAI API ที่อ้างอิงได้ และถูกระบุว่ามี prompt adherence ดีขึ้น ส่วน GPT Image 1 เป็นโมเดลสร้างภาพรุ่นก่อนหน้า แต่สำหรับ GPT Image 2 ว่าแม่นกว่า GPT Image 1.5 แค่ไหนในงานคอมโพสซับซ้อนและการวางวัตถุ ยังไม่มีข้อมูลสาธารณะที่ตรวจสอบได้เพียงพอ