ChatGPT Images 2.0 kommer med visuel ræsonnement og forbedret tekstgenerering

Tirsdag udgav OpenAI ChatGPT Images 2.0, en opdatering til billedgenereringsmodellen integreret i chatbotten. Systemet, kaldet gpt-image-2, bringer forbedringer i tekstgengivelse, understøttelse af flere sprog og evnen til at skabe mere komplekse kompositioner. Usuários af alle ChatGPT-planer får nu adgang til standardversionen.

Lanceringen fandt sted den 21. april 2026. Virksomheden fremhævede inddragelsen af ​​en “tænk”-tilstand, der gør det muligt for modellen at søge på nettet, tjekke detaljer og generere op til otte billeder fra en enkelt prompt. Isso letter produktionen af ​​storyboards, infografik og materialer med et struktureret layout. Opløsning når 2K i nogle tilfælde.

OpenAI fremhæver ræsonnement og troskab i nye funktioner

Modellen følger nu instruktioner mere præcist og bevarer ønskede elementer såsom ikoner, grænseflader og lille tekst. OpenAI nævnte eksempler på videnskabelige plakater, opskriftskort og præsentationsdias som gevinstområder. Understøttelsen af ​​japanske, koreanske, hindi og bengalske tekster er også blevet forbedret.

Desenvolvedores får adgang via API, med priser baseret på kvalitet og opløsning. Betalt Usuários har mere kapacitet i avanceret tilstand. Opdateringen kommer måneder efter tidligere forbedringer af billedbehandlingssystemet.

• Geração af flere indbyrdes relaterede billeder
• Modo tænkning med websøgning
• Melhor tekstgengivelse på flere sprog
• Suporte i varierende proportioner, fra 3:1 til 1:3
• Resolução op til 2K på udvalgte udgange

ChatGPT Images 2.0 is a step change in detailed instruction following, placing and relating objects accurately, and rendering dense text, with the ability to generate across aspect ratios.

It’s also accurate across languages and uses its expanded visual and world knowledge to…

— OpenAI (@OpenAI) April 21, 2026

Leia Também

John Mousinho udelukker hastværk med at forlade Portsmouth midt i Bristol City rygter

Sommerprognosen 2026 advarer om flere brande, tornadoer og intens varme i USA

Den tidligere Red Bull-chef Christian Horner kunne vende tilbage til F1 i maj med øjnene på MotoGP

Crítico påpeger fejl i funktionsforståelse

Gary Marcus, en forsker kendt for at stille spørgsmålstegn ved nuværende AI-egenskaber, testede det nye system med cykeldiagrammer. I en automatisk etiket forvekslede modellen bagbremse med sæderør og gear med bremse. En etiket pegede på et tomt rum.

I en sværere test bad Marcus om en tandemcykel, der var højere end gennemsnittet, med bagagebærer og sadeltasker. Det genererede billede præsenterede problemer såsom en bagskifter indsat i hjulet, et dårligt placeret bremsegreb og et sadelformet bagstyr. Marcus observerede, at systemet matcher visuelle mønstre uden at forstå delenes faktiske funktion.

Especialistas sammenlignes med menneskelige begrænsninger

Marcus erkendte, at det gennemsnitlige menneske også ville have svært ved at tegne tandemet nøjagtigt. Men mekanikere, erfarne cyklister eller designere ville identificere fejl hurtigt. Eksemplet tjener til at diskutere, i hvilket omfang modellen forstår den fysiske verden.

Debatten finder sted, mens sektoren fejrer spring i professionel billeddannelse. Uafhængig Testes bekræftede fremgang i læsbar tekst og tætte layouts, men specifikke tilfælde afslører stadig huller i kausal begrundelse.

Ficha ChatGPT-teknik Images 2.0

• Modelo base: gpt-image-2
• Disponibilidade: alle ChatGPT-brugere
• Modo Advanced: Betalte abonnenter
• Recursos hoved: ræsonnement, flere output, flersproget tekst
• Resolução: op til 2K
• API: udgivet med variabel prissætning

OpenAI har ikke offentligt kommenteret Marcus-testen på nuværende tidspunkt. Systemet fortsætter med at udvikle sig, med regelmæssige opdateringer baseret på brugerfeedback.