OpenAI выпустила GPT-Image-2.6 с генерацией GIF и SVG

Самое заметное улучшение — скорость. Общее время генерации сократилось примерно на 50 процентов, а в самом быстром режиме картинка появляется уже через шесть секунд. Кроме того, модель научилась напрямую создавать GIF-анимацию и экспортировать изображения в формате SVG, то есть в виде векторной графики.

Ключевая инженерная идея обновления — разделение двух вещей, которые раньше были слиты воедино: «умственной работы» модели по планированию сцены и качества финальной отрисовки пикселей. В API появились два отдельных параметра. Первый, complexity, отвечает за то, сколько вычислительных ресурсов модель потратит на продумывание композиции перед тем, как начать рисовать. Второй, quality, теперь отвечает исключительно за визуальные детали и точность передачи изображения.

На практике это означает, что разработчик может поставить низкую сложность и при этом высокое качество. Тогда при мелкой правке, например при смене цвета фона, модель не будет заново выстраивать всю сцену, а просто аккуратно перерисует нужный фрагмент. Повышать complexity имеет смысл только в сложных случаях — когда в кадре много объектов или жёсткие ограничения по композиции. Подход, по сути, повторяет логику управления глубиной рассуждений в текстовых моделях.

В API также появились две отдельные модели. Flare делает ставку на скорость и вёрстку: она оптимизирована под плакаты и коммерческие изображения товаров для электронной коммерции, и в низком качестве генерации выдаёт картинку за те самые шесть секунд. Sunburst, наоборот, берёт на себя сложные задачи: в среднем и высоком качестве она обеспечивает более высокую детализацию и, что важно, решает проблему несогласованности — когда при многократных правках персонаж или товар постепенно «меняются» и перестают быть похожими на себя.

Отдельного внимания заслуживает нативная поддержка GIF. Чтобы не привлекать тяжёлые видеомодели, разработчики пошли на хитрость, подсмотренную в игровой индустрии. Модель просят сгенерировать один лист спрайтов — изображение с шестью последовательными кадрами, расположенными строго в сетке три на два, с одинаковым размером панелей и фиксированным ракурсом. Шестой кадр плавно переходит в первый, что позволяет сделать бесшовный цикл. Потом лист нарезается на кадры и собирается в анимацию. Такой подход обходит высокие задержки видеомоделей и гарантирует, что черты лица, складки одежды и фон останутся неизменными от кадра к кадру. Уже есть компании, которые применяют эту возможность на практике: например, стартап Town использует её для генерации живых микромимики виртуального помощника в рабочих приложениях.

Ещё два практичных нововведения касаются инженерной работы. Во-первых, это экспорт в SVG: раньше, чтобы вставить сгенерированную картинку в веб-страницу или приложение, её приходилось прогонять через сторонние конвертеры, теперь вектор получается сразу. Во-вторых, функция локальной разметки изображения, которая прежде была доступна только в веб-версии ChatGPT, открылась и в API. Команды могут указывать координаты или маску нужной области и вместе с высокой согласованностью модели Sunburst менять изображения пакетно, почти как на конвейере.

И напоследок любопытная деталь, замеченная вне контекста генерации изображений: в облаке Google уже засветилась модель GPT-6.2 Astra. Официальных подробностей о ней пока нет, но само появление указывает на то, что следующее поколение моделей уже готовится к выходу.