Images 2.6

छवि निर्माण के लिए OpenAI का नया “Images 2.6” मॉडल, जो native GIF और SVG output जोड़ता है और तेज़ प्रदर्शन का दावा करता है, उपयोगकर्ताओं से मिश्रित प्रतिक्रियाएँ पा रहा है, क्योंकि वे इसकी तुलना पहले के GPT-Image 2.x releases और Google के “Nano Banana” जैसे प्रतिस्पर्धियों से कर रहे हैं। कई लोगों को prompt adherence और vector export तथा simple animation जैसी सुविधाएँ आशाजनक लगती हैं, लेकिन वे स्पष्ट watermark artifacts, अत्यधिक processed “AI look,” और कुछ workflows में 2.5 की तुलना में गुणवत्ता में गिरावट की शिकायत करते हैं, जबकि token usage बढ़ने के कारण प्रभावी लागत भी अधिक हो जाती है। चर्चा आगे बढ़कर इस चिंता तक जाती है कि image generation की प्रगति ठहर गई है, व्यावसायिक प्रोत्साहन visual nuance की बजाय speed और cheapness को तरजीह देते हैं, और व्यापक “AI slop” मानवीय द्वारा बनाई गई कला के सौंदर्य मानकों और perceived value दोनों को कमजोर कर रहा है।

कुल प्रतिक्रिया

  • कई लोग Images 2.6 को परिवर्तनकारी से अधिक क्रमिक सुधार मानते हैं; “पिछले 1.5 साल जैसा ही” वाली बात बार-बार आती है।
  • मिश्रित प्रतिक्रिया: कुछ लोग विशिष्ट prompt पालन और जटिल compositions से प्रभावित हैं; अन्य इसे पहले के OpenAI models या प्रतिस्पर्धियों (जैसे Google का “Nano Banana”, Seedream, Midjourney) की तुलना में regression मानते हैं।
  • कई लोग नोट करते हैं कि coding models की तुलना में image-gen प्रगति ठहरी हुई लगती है, या कम से कम अधिक धीरे सुधर रही है।

पैमाना और उपयोग

  • OpenAI के “सप्ताह में 4 बिलियन images” के दावे पर संदेह और असहजता पैदा होती है; टिप्पणीकार अनुमान लगाते हैं कि इसका मतलब विशाल automated या bulk usage है, जो मानव viewing capacity से बहुत अधिक है।
  • व्यक्तिगत उपयोगकर्ता हर idea के लिए कई variants generate करने की बात बताते हैं, जिससे यह और मजबूत होता है कि अधिकांश generations exploratory “slop” हैं, final assets नहीं।

मूल्य निर्धारण और token usage

  • आधिकारिक per-token rates अपरिवर्तित हैं, लेकिन कई उपयोगकर्ता दिखाते हैं कि 2.6 low/medium quality पर 2.5 की तुलना में लगभग 3–4× अधिक output tokens उपयोग करता है (उदाहरण: 1024×1024 low के लिए ~196 → ~823 tokens)।
  • इसे de facto price hike माना जाता है, और कुछ लोग marketing (“same price”) को भ्रामक कहते हैं।
  • उच्च-quality settings में token usage कथित रूप से 2.5 के समान है।

नई विशेषताएँ: SVG और GIF

  • SVG output एक raster-to-vector pipeline के जरिए implement किया गया है; इसके लिए एक अतिरिक्त svg.model और एक LLM निर्दिष्ट करना पड़ता है, जिसे कुछ लोग समर्पित vector models की तुलना में कम प्रभावशाली मानते हैं।
  • docs में दिए गए उदाहरण SVGs को बुनियादी माना गया; कुछ लोगों को अधिक जटिल demonstrations की उम्मीद थी।
  • Native GIF generation काम करता है, लेकिन इसे निम्न-गुणवत्ता का माना गया है: धब्बेदार watermarks, असंगत motion, “slop” artifacts, और कमजोर frame coherence।
  • Animated GIFs को memes/throwaway content के लिए ठीक माना जाता है, पेशेवर उपयोग के लिए नहीं। Animated SVG support नहीं मिला।

छवि गुणवत्ता और model comparisons

  • कई उपयोगकर्ता 2.6 की तुलना में 2.5 को पसंद करते हैं, खासकर UI/design work और text-in-image layout के लिए; 2.6 को अधिक सरल, अधिक zoomed-in, और कम विस्तृत बताया गया है।
  • अन्य लोग 2.6 की अनचाहा inspirational text जोड़ने की कम प्रवृत्ति को पसंद करते हैं।
  • Benchmarks और anecdotal tests सुझाव देते हैं:
    • OpenAI prompt adherence में आगे है।
    • Google के models और विभिन्न closed/open alternatives कुछ domains में realism या style में आगे हो सकते हैं।
  • कुछ prompts में 2.6 nuanced photography (hands, reflections, water caustics) में 2.0 से भी खराब दिखता है।

Artifacts, “AI look,” और aesthetics

  • लगातार शिकायतें हैं:
    • स्पष्ट watermarking / mottling।
    • विशिष्ट “AI look” (अत्यधिक aesthetic, glossy, yellowish tint, अवास्तविक lighting)।
    • अजीब या गलत physics (जैसे stained-glass whale lighting)।
  • इस पर बहस है कि क्या उपयोगकर्ता वास्तव में इस look को पसंद करते हैं:
    • एक दृष्टिकोण: औसत उपयोगकर्ता ध्यान नहीं देता या परवाह नहीं करता; सस्ता होना जीतता है।
    • विपरीत दृष्टिकोण: कई लोग AI food images और uncanny visuals को नापसंद करते हैं, खासकर restaurants/ads में; ऑनलाइन “AI slop” की आलोचना व्यापक है।
  • कुछ लोग तर्क देते हैं कि RLHF और guidance methods models को इसी aesthetics की ओर धकेलते हैं; अन्य कहते हैं कि models औसत reward signals को गलत तरह से लागू करते हैं।

क्षमताएँ और सीमाएँ

  • Pixel art: शैली का अनुमान लगा सकता है, लेकिन वास्तविक grid-aligned, limited-palette pixel art अभी भी post-processing या specialized models मांगती है।
  • Consistent sprites / sprite sheets: कई उपयोगकर्ता खराब consistency की रिपोर्ट करते हैं; consistent sprite-sheet art के प्रयासों को समय की बर्बादी कहा जाता है।
  • Character और layout consistency अभी भी कठिन है, हालांकि कुछ external models को इसमें बेहतर माना जाता है।

संपादन, नियंत्रण, और tooling

  • उपयोगकर्ता अधिक सूक्ष्म, विश्वसनीय editing चाहते हैं:
    • बार-बार शिकायत: किसी एक छोटे तत्व को बदलने के लिए कहने पर पूरी image बदल जाती है।
    • कुछ लोग 2.6 में बेहतर control के दावे देखते हैं, लेकिन अभी स्पष्ट सुधार नहीं दिखता।
  • अधिक स्पष्ट tools की इच्छा: seeds/gen IDs, compositional sliders, layers, बेहतर outpainting UI, और vector/3D tooling का integration।
  • कुछ लोग पुराने DALL·E-era tooling (जैसे outpainting, IDs के जरिए stable iteration) को याद करते हैं।

नैतिकता और सांस्कृतिक प्रभाव

  • मजबूत नैतिक आलोचना: विशाल scraped datasets पर training को human creative labor का शोषण या “चोरी” बताया गया है, भले ही यह तकनीकी रूप से दशकों के research से संभव हुआ हो।
  • अन्य लोग तर्क देते हैं कि ये systems स्वयं human effort और innovation के उत्पाद हैं।
  • व्यापक सांस्कृतिक चिंता: menus, ads, और social feeds में निम्न-गुणवत्ता वाले “AI slop” का प्रसार, और human observational तथा aesthetic skills का क्षरण।