GPT Image 2.6 يسرّع التوليد ويضيف ملفات GIF وSVG والتعديلات الدقيقة

عادة ما يعطّل مولّد الصور سير العمل في موضعين. أولا، يتعين انتظار معالجة مشهد ثقيل رغم أن المطلوب ليس سوى تغيير لون الخلفية. ثم يغيّر النموذج نصف الإطار عندما تطلبون منه تصحيح عنصر واحد. يحاول GPT Image 2.6 معالجة المشكلتين: فقد قسمت OpenAI النموذج إلى Sunburst للعمل التفصيلي وFlare للتكرارات السريعة، وأضافت إمكانية التحكم في تعقيد المعالجة، ودرّبت Images API على إخراج ملفات GIF وSVG وتعديل المناطق المحددة بدقة.

مثال بسيط: يحدد مصمم مزهرية في صورة ويطلب جعلها زرقاء من دون المساس بالطاولة أو الإضاءة أو النباتات. وبدلا من شرح لفظي مثل «المزهرية الموجودة إلى اليمين بجوار النافذة»، يرسل التطبيق الصورة الأصلية وطبقة التحديد والتعليمة. بالنسبة إلى المطور، يعني ذلك قدرا أقل من المنطق المخصص للتعامل مع الإحداثيات والأقنعة؛ وبالنسبة إلى المستخدم، يعني إجراء واضحا مباشرة على اللوحة.

نموذجان ومفتاح تحكم مهم واحد

تضم العائلة إصدارين. صُمم GPT Image 2.6 Sunburst للتركيبات التفصيلية والتحرير المتقن. أما GPT Image 2.6 Flare فهو مناسب للحالات التي تكون فيها سرعة استعراض الخيارات أكثر أهمية. ينبغي ربط الاختيار بالعملية، لا بالمنتج بأكمله: يمكن إرسال المعاينات الأولية إلى Flare، ثم نقل الخيار المحدد والتعديلات المعقدة إلى Sunburst.

تتحكم معلمة complexity في مقدار العمل الذي يخصصه النموذج لتخطيط الصورة. تتوفر القيم low وmedium وhigh؛ وإذا لم تُمرر المعلمة، تُستخدم high. يناسب التعقيد المنخفض الاستبدال الموضعي للخلفية أو النص. أما التعقيد المرتفع فهو أنفع في المشاهد ذات التخطيط الكثيف والعناصر الكثيرة والعلاقات القائمة بينها.

لكن high ليست زر «اجعلها جميلة». تحذر الوثائق الرسمية من أن التعقيد المرتفع قد يزيد زمن الاستجابة ويؤدي إلى تغييرات زائدة. لذلك تتمثل الخطة المعقولة في البدء بـ low أو medium، وقياس الجودة في سيناريوهاتكم، ثم رفع المستوى فقط حيث يساعد ذلك فعليا. لا توجد رسوم منفصلة مقابل complexity، لكن التكلفة النهائية تظل مرتبطة بالرموز المستخدمة ومستوى الجودة المحدد.

ملفات GIF وSVG والتحرير استنادا إلى طبقة تحديد

يستطيع GPT Image 2.6 إنشاء ملفات GIF متحركة عبر Images API. ويمكن تحديد معلمات الحركة في الطلب، ثم مواصلة التحرير باستخدام النتيجة وتعليمة جديدة. ستكون هذه الميزة مفيدة للتفاعلات ورسوم الواجهات والمشاهد الإعلانية البسيطة والنماذج الأولية السريعة للحركة، وهي حالات يكون فيها استخدام نموذج فيديو متكامل أمرا مبالغا فيه.

يهم تصدير SVG بصورة أكبر الفرق التي تصمم الشعارات والأيقونات والرسومات البسيطة للواجهات. تكون النتيجة مستندا متجهيا ثابتا من دون نصوص برمجية أو موارد خارجية أو صور نقطية مضمّنة. ومع ذلك، يجب التحقق منه: فتوليد الصورة الأصلية وإعداد ملف SVG يُحاسب عليهما بصورة منفصلة، كما أن الرسم المعقد لن يتحول بالضرورة إلى ملف ملائم للتعديل اليدوي.

لإجراء تغييرات دقيقة، تقبل Images API طبقة تحديد توضح المنطقة المطلوبة. ينبغي أن يصف الـ prompt التغيير نفسه، وأن يطلب بصورة منفصلة الحفاظ على بقية المشهد. ولا يضمن ذلك ثباتا مثاليا: إذ يجب اختبار التعديلات المتكررة لرصد تراكم العيوب والحفاظ على الوجوه وألوان العلامة التجارية والتفاصيل الصغيرة.

ما الذي ينبغي لفريق المنتج فعله

لا تنقلوا العبارات التسويقية المتعلقة بالسرعة مباشرة إلى الواجهة. اجمعوا مجموعة صغيرة من المهام الحقيقية: تغيير الخلفية، وتعديل النص، والحفاظ على الشخصية، وإنشاء ملصق معقد، وإنتاج حركة قصيرة. وفي كل مهمة، قارنوا Sunburst وFlare عبر مستويات complexity الثلاثة، مع قياس الوقت والتكلفة ونسبة النتائج المقبولة وعدد الطلبات المكررة.

لا تؤكد الوثائق الرسمية الادعاء بوجود «ميزانية بكسلات تبلغ نحو مليون ونصف المليون»، ولذلك فمن المبكر بناء قيود المنتج عليه. وينبغي كذلك التعامل بحذر مع الاستنتاجات الذاتية المتعلقة بانخفاض الضوضاء وثبات قيمة seed بين الطلبات: فهي فرضيات جيدة للاختبار، لكنها ليست التزاما تعاقديا ضمن API.

الخلاصة العملية بسيطة: يمنح GPT Image 2.6 المطورين قدرة أكبر على التحكم، لا زرا سحريا للجودة. ابدأوا بـ Flare وبالمستوى low أو medium للمسودات التفاعلية، وانقلوا المشاهد النهائية المعقدة إلى Sunburst، واحتفظوا بالملفات الأصلية قبل كل تعديل، واحسبوا التكلفة وفق الاستخدام الفعلي. الدليل الرسمي: https://developers.openai.com/api/docs/guides/image-generation