Images 2.6 در ChatGPT: گیف می‌سازه، ولی همه‌جا بهتر نیست
هوش مصنوعیClaude Opus 5.5خلاصهٔ کامل‌تر
OpenAI مدل Images 2.6 رو به‌عنوان نسخهٔ بعدی Images 2.5 داخل ChatGPT منتشر کرده. طبق این مقاله، OpenAI این بار دو مدل جدا عرضه کرده: یکی برای کاربرای رایگان و یکی برای مشترکای پولی. نویسنده می‌گه این تصمیم بین کاربرای پولی خوب جا افتاده، چون حس نمی‌کنن فشار کاربرای رایگان کیفیت رو پایین میاره.
قابلیتی که بیشتر از همه سروصدا کرده، ساختن گیف چندفریمیه. مدل یه سری تصویر ثابت می‌سازه که هر کدوم یه فریم هستن و بعد اونا رو به یه انیمیشن حلقه‌ای وصل می‌کنه. به گفتهٔ نویسنده، به نظر می‌رسه یه مدل زبانی هم کمک می‌کنه برنامه‌ریزی کنه که از هر فریم به فریم بعد چی عوض بشه. یکی از نمونه‌ها تا ۹۸ فریم پیش رفته، ولی هرچی دنباله بلندتر میشه، انسجامش کمتر میشه و بیشتر شبیه یه خواب درهم میشه.
نتیجه‌ها بی‌نقص نیستن: مثلاً تو یه تست برای دو سه فریم یه دم اضافه ظاهر شده، یا شکل سنگ‌ها و بافت‌ها بین فریم‌ها عوض میشه. ولی نویسنده معتقده برای میم و تصاویر واکنشی کوتاه به‌اندازهٔ کافی خوبه. نکتهٔ جالب اینه که یه ویدیوی استاپ‌موشن بیش از ۱۰۰ فریمی با همون 2.5 هم تقریباً همین‌قدر خوب درومده بود. یعنی 2.6 بیشتر یه توانایی موجود رو مرتب و راحت کرده، نه اینکه یه مهارت کاملاً تازه آورده باشه.
واضح‌ترین پیشرفت تو پایبندی به سبکه. تو تست‌هایی مثل تبلیغ‌های VHS اواخر دههٔ ۸۰ یا انیمهٔ کلاسیک ژاپنی با خطوط اسکن و رنگ‌پریدگی آنالوگ، 2.6 نشونه‌های سبک رو خیلی بهتر گرفته. ولی سبک با ساختار فرق داره: تو همون تست انیمه، حس و حال کار درست بود اما دست شخصیت کاملاً بدشکل شده بود. تصاویر 2.6 هم تمیزترن و اون الگوی نویز پس‌زمینه که احتمالاً به واترمارک‌گذاری OpenAI ربط داره، کمتر شده ولی کامل حذف نشده.
تو ثبات شخصیت‌ها نتیجه قاطی‌پاتیه. تو تستی که یه گربه رو به سایز ۴۰ پوندی بزرگ می‌کردن، 2.6 دستور عضله و تناسب رو بهتر اجرا کرده ولی یه کم زیادی «ورزشکاری» شده. تو یه تست Rick and Morty هم Morty بهتر شده ولی دست و اندازهٔ سر Rick ایراد داره و نویسنده می‌گه مدل Nano Banana احتمالاً این شخصیت‌ها رو بهتر درمیاره.
مهم‌ترین نکته اینه که یه پرامپت یکسان روی 2.5 یه تصویر خام و تحت‌اللفظی داده و روی 2.6 یه ربات کارتونی بامزه. نویسنده حدس می‌زنه مدل زبانی‌ای که پرامپت رو قبل از رسیدن به مدل تصویر تفسیر می‌کنه عوض شده. یعنی اگه روی این ابزارها قالب پرامپت یا workflow ساختی، دیگه نمی‌تونی روی تکرارپذیر بودن خروجی حساب کنی.
نکات کلیدی:
- قابلیت اصلی Images 2.6 ساختن گیف چندفریمیه؛ یه نمونه تا ۹۸ فریم رفته ولی انسجامش با طول بیشتر افت می‌کنه.
- OpenAI دو مدل جدا برای کاربرای رایگان و پولی منتشر کرده.
- با Images 2.5 هم یه استاپ‌موشن بیش از ۱۰۰ فریمی با کیفیت مشابه ساخته شده بود.
- پایبندی به سبک‌هایی مثل انیمهٔ دههٔ ۹۰ و VHS بهتر شده، ولی دست‌ها و اندام‌ها هنوز خراب می‌شن.
- نویز پس‌زمینهٔ مرتبط با واترمارک کمتر شده ولی هنوز دیده میشه.
- یه پرامپت یکسان روی 2.5 و 2.6 نتیجه‌های کاملاً متفاوت داده که تکرارپذیری رو زیر سؤال می‌بره.
