هوش مصنوعی کاربردی، یادگیری ماشین و ایجنت‌های هوشمند.
تلفیق هوش مصنوعی مولد، پردازش داده‌های بزرگ و ایجنت‌های خودمختار برای شتاب‌بخشی به فرآیندهای کسب‌وکار.
جی پی تی ایمیج ۲
جی پی تی ایمیج ۲ در هر دو جدول رتبه بندی تصویر Arena جایگاه اول را ثبت کرده است: امتیاز ۱۳۸۱ در ساخت تصویر از متن و ۱۴۶۳ در ویرایش تصویر، هر دو با فاصله‌ای که در این دو جدول به ندرت مشاهده می‌شود. نرخ آن برای یک تصویر ۱۰۲۴×۱۰۲۴ با کیفیت متوسط ۰.۰۵۳ دلار است، کمتر از نصف نانو بنانا پرو.
- جایگاه اول در هر دو جدول Arena
- نرخ ۰.۰۵۳ دلار برای هر تصویر متوسط
- سقف ۳۸۴۰ پیکسل در هر ضلع
آخرین بررسی: این صفحه یک مرجع است. با هر نسخه تازه، منابع سازنده دوباره خوانده و صفحه بهروز می‌شود. چه چیزی عوض شد
فاصله چهل و پنج امتیازی، که در این جدول‌ها رقم بزرگی محسوب می‌شود
در جدول ساخت تصویر از متن، ردیف دوم امتیاز ۱۳۳۶ را دارد و این مدل ۱۳۸۱ را. در جدول ویرایش، ردیف دوم ۱۴۳۹ است و این مدل ۱۴۶۳. در جدول رتبه بندی ای که ۷۷ مدل را در بر می‌گیرد و بیشتر آنها در محدوده پنجاه امتیازی جمع شده‌اند، فاصله چهل و پنج امتیازی نشان می‌دهد کاربران واقعا خروجی این مدل را ترجیح می‌دهند، نه اینکه یک آزمون خودکار رقم بالاتری تولید کرده باشد.
اما شناسه آن رکورد را باید دقیق خواند: «gpt-image-2 (medium)». این یک مدل مستقل نیست، یک پیکربندی سرویس دهی است. اوپن ای آی سه سطح کیفیت را عرضه می‌کند و مستندات فنی آن نرخ هر سه سطح را روی همان اندازه ۱۰۲۴×۱۰۲۴ ثبت کرده: سطح پایین ۰.۰۰۶ دلار، متوسط ۰.۰۵۳ و بالا ۰.۲۱۱ دلار. پیکربندی که در هر دو جدول جایگاه اول را گرفته، سطح متوسط است. سطح بالا اصلا در هیچ جدول رتبه بندی ثبت نشده، پس نه می‌توان گفت برتر است و نه چنین ادعایی در این سند درج می‌شود.
ابعاد تصویر، تنها بخش این جدول با ارقام دقیق منتشر شده
مستندات اوپن ای آی سه محدودیت عددی ثبت کرده و هر سه قابل راستی آزمایی اند: بلندترین ضلع حداکثر ۳۸۴۰ پیکسل، هر دو ضلع مضربی از ۱۶، نسبت ضلع بلند به کوتاه حداکثر ۳ به ۱، و مجموع پیکسل‌ها در بازه ۶۵۵۳۶۰ تا ۸۲۹۴۴۰۰. این تنها سازنده در جدول این مرجع است که به جای برچسب «۴K»، رقم دقیق پیکسل ثبت می‌کند. گوگل برای تمام مدل‌های خود از برچسب‌های «1K و 2K و 4K» استفاده می‌کند و هیچ جا معادل پیکسلی 4K را مشخص نمی‌کند. به همین دلیل ستون رزولوشن اصلا در جدول این رده تعریف نشده است.
ستونی که این مدل در آن امتیاز از دست می‌دهد
ورودی مرجع. برای بار کاری که یک شخصیت یا یک محصول ثابت باید در چند تصویر حفظ شود، این رقم حیاتی است: چند تصویر مرجع در یک درخواست پذیرفته می‌شود. گوگل این رقم را برای هر سه مدل خود منتشر کرده و بلک فارست لبز هم منتشر کرده. اوپن ای آی این رقم را منتشر نکرده است. نمونه کد مستندات آن چهار تصویر نشان می‌دهد اما در هیچ جا چهار را به عنوان سقف اعلام نکرده، و یک نمونه کد را نمی‌توان به عنوان سقف مشخصه ثبت کرد. بنابراین این سلول خالی می‌ماند، ده امتیاز از دست می‌رود، و همین دلیل در این سند ثبت شده است.
متن درون تصویر: تنها بیانیه شفاف در این حوزه
هر سازنده درباره متن درون تصویر یک صفت تبلیغاتی ثبت می‌کند. اوپن ای آی به جای آن یک محدودیت فنی ثبت کرده: سامانه «همچنان ممکن است در جانمایی دقیق و خوانایی متن با مشکل مواجه شود». این تنها گزاره قابل استناد است که از یک سازنده در این حوزه ثبت شده، و به همین دلیل در این سند درج شده است. این یک رقم نیست، اما از عبارت «متن پیشرفته» دقیق‌تر است.
دسترس پذیری از ایران
فهرست کشورهای پشتیبانی شده API استخراج شده و ایران در آن ثبت نشده. این فهرست روی زیرساخت developers.openai.com قرار دارد که در دسترس است، در حالی که زیرساخت openai.com به سرور سنجش ما کد ۴۰۳ برمی گرداند. این تفاوت اهمیت دارد: این سند صرفا درباره API صحبت می‌کند، پس درباره اینکه اپلیکیشن ChatGPT از ایران در دسترس است یا خیر، هیچ داده‌ای ثبت نشده و ادعایی هم مطرح نمی‌شود.
استفاده از ایران
این ستون تاریخ دارد و می‌گوید چطور بررسی شده، چون بیشتر فهرست‌ها حدسش می‌زنند. هر جا فقط صفحه سیاست سازنده را خوانده باشیم، یادداشت پایین همین را می‌گوید.
- دسترسی
- مسدود
- پرداخت
- راه کارآمدی ندارد
- پلن رایگان
- ندارد
- تاریخ اندازه گیری
چطور بررسی کردیم: فهرست کشورهای پشتیبانی شده API اوپن ای آی از زیرساخت developers.openai.com استخراج شده و ایران در آن ثبت نشده. زیرساخت openai.com خود به این سرور سنجش کد ۴۰۳ برمی گرداند، پس این فهرست تنها سند قابل دسترسی است و صرفا درباره API صحبت می‌کند، نه درباره اپلیکیشن ChatGPT. هیچ آزمون شبکه‌ای از داخل ایران انجام نشده است.
نقاط قوت مستند
- جایگاه اول در هر دو جدول رتبه بندی تصویر Arena، با فاصله‌ای بزرگ‌تر از فاصله ردیف دوم تا پنجم
- نرخ سطح کیفیت متوسط کمتر از نصف نانو بنانا پرو است
- تنها مدل در این جدول که ابعاد مجاز را با رقم پیکسل منتشر کرده، نه با برچسب
- ویرایش ناحیه‌ای روی تصویر موجود، و مسیر اجرای دسته‌ای با نرخ نصف
ظرفیت‌های بهبود و ملاحظات فنی
- سقف ورودی مرجع منتشر نشده، پس این ستون در جدول این مرجع خالی است.
- جایگاه اول متعلق به سطح کیفیت متوسط است و سطح بالا در هیچ جدول رتبه بندی ثبت ندارد.
- سطح کیفیت بالا روی همان اندازه، چهار برابر نرخ متوسط است: ۰.۲۱۱ در برابر ۰.۰۵۳ دلار.
- هیچ وزنی منتشر نشده، پس هیچ مسیر اجرای محلی وجود ندارد.
- ایران در فهرست کشورهای پشتیبانی شده API ثبت نشده و مسیر رسمی وجود ندارد.
- خود اوپن ای آی ثبت کرده که سامانه همچنان در جانمایی دقیق متن با مشکل مواجه است.
جمع‌بندی فنی
اگر کیفیت خروجی تنها معیار تصمیم است و مسیر پرداخت از پیش حل شده، این مدل امروز انتخاب مناسبی است و رقیبی که دو برابر هزینه می‌گیرد، امتیاز پایین‌تری ثبت کرده. اگر بار کاری شامل ساخت چند تصویر با یک شخصیت ثابت است، پیش از تعهد کامل یک آزمون کوچک اجرا شود: این تنها مدلی است که سقف ورودی مرجع آن مشخصه سازی نشده.
پرسش‌هایی که واقعا پرسیده می‌شود
بهترین هوش مصنوعی ساخت عکس کدام مدل است
بر اساس رای انسانی، جی پی تی ایمیج ۲ در هر دو جدول رتبه بندی تصویر Arena جایگاه اول را ثبت کرده است. اگر مسیر پرداخت یا حریم داده محدودیت است، نانو بنانا ۲ هزینه پایین‌تر و دسترسی ساده‌تری دارد و فلاکس ۲ کلاین قابل اجرا روی زیرساخت خود کاربر است.
نرخ هر تصویر با جی پی تی ایمیج ۲ چقدر است
روی اندازه ۱۰۲۴×۱۰۲۴: سطح پایین ۰.۰۰۶ دلار، متوسط ۰.۰۵۳ و بالا ۰.۲۱۱ دلار. مسیر اجرای دسته‌ای نرخ نصف را ثبت می‌کند. این ارقام از جدول هزینه در مستندات رسمی اوپن ای آی استخراج شده است.
چند تصویر مرجع قابل ارائه به این مدل است
اوپن ای آی سقفی منتشر نکرده است. نمونه کد مستندات آن چهار تصویر نشان می‌دهد اما در هیچ جا چهار را به عنوان سقف اعلام نکرده، پس این رقم به عنوان سقف مشخصه ثبت نمی‌شود.
آیا این مدل از ایران قابل استفاده است
مسیر رسمی وجود ندارد. ایران در فهرست کشورهای پشتیبانی شده API اوپن ای آی ثبت نشده؛ این فهرست مستقیما بررسی و استخراج شده است. این گزارش هیچ حساب کاربری عرضه نمی‌کند و هیچ مسیر دور زدن پیشنهاد نمی‌دهد.