GPT Image 2 và bài kiểm tra bố cục phức tạp: infographic, truyện tranh, poster vẫn chưa được chứng minh

Phần gần nhất với yêu cầu “bố cục phức tạp” nằm ở tài liệu về 4o image generation. Trong addendum system card, OpenAI nói 4o image generation có thể làm theo chỉ dẫn chi tiết và đưa chữ vào ảnh một cách đáng tin cậy; bài giới thiệu của OpenAI cũng nói GPT-4o image generation mạnh ở render chữ chính xác, bám sát prompt và tận dụng tri thức cùng ngữ cảnh trò chuyện của 4o.

Nhưng đây vẫn là mô tả về 4o image generation, không phải bằng chứng rằng GPT Image 2 đã có năng lực tương tự. Trong bộ nguồn được cung cấp, các nội dung trực tiếp nói đến GPT Image 2 đều là nguồn bên thứ ba: getimg.ai viết rằng OpenAI chưa công bố GPT Image 2, còn Kubeez mô tả các bài kiểm tra và báo cáo về Image V2/GPT Image 2 là chưa được xác nhận.

Hiện có thể nói chắc điều gì?

Vì sao “hiểu prompt” chưa đủ để nói là “dàn trang tốt”

Bố cục phức tạp là một cụm nhiều kỹ năng, không phải một nút bật/tắt.

• Infographic cần tiêu đề, cột, chú giải, nhãn số liệu và quan hệ tỷ lệ nằm đúng vị trí.
• Truyện tranh nhiều khung cần đúng số khung, đúng thứ tự đọc, nhân vật nhất quán và bong bóng thoại không che nội dung quan trọng.
• Poster thường phải giữ đồng thời tiêu đề chính, tiêu đề phụ, ngày giờ, địa điểm, lời kêu gọi hành động, vùng thương hiệu, khoảng trắng và căn hàng.

Các mô tả chính thức về 4o image generation đúng là có liên quan đến những yêu cầu này, vì OpenAI nhấn mạnh khả năng render chữ và làm theo chỉ dẫn. Tuy vậy, muốn nói một model tên GPT Image 2 đã “ổn định” làm được các việc trên, cần bằng chứng trực tiếp hơn: xác nhận sản phẩm từ OpenAI, bộ mẫu kiểm thử cho infographic hoặc truyện tranh, thiết kế đánh giá có thể lặp lại, tỷ lệ thành công, các lỗi thường gặp và phần nêu giới hạn. Các nguồn hiện có chưa cung cấp tầng bằng chứng đó cho GPT Image 2.

Nói ngắn gọn: không nên kết luận “GPT Image 2 không làm được”. Cách nói chính xác hơn là: hiện chưa chứng minh được GPT Image 2 làm được một cách ổn định.

Nếu nhóm vẫn muốn thử, nên kiểm tra như thế nào?

Nếu định đưa AI tạo ảnh vào quy trình sản xuất nội dung, thiết kế quảng cáo hoặc thử nghiệm sản phẩm, nên tách riêng hai chuyện: một ảnh nhìn “có vẻ đẹp” và một hệ thống “giao được nhiều lần, ít lỗi”. Có thể xây bộ kiểm thử theo ba nhóm:

• Bài test infographic: yêu cầu các khối cố định, tiêu đề, chú giải, cột, nhãn số liệu và thứ tự dữ liệu; sau đó kiểm tra lỗi thiếu chữ, chữ méo, nhãn sai vị trí, lẫn cột hoặc tỷ lệ hình–chữ không hợp lý.
• Bài test truyện tranh nhiều khung: chỉ định số khung, hướng đọc, diễn biến từng khung, ngoại hình nhân vật và vị trí bong bóng thoại; sau đó kiểm tra số khung, thứ tự, tính nhất quán của nhân vật và độ đọc được của chữ.
• Bài test poster: chỉ định tiêu đề chính, tiêu đề phụ, ngày giờ, địa điểm, CTA, vùng thương hiệu và tỷ lệ ảnh; sau đó kiểm tra thứ bậc thị giác, căn chỉnh, khoảng trắng và độ rõ của chữ.

Cùng một prompt nên được tạo lại nhiều lần và ghi nhận lỗi theo các tiêu chí như lệch lưới, sai thứ tự, chữ không đọc được, đặt sai vị trí hoặc mất cân bằng giữa hình và chữ. Tài liệu về 4o image generation có thể dùng làm nền để thiết kế tiêu chí kiểm thử, vì OpenAI nhấn mạnh render chữ và bám prompt; nhưng khi GPT Image 2 chưa có xác nhận chính thức, kết quả vẫn cần nhóm tự nghiệm thu trước khi đưa vào quy trình thật.

Cách viết an toàn hơn

Có thể viết:

Tài liệu chính thức của OpenAI cho thấy API tạo ảnh hỗ trợ tạo ảnh từ prompt và chỉnh sửa ảnh có sẵn; 4o image generation được mô tả là mạnh về render chữ và làm theo chỉ dẫn chi tiết. Tuy nhiên, hiện chưa đủ nguồn để nói GPT Image 2 đã được OpenAI phát hành chính thức hoặc có thể ổn định hoàn thành infographic, truyện tranh nhiều khung và poster đúng bố cục.

Không nên viết:

OpenAI đã chứng minh GPT Image 2 rất hiểu bố cục phức tạp.

Câu này trộn lẫn một tên model chưa được xác nhận chính thức trong các nguồn hiện có, các năng lực đã công bố của 4o image generation và yêu cầu độ ổn định của bố cục phức tạp. Với bằng chứng hiện tại, đó là diễn giải quá tay.