ChatGPT Images 2.0
OpenAI ha lanzado una versión actualizada de su herramienta de generación de imágenes, ChatGPT Images 2.0. Lo ha hecho algo más de un año después de que los usuarios pudieran crear imágenes directamente en el chatbot. La compañía describe la nueva versión como un salto importante para los modelos de este tipo. La principal mejora es su capacidad para seguir las instrucciones con más precisión, trabajar con textos densos y colocar correctamente los objetos en la imagen. Por primera vez, un modelo de generación de imágenes incorpora también funciones de «razonamiento»: puede buscar información en internet y comprobar sus propios resultados. Según OpenAI, esto hará que la herramienta sea más fiable en tareas que requieren precisión, coherencia y lógica visual.
La compañía destaca por separado que ha mejorado mucho el trabajo con escrituras no latinas. Ahora el modelo entiende y reproduce mucho mejor el japonés, el coreano, el chino, el hindi y el bengalí. También ha mejorado su capacidad para transmitir las características visuales de distintos países y culturas. Gracias a ello, Images 2.0 debería resultar más adecuada para crear prototipos de videojuegos y storyboards.
Además, la herramienta es ahora más flexible: puede generar imágenes con una relación de aspecto de hasta 3:1 en horizontal y 1:3 en vertical. La resolución ha aumentado hasta 2K y ahora puede generar hasta ocho variantes de una sola vez.
Un periodista que probó la novedad por adelantado puso a prueba el modelo con tres tareas: crear pixel art de una gata carey al estilo de la tercera generación de Pokémon; convertir después el resultado en un PNG transparente; y, por último, dibujar un manga de cuatro páginas sobre una gata que pasea por un arroyo urbano bajo el sol. El modelo resolvió mejor la primera tarea: el pixel art resultante se parecía bastante al estilo reconocible de Game Boy Advance. En la segunda fase, la creación del PNG transparente, el resultado difería un poco de la imagen original, pero el modelo logró cumplir correctamente la petición, algo que a veces otros generadores no consiguen. Al realizar la tercera tarea, creó un manga sobre una gata.
Se podrán sacar conclusiones definitivas sobre la calidad de Images 2.0 después de probarla a gran escala y compararla con la competencia, incluida Google Nano Banana 2. El modelo ya está disponible para todos los usuarios de ChatGPT, también quienes tienen cuentas gratuitas. Los suscriptores de Plus y Pro tienen acceso a funciones avanzadas. La herramienta también está disponible a través de la API y de la aplicación Codex. La llegada de Images 2.0 coincidió en el tiempo con el lanzamiento de un asistente de diseño competidor de Anthropic.
PEREC.RU
OpenAI ha presentado la actualización ChatGPT Images 2.0, otro intento de demostrar que las redes neuronales pueden dibujar, pensar y fingir que tienen gusto. La nueva versión apuesta por seguir las instrucciones con precisión, trabajar con textos densos y colocar los objetos en la imagen como si se hubiera ocupado de ello un diseñador y no un algoritmo.
La compañía ha añadido funciones de «razonamiento»: la herramienta busca información en la red y comprueba sus propias respuestas. Da la sensación de que pronto las redes neuronales discutirán con los usuarios sobre quién tiene más razón.
Se ha prestado especial atención a las escrituras no latinas: ahora el japonés, el coreano, el chino, el hindi y el bengalí parecen idiomas de verdad, y no como si el modelo los hubiera aprendido de una instrucción arrugada. También ha mejorado la percepción de los estilos visuales, algo útil para los prototipos de videojuegos.
El modelo es más flexible: relaciones de aspecto raras, más resolución y ocho variantes de una vez. Un periodista lo probó con una gata al estilo Pokémon, un PNG transparente y un minirrelato manga, y el modelo salió del paso, aunque con sus peculiaridades.
Acceso abierto, funciones ampliadas para suscriptores e integración en la API y Codex. La competencia tampoco duerme: Anthropic acaba de lanzar su propia herramienta. El mercado de generadores de imágenes sigue hirviendo, como una tetera sin tapa puesta al fuego.
