OpenAI เปิดตัว ChatGPT Images 2.5 ชูสองโมเดลใหม่ Flare และ Sunburst สร้างภาพเร็วและแม่นยำกว่าเดิม

OpenAI เปิดตัวโมเดลสร้างรูปภาพใหม่สองรุ่นภายใต้ชื่อ ChatGPT Images 2.5 ซึ่งให้รายละเอียดคมชัดขึ้น แก้ไขภาพได้แม่นยำกว่าเดิม และประมวลผลได้รวดเร็วขึ้น พร้อมเสริมฟีเจอร์ใหม่อย่างเครื่องมือวาดเขียนและระบบแชร์ Prompt เพื่อเพิ่มขีดความสามารถในการสร้างสรรค์

ปัจจุบันมีผู้ใช้สร้างรูปภาพผ่าน ChatGPT Images และ API มากกว่าสามพันล้านภาพต่อสัปดาห์ การมาของ ChatGPT Images 2.5 จึงเป็นการยกระดับการประมวลผลภาพใหม่ทั้งหมด โดยเน้นให้แสงเงาดูเป็นธรรมชาติและมีพื้นผิวที่ละเอียดมากขึ้นกว่ารุ่นก่อน

โมเดลใหม่เหล่านี้ถูกออกแบบมาให้รักษาลักษณะของตัวแบบจากภาพอ้างอิงได้ดีขึ้น และตอบสนองต่อคำสั่งแก้ไข (Edit) ได้แม่นยำแม้จะมีการปรับแต่งหลายรอบ โดยรุ่นที่เน้นความเร็วสามารถลดความหน่วง (Latency) ในการสร้างภาพลงได้ถึง 50% เมื่อเทียบกับรุ่น Images 2.0

สองโมเดลใหม่ที่สร้างมาเพื่อหน้าที่ต่างกัน

สำหรับกลุ่มนักพัฒนา OpenAI ได้ให้บริการผ่าน API สองรูปแบบ คือ GPT-Image-2.5 Flare ซึ่งเป็นตัวเลือกมาตรฐานที่เน้นความเร็วและคุณภาพที่สูงกว่ารุ่นเดิม และ GPT-Image-2.5 Sunburst โมเดลทรงพลังที่เน้นการควบคุมการแก้ไขที่ละเอียดและเข้มงวด แม้จะต้องใช้เวลาประมวลผลนานกว่าเล็กน้อย

ทั้งสองโมเดลใช้อัตราค่าบริการเท่ากันที่ 8 ดอลลาร์ต่อหนึ่งล้าน Input Tokens และ 30 ดอลลาร์ต่อหนึ่งล้าน Output Tokens อย่างไรก็ตาม ต้นทุนต่อภาพจะขึ้นอยู่กับระดับคุณภาพที่เลือก โดยในรุ่น 2.5 นี้ได้เพิ่มระดับความละเอียดใหม่คือ "xhigh" และ "max" ซึ่งมีราคาสูงกว่าระดับเดิม

ยกตัวอย่างเช่น ภาพขนาด 1024x1024 ที่ระดับคุณภาพ "low" จะมีราคาประมาณ 0.006 ดอลลาร์ ในขณะที่ระดับ "max" ใหม่จะมีราคาสูงถึง 0.21 ดอลลาร์ต่อภาพ ทั้งนี้ยังไม่ชัดเจนว่าระบบของ ChatGPT จะสลับการใช้งานระหว่าง Flare และ Sunburst ให้ผู้ใช้ทั่วไปอย่างไร เนื่องจากในหน้าอินเทอร์เฟซปกติยังไม่มีปุ่มให้เลือกโมเดลโดยตรง

จากการทดสอบพบว่าความแตกต่างจะเห็นชัดในโหมด Work ซึ่งการแก้ไขภาพจะทำได้เจาะจงตามคำสั่งโดยไม่กระทบส่วนอื่น ในขณะที่โหมด Chat ปกติ รายละเอียดปลีกย่อยในภาพมักจะขยับเขยื้อนเมื่อมีการแก้ไข ยกเว้นการใช้งานผ่านโหมด "6 Pro" ที่บางครั้งโมเดลตัวแรงจะเริ่มทำงาน

การแก้ไขที่เปลี่ยนเฉพาะสิ่งที่คุณสั่ง

จุดเด่นที่สุดของโมเดลใหม่คือความสามารถในการแก้ไขภาพ (Image Editing) ที่จะเปลี่ยนเฉพาะจุดที่สั่งและคงส่วนที่เหลือไว้ตามเดิม แม้จะเป็นภาพที่มีความซับซ้อนสูงก็ตาม OpenAI ได้สาธิตด้วยการออกแบบห้องใหม่ ซึ่งโมเดลรุ่นเก่ามักจะเปลี่ยนรายละเอียดเฟอร์นิเจอร์อื่นๆ ทุกครั้งที่มีการแก้ไข แต่โมเดลใหม่ยังคงความเสถียรขององค์ประกอบเดิมไว้ได้

การทดสอบผ่าน ChatGPT Work ด้วย GPT-6 Astra (Max) ยืนยันว่าฟีเจอร์นี้ทำงานได้ดีเยี่ยม โดยเราใช้ Prompt ที่มีความซับซ้อนสูงเพื่อทดสอบความแม่นยำในการจัดวางองค์ประกอบระหว่างสัตว์และนักบินอวกาศ

A hyper-realistic DSLR photo. A monkey holding a pink banana is sitting on a tiger in the foreground. In the background, a HORSE is RIDING AN ASTRONAUT. The astronaut is underneath, like a living “spacesuit horse saddle,” and the HORSE is clearly on top, in control, as the rider. Make it 100% unambiguous: the HORSE is the rider and the ASTRONAUT is being ridden, NOT the other way around. High resolution, sharp focus, realistic lighting.

Image: GPT-Images-2.5 / Astra (Max)

ผลลัพธ์ที่ได้ถือเป็นเวอร์ชันที่ดีที่สุดเท่าที่โมเดลของ OpenAI เคยสร้างมา เมื่อเทียบกับภาพจากรุ่น Image 2.0 เดิมด้านล่างนี้

นอกจากนี้ Images 2.5 ยังจัดการกับคำสั่งที่มีข้อมูลโลกความจริงหรือภาพที่มีพื้นหลังโปร่งใส (Transparent backgrounds) ได้ดีขึ้น รวมถึงการสร้างเลย์เอาต์หน้ากระดาษที่ต้องการความละเอียดสูง เช่น การทำหน้านิตยสารยุค 80

โมเดลสามารถแก้ไขข้อความที่ระบุลงไปในภาพได้อย่างแม่นยำ แม้จะเป็นรายละเอียดเล็กๆ และคงเนื้อหาเดิมไว้ได้ทั้งหมดเมื่อมีการสั่งแปลภาษาหรือปรับเปลี่ยนเวอร์ชันของภาพ

Image: GPT-Images-2.5 / Astra (Max)

เมื่อเปรียบเทียบกับ ChatGPT Chat รุ่นปกติ จะเห็นว่าโมเดลรุ่นเล็กกว่ายังมีการเปลี่ยนรายละเอียดอื่นๆ ระหว่างการประมวลผล แต่ในบางกรณีก็อาจสร้างภาพบุคคลสำคัญออกมาได้ดีกว่าในระดับหนึ่ง

Image: GPT-Images-2.5 / ChatGPT Chat (Medium and Instant)

การวาดเขียน, เทมเพลต และ prompt ที่แชร์ได้

OpenAI ยังเพิ่มฟีเจอร์ใหม่อย่าง "Sketch" ที่ให้ผู้ใช้ร่างภาพโดยตรงใน ChatGPT เพื่อใช้เป็นโครงสร้างสำหรับภาพสุดท้าย เพียงพิมพ์คำสั่ง @Sketch ซึ่งเหมาะมากสำหรับการทำไดอะแกรมหรือแผนผังห้อง

นอกจากนี้ยังมีระบบ Templates หรือ Prompt สำเร็จรูปสำหรับงานหลากหลายประเภท เช่น โลโก้, โปสเตอร์ หรืออินโฟกราฟิก ช่วยให้ผู้ใช้ไม่ต้องเริ่มจากหน้ากระดาษว่างเปล่า รวมถึงยังสามารถใส่ความเห็นลงบนรูปภาพและแชร์ Prompt ให้คนอื่นไปสร้างสรรค์ต่อได้อีกด้วย

ทั้งสองโมเดลขึ้นสู่อันดับสูงสุดในการจัดอันดับ Arena

ในการจัดอันดับ Text-to-Image ของ Arena โมเดลใหม่ทั้งสองตัวครองอันดับ 1 และ 2 ทันที โดย GPT-Image-2.5 Sunburst นำอยู่ที่ 1421 คะแนน และ Flare ตามมาที่ 1399 คะแนน แม้จะเป็นคะแนนเบื้องต้นจากผลโหวตที่ยังไม่มากนัก แต่ก็นำหน้าคู่แข่งสำคัญทั้งจาก Microsoft, SpaceXAI, Meta และ Google

การใส่ลายน้ำโดยความร่วมมือกับ Google DeepMind เพื่อความปลอดภัยในการระบุที่มาของภาพ OpenAI ยังคงใช้มาตรฐาน C2PA และได้เพิ่มลายน้ำที่มองไม่เห็นผ่านเทคโนโลยี SynthID ของ Google DeepMind เข้าไปในทุกแพลตฟอร์มทั้ง ChatGPT, Codex และ API เพื่อสร้างระบบความปลอดภัยหลายชั้น

ปัจจุบัน Images 2.5 เปิดใช้งานแล้วทั่วโลกสำหรับผู้ใช้ทุกกลุ่ม รวมถึงผู้ใช้เวอร์ชันฟรี โดยจะมีความเร็วในการสร้างภาพที่สูงขึ้นและขีดจำกัดการใช้งานที่มากขึ้น อย่างไรก็ตาม ผลการทดสอบเบื้องต้นชี้ว่าในโหมด Chat ปกติอาจจะยังถูกจำกัดให้ใช้โมเดลรุ่นที่เน้นความเร็วเป็นหลัก