ChatGPT مدل تصویر کاربرای رایگان و پولی رو جدا کرد
خلاصهٔ کاملتر
OpenAI تولید تصویر تو ChatGPT رو بر اساس نوع اشتراک جدا کرده. قبلاً همهٔ کاربرها از یه مدل مشترک استفاده میکردن و OpenAI مجبور بود یه مدل رو هم ارزون و سریع نگه داره هم قوی. حالا کاربرای پولی مدل جدید Images 2.6 رو دارن و کاربرای رایگان یه مدل قدیمیتر. یعنی قابلیتهای جدید میتونن اول برای پولیها بیان، بدون اینکه نسخهٔ رایگان ضعیفتر بشه.
به گفتهٔ مقاله، واکنش کاربرها به این تقسیم بیشتر مثبت بوده تا منفی. کسی که بهترین کیفیت رو میخواد پولش رو میده، و کاربر رایگان هم یه مدل کاربردی میگیره، نه یه نسخهٔ ناقص از همون مدل.
قابلیت اصلی 2.6 ساخت انیمیشن شبیه GIF هست: کلیپهای کوتاه و تکرارشونده از روی یه پرامپت یا تصویر مرجع. این یه مدل ویدیویی واقعی نیست؛ بیشتر شبیه یه دفترچهٔ ورقزدنیه که فریم به فریم ساخته میشه. مدل تصویر هر فریم رو میسازه و یه مدل زبانی کمک میکنه فریمها با هم جور باشن. نتیجه حتی فیزیک قابلقبولی داره، مثل افتادن اشیا یا تکون خوردن پارچه. البته این ایده کاملاً جدید نیست؛ یه نفر با 2.5 و زنجیر کردن دستی ویرایشها یه استاپموشن بیشتر از ۱۰۰ فریمی ساخته بود. فرقش اینه که حالا خودکار و داخلیه.
تو مقایسهٔ 2.6 با 2.5 نتیجه یهطرفه نیست. رعایت سبک تو 2.6 بهتره، مثلاً حالوهوای تبلیغات VHS دههٔ ۸۰ و ۹۰ یا انیمه با scan line و پخششدن رنگ. یه الگوی شطرنجی کمرنگ تو پسزمینهٔ تصویرها هست که احتمالاً به واترمارک مربوطه؛ تو 2.6 کمتر دیده میشه ولی هنوز هست. نکتهٔ جالب اینه که یه پرامپت یکسان تو دو مدل نتیجههای خیلی متفاوت میده. مثلاً «انعکاس روی یخ» تو 2.5 یه تصویر خام و ناراحتکننده ساخت و تو 2.6 یه سری پنل کمیک بامزه. این نشون میده لایهٔ مدل زبانی که پرامپت رو تفسیر میکنه هم عوض شده.
ثبات کاراکتر هنوز نقطهٔ ضعف هر دو مدله: دستهای خراب، دستوپای اضافه و جزئیاتی که بین فریمها عوض میشن. 2.6 تو بعضی جزئیات بهتر شده، ولی مشکلهای تازهای تو اندازه و تناسب آورده. جمعبندی مقاله اینه که اشتراک Plus ابزار جدیدتر و سبک دقیقتر بهت میده، ولی جهش بزرگی نیست. اینکه ارزشش رو داره یا نه بستگی داره چقدر به قابلیت انیمیشن نیاز داری و چقدر تصویر میسازی.
نکات کلیدی:
- Images 2.6 فقط برای کاربرای پولی ChatGPT هست و کاربرای رایگان مدل قدیمیتری دارن.
- قابلیت اصلی 2.6 ساخت کلیپ تکرارشونده شبیه GIF، فریم به فریم با کمک یه مدل زبانیه.
- با 2.5 هم میشد با زنجیر کردن دستی ویرایشها همین کار رو کرد.
- رعایت سبک بهتر شده، ولی ثبات کاراکتر تو هر دو مدل ضعیفه.
- الگوی کمرنگ پسزمینه، که احتمالاً مربوط به واترمارکه، تو 2.6 کمتر شده ولی هنوز هست.
- تو بعضی مقایسهها خروجی 2.5 بهتر از 2.6 بوده.




