GPT Image 2 so với GPT Image 1.5: kiểm chứng giới hạn kích thước, tỷ lệ và ảnh tham chiếu

Kết luận nhanh: chưa thể khẳng định GPT Image 2 tự do hơn

Ở thời điểm dựa trên các nguồn được trích dẫn, không nên viết rằng GPT Image 2 cho kích thước tùy ý hơn, có nhiều tỷ lệ khung hình hơn, hoặc nhận nhiều ảnh tham chiếu hơn. Tài liệu OpenAI được dẫn có trang GPT Image 1.5, trang GPT Image 2 và các tham chiếu Images API liên quan đến tạo, chỉnh sửa ảnh.

Điểm còn thiếu là các nguồn này không đưa ra đối chiếu đầy đủ giữa hai đời model ở những mục sau:

• accepted values của size hoặc tham số chiều rộng/chiều cao;
• có hỗ trợ mọi kích thước hay chỉ một số kích thước cố định;
• danh sách tỷ lệ khung hình được hỗ trợ;
• số lượng, định dạng, dung lượng hoặc quy tắc dùng nhiều ảnh tham chiếu.

Vì vậy, cách nói an toàn hơn là: GPT Image 2 có thể có thay đổi hoặc cải thiện ở mặt khác, nhưng mức nới lỏng về kích thước, tỷ lệ và ảnh tham chiếu chưa thể định lượng bằng các nguồn hiện có.

Tài liệu chính thức hiện chứng minh được gì?

Trang GPT Image 1.5 của OpenAI mô tả GPT Image 1.5 là một mô hình tạo ảnh, với khả năng bám chỉ dẫn và bám prompt tốt hơn. Trang model GPT Image 2 trên OpenAI API cũng có thể truy cập trong bộ nguồn được dẫn.

Phần tham chiếu Images API của OpenAI cho thấy có endpoint Generate an Image và Edit an Image. Tài liệu Images cho Python và TypeScript cũng nhắc tới dữ liệu của GPT image models, gồm size của ảnh được tạo, cùng các thiết lập như background, output format và quality.

Những thông tin đó đủ để nói rằng tạo ảnh, chỉnh sửa ảnh và một số trường tham số liên quan đến ảnh có tồn tại trong tài liệu API. Nhưng chúng chưa đủ để trả lời GPT Image 1.5 và GPT Image 2 mỗi model hỗ trợ cụ thể những kích thước nào, có cho tỷ lệ tùy ý hay không, hoặc giới hạn ảnh tham chiếu đã thay đổi ra sao.

Ba nhóm giới hạn cần kiểm chứng

Vì sao không nên lấy tài liệu bên thứ ba làm giới hạn chính thức?

Tài liệu Leonardo.AI về GPT Image-1.5 có ví dụ REST API với width, height, seed và guidances.image_reference; fal liệt kê image_size, background, quality; WaveSpeedAI có tài liệu edit với size, quality, input_fidelity, output_format; còn Higgsfield đưa ra các lựa chọn tỷ lệ như 1:1, 2:3 và 3:2.

Những tài liệu này hữu ích để hiểu các nền tảng đang đóng gói hoặc tích hợp GPT Image 1.5 như thế nào. Tuy nhiên, chúng là API hoặc giao diện của bên thứ ba. Mỗi nền tảng có thể tự đặt tên tham số, thêm giá trị mặc định, giới hạn giao diện hoặc bọc lại năng lực của model. Vì vậy, không thể lấy một menu tỷ lệ, một trường width/height hay một giá trị image_size trên nền tảng bên thứ ba để suy ra toàn bộ giới hạn gốc của OpenAI, càng không thể dùng làm bằng chứng rằng GPT Image 2 đã nới giới hạn.

Muốn chứng minh GPT Image 2 “thoáng” hơn, cần bằng chứng nào?

Để trả lời chắc chắn GPT Image 2 linh hoạt hơn GPT Image 1.5 bao nhiêu, tối thiểu cần một trong các nhóm bằng chứng sau:

1. Tài liệu chính thức của OpenAI liệt kê accepted values, kích thước tối đa/tối thiểu hoặc danh sách kích thước cố định cho từng model;
2. Tài liệu chính thức nói rõ mỗi model hỗ trợ kích thước tùy ý hay chỉ một số tỷ lệ khung hình cố định;
3. Tài liệu chính thức về image edit hoặc reference image input nêu số lượng ảnh, định dạng, dung lượng và quy tắc dùng nhiều ảnh;
4. Changelog, migration guide hoặc bảng so sánh chính thức chỉ ra giới hạn nào đã thay đổi;
5. Kết quả thử nghiệm lặp lại được trong cùng môi trường API, ghi nhận kích thước, tỷ lệ và tổ hợp ảnh tham chiếu nào được chấp nhận hoặc bị từ chối.

Khi chưa có các bằng chứng đó, mệnh đề GPT Image 2 tự do hơn nên được xem là giả thuyết cần kiểm chứng, không phải một thông số sản phẩm có thể công bố như sự thật đã định lượng.

Gợi ý cho đội sản phẩm và kỹ thuật

Nếu đang cân nhắc chuyển từ GPT Image 1.5 sang GPT Image 2, không nên đặt quyết định chỉ trên giả định rằng model mới linh hoạt hơn về kích thước, tỷ lệ hoặc ảnh tham chiếu. Nên tách riêng các tiêu chí: chất lượng ảnh, khả năng bám prompt, tốc độ, chi phí và giới hạn API. Phần giới hạn API cần dựa vào tài liệu chính thức và hành vi lỗi khi thử nghiệm thực tế.

Một cách làm thực dụng là tạo ma trận test với cùng bộ prompt và cùng bộ ảnh đầu vào: thay đổi từng kích thước, tỷ lệ, số ảnh tham chiếu và định dạng file; sau đó ghi lại trường hợp thành công, bị từ chối và thông báo lỗi. Chỉ khi tài liệu tham số hoặc kết quả thử nghiệm lặp lại được cho thấy khác biệt rõ ràng, mới nên viết ra bên ngoài rằng GPT Image 2 hỗ trợ nhiều kích thước hơn hoặc đã nới giới hạn ảnh tham chiếu.

Cách diễn đạt an toàn khi công bố

Cách nói chính xác nhất hiện nay là: theo các nguồn có thể kiểm chứng được dẫn trong bài, tài liệu OpenAI có trang model GPT Image 1.5 và GPT Image 2, đồng thời có endpoint tạo và chỉnh sửa ảnh; tuy nhiên, các nguồn này chưa cung cấp bảng đối chiếu chính thức đầy đủ về kích thước tùy chỉnh, tỷ lệ khung hình hoặc ảnh tham chiếu giữa hai model. Vì vậy, hiện chưa thể chứng minh GPT Image 2 có mức tăng linh hoạt, đo đếm được, so với GPT Image 1.5 ở ba nhóm tham số này.