GPT 2.5

Ebbene sì, come avevo previsto è arrivato GPT image 2.5. Cioè, facile per me prevederlo dal momento che lo stavo testando nei siti di benchmark sotto vari nomi in codice.

Ora se quelli di OpenAI sono riusciti effettivamente a risolvere i problemi di ultra-nitidezza, artefatti, noise ed errori vari che affliggevano la versione 2.0 non avrò nulla in contrario nell'incoronarlo nuovo re degli image generator. Di GPT image 2.5 ne esistono due versioni: Flare e Sunburst. Flare somiglia a una 2.0 più rapida e ottimizzata mentre Sunburst è il modello più preciso ed avanzato per i task creativi; almeno questo è quanto dichiarato da OpenAI. Ho pensato di compararlo con le versioni precedenti così da mostrare come si è evoluto GPT image dall'anno scorso ad oggi. Ciò significa che sarà una puntata tutta gippittosa.

L'oracolo

Per cominciare un immagine semplice per evidenziare la qualità delle texture.

GPT  image 1

Le piante non sembrano davvero stare dentro i vasi ma il tutto è così sfumato che l'errore non ha un effettiva rilevanza. Il rendering della luce, soprattutto quella naturale, manca di realismo però i tenui chiaroscuri sono gradevoli. La donna avrebbe dovuto nascondere parzialmente il viso in base al prompt ma il primo GPT era ancora minimalista e approssimativo nell'attenersi ai dettagli.

GPT 1.5

La versione 1.5 mostra come il programma, soprattutto nella modalità high fidelity, avesse sviluppato delle pennellate più spesse e aggressive divenute immediatamente il suo inconfondibile marchio di fabbrica. La risposta al prompt si era fatta sensibilmente più precisa e qui la donna effettivamente cela parzialmente il suo volto col velo come avevo scritto.

GPT 2.0

Il 2.0 ha virato verso un estetica assai meno orientata alla pittura e qui è ben visibile il suo accentuato oversharpening che da un canto è bello per le texture del mosaico, gli affreschi e i vasi di terracotta ma risulta decisamente eccessivo per abiti drappeggiati, fumo, foglie, piante, liquidi, ecc... rispetto alle versioni precedenti sa realizzare scene più dettagliate ma al costo di produrre anche vari artefatti grafici.

GPT 2.5 Sunburst

Il nuovo 2.5 Sunburst sembra aver fatto progressi nel rendering della luce. L'oversharpening tuttavia non è scomparso perché è evidentemente connaturato al modello e la naturale levigatezza di Banana ancora se la sogna. Una interessante finezza è l'aggiunta di quello stendardo in alto a destra con scritto in greco “ΓΝΩΘΙ ΣΕΑΥΤΟΝ (Gnōthi seauton).” Vale a dire “Conosci te stesso”. La famosissima frase incisa sul pronao del Tempio di Apollo a Delfi che Sunburst ha ritenuto sposarsi bene col tema oracolare dell'immagine.

Come bonus posto l'output di MAI 2.6 che è venuto carino. 

Ha deciso di deviare dal prompt e inventarsi uno sfondo più suggestivo: mi ricorda Hunyuan 3 nel modo in cui è costantemente convinto di poter sviluppare le idee dell'utente meglio dell'utente stesso. Il modello linguistico che organizza il materiale è senza ombra di dubbio una versione modificata di quello presente in GPT image e lo si nota dal modo in cui si inventa le medesime scritte. Solo che GPT è più sobrio mentre MAI non si cura di farla fuori dal vaso aggiungendo testi anche dove è inopportuno o abbellimenti estetici non richiesti specialmente relativi al background. Di fatto se GPT image in un punto ci piazza una scritta state certi che a parità di prompt MAI deve mettercene il triplo. Comunque visto che da giovane mi sono diplomata al liceo classico a tempo perso giochiamo a tradurre anche le frasi del coso di Microsoft. La frase accanto alla nicchia con la statua è sempre il motto delfico, mentre quella sul banner a destra recita: ΤΟ ΘΕΙΟΝ ΕΝΤΟΣ ΗΜΩΝ (to theîon entòs hēmôn). Vale a dire “il divino è dentro di noi.”

Il testo che si intravede sulla pergamena invece non risulta intelligibile. Il rigo in alto è generato a cavolo mentre in quello in basso c'è scritto: 'ΙΩΣ ΕΝ ΣΙΓΗ'.

'ΙΩΣ' non è nemmeno una parola mentre 'ΕΝ ΣΙΓΗ' (en sigê) significa 'in silenzio' (o nel silenzio) ma da solo ovviamente non vuol dire nulla. Quindi MAI, se devi sbrodolare greco per fare il fico, almeno sforzati di generare frasi di senso compiuto.

Flirt in taverna

Questa invece vuole essere una scena che pone l'accento sull'espressività dei personaggi che dalla versione 1.5 in avanti è sempre stato uno dei punti di forza del modello di OpenAI.

GPT 1

Qui si vedono fortemente i limiti di GPT 1. I personaggi sono blandamente generati senza che si percepisca una sintonia tra loro e il modello, ancora incapace di realizzare un illuminazione interna a base di lanterne, si limita a colorare l'intera scena di un rossastro ombreggiato.

GPT 1.5

GPT 2.0

Aldilà della rinnovata resa estetica di cui ho già parlato prima qui si nota particolarmente come si sia evoluto nella scelta della prospettiva e il risultato è un ambientazione meglio rappresentata, dove ad esempio gli avventori sullo sfondo ora si vedono chiaramente. GPT dalla versione 2 divenne anche sufficientemente versatile ad adottare altri stili per mutare l'estetica degli output.

GPT 2.5 flare

Flare mi piace come ha saputo generare la posa dello spadaccino che audacemente si curva con la schiena sul bancone per avvicinarsi al viso della bella però ha sbagliato la mano. La scena è più luminosa e il chiaroscuro di base è meno accentuato ma non mi sento di dire che il risultato finale sia migliore di quello di GPT 2.0

Best Friends:

La prossima immagine è pensata per mostrare le differenze nella generazione di testi e posters tra le varie versioni.

GPT 1

Come si vede chiaramente il primo GPT è incapace nel rendering dei testi e anche i poster sono miseri.

GPT 1.5

Già la versione 1.5 aveva fatto evidenti progressi con scritte leggibili e poster più chiari ma ancora il concept non funziona.

GPT 2

Nella 2.0 è finalmente riuscito a cogliere l'atmosfera grottesca che avevo in mente.

GPT 2.5 Sunburst

La bambola e il clown sono quasi uguali alla versione 2.0 perché essendo la 2.5 un upgrade il dataset presenta poche differenze, quindi le immagini vengono abbastanza simili. Si differenzia per un chiaroscuro meno intenso anche se più accentuato qua ci stava bene.

Beach volley

Per finire questa prima prova come di rito testeremo la character consistency chiamando a posare per noi la nostra solita modella dai capelli pixie che faremo giocare a beach volley per testare dinamica e realismo.

GPT 1

Prima dell'arrivo di Seedream 4 e Nano Banana i risultati partendo da immagini di riferimento erano terribili.

GPT 1.5

Già molto meglio e vi dirò che la versione 1.5 è ancora valida quando si vogliono usare figure di riferimento per scene fantasiose o particolari.

GPT 2.0

A migliorare nella 2.0 sono state texture e camera angle e anche una migliore coerenza anatomica che a volte nella versione precedente difettava. Da notare la giusta posizione della palla per essere colpita e come lei la segua con lo sguardo. Sembra una scemenza ma gli altri modelli, compreso Gemini, falliscono nell'associare l'azione della donna alla palla.

Beh, già la 2.0 era ottima quindi non mi aspettavo grandi progressi... e forse preferisco la 2.0

In sostanza quale è la differenza tra Flare e Sunburst? Molto poca: Sunburst se la cava un po' meglio con prompt particolarmente complessi ma normalmente le due versioni di questa 2.5 si equivalgono.