OpenAI hat eine neue Version seines Bildgenerierungsmodells ChatGPT Images 2.0 auf den Markt gebracht. Dieses verbesserte Modell verspricht detailliertere Bildgenerierungen sowie die Fähigkeit, Text in mehreren Sprachen darzustellen, darunter auch Chinesisch und Hindi. Dieses Update ist für Nutzer von ChatGPT und Codex weltweit verfügbar, wobei eine leistungsstärkere Version zahlenden Abonnenten vorbehalten ist.
Das neue Modell nutzt die «Reasoning»-Fähigkeiten von ChatGPT, um im Internet nach aktuellen Informationen zu suchen und mehrere Bilder gleichzeitig zu generieren. Mit einem Wissens-Stoppdatum von Dezember 2025 ist es in der Lage, aktuellere und detailliertere Ergebnisse zu liefern. Ein Beispiel dafür ist die Erstellung eines Infografikbildes mit der Wettervorhersage für San Francisco, das präzise Wetterdaten und Zeichnungen bekannter Wahrzeichen der Stadt enthielt.
Ein bemerkenswertes Merkmal von Images 2.0 ist seine Anpassungsfähigkeit bei Seitenverhältnissen der Bilder. Nutzer können Bilder in verschiedenen Formaten von 3:1 bis 1:3 generieren, indem sie die Größe im Prompt anpassen. Diese Flexibilität bietet mehr kreativen Spielraum und personalisierte Resultate.
Die erste Testphase des neuen Modells zeigt beeindruckende Verbesserungen in der Textdarstellung, zumindest in englischer Sprache. Während frühere Modelle oft mit unvollständigen oder fehlerhaften Textdarstellungen kämpften, liefert Images 2.0 klarere und komplexere Texte. Dies ist ein bedeutender Fortschritt, insbesondere im Vergleich zu früheren Herausforderungen, die Google mit seinem Nano Banana Modell ebenfalls zu bewältigen hatte.
Das Modell hat jedoch noch Potenzial zur Verbesserung, insbesondere bei der Textgenerierung in anderen Sprachen. Ein Test mit einem von chinesischen Fans inspirierten Timothée Chalamet-Collage-Poster zeigte, dass einige Textelemente ungenau oder sogar unsinnig waren. ChatGPT selbst räumte ein, dass einige der Zeichen nicht korrekt übersetzt werden konnten und teilweise aus einer Mischung von chinesischen und japanischen Zeichen bestanden.
Obwohl die englischen Textdarstellungen verbessert wurden, bleibt abzuwarten, wie gut das Modell in anderen Sprachen funktioniert und wie es von internationalen Nutzern aufgenommen wird. Die kontinuierliche Verbesserung der englischen Textausgabe könnte jedoch als Grundlage für künftige Verbesserungen in anderen Sprachversionen dienen, wenn mehr Nutzerdaten weltweit einfließen.
Mit der Einführung von ChatGPT Images 2.0 setzt OpenAI einen weiteren Meilenstein in der Entwicklung von KI-gestützter Bild- und Textgenerierung. Die Fähigkeit, mehrere Bilder aus einem einzigen Prompt zu generieren und dabei detaillierte Textinformationen zu liefern, hebt das Modell von seinen Vorgängern ab. Es bleibt spannend zu beobachten, wie sich diese Technologie weiterentwickelt und welche kreativen Möglichkeiten sie den Nutzern weltweit bieten wird.