AI-modeller og platforme

OpenAI lancerer ChatGPT Images 2.5 med Sketch og to nye API-modeller

mm
Føj Unite.AI til dine foretrukne kilder på Google

OpenAI udgav ChatGPT Images 2.5 den 8. september 2026 og kaldte den virksomhedens nye topmoderne billedmodel, og tilføjede to ledsagende modeller til sin API. OpenAI sagde, at folk skaber mere end 3 milliarder billeder hver uge via ChatGPT Images og GPT-Image-modellerne i API’en.

Skarpere billeder og nye skabelsesværktøjer

Ifølge OpenAI leverer Images 2.5 mere naturligt lys og rigere teksturer, bevarer bedre motivet fra brugernes referencebilleder og følger redigeringsinstruktioner mere pålideligt gennem flere vendinger i en samtale. Virksomheden oplyste, at den har reduceret billedgenereringsforsinkelsen med op til 50 % sammenlignet med Images 2.0.

OpenAI sagde, at modellen er bedre til kun at ændre de elementer, en bruger beder den om at redigere, mens resten af billedet forbliver intakt, selv ved komplekse motiver og baggrunde, og at den gengiver billeder med virkelige oplysninger mere præcist, håndterer mere komplekse layout inklusive transparente baggrunde og bevarer de ønskede visuelle stilarter mere konsekvent. Under længere samtaler, sagde virksomheden, er tidligere redigeringer mere tilbøjelige til at blive bevaret, og hver ny instruktion bygger på tidligere arbejde uden at forringe billedkvaliteten.

For API‑udviklere sagde OpenAI, at den samme nøjagtighed gør reference‑baserede arbejdsgange mere pålidelige og gør det muligt at opdatere et enkelt element, såsom et produkt, en baggrund eller en tekstlinje, mens det omkringliggende motiv, komposition og brandbehandling bevares.

Sammen med modellen introducerede OpenAI Sketch, en funktion der lader brugere tegne direkte i ChatGPT som en visuel reference til det endelige billede, aktiveret ved at skrive “@Sketch” i en chat. Nye skabeloner giver udgangspunkt for populære formater som flyers og produktbilleder, med navngivne muligheder som “Poster” og “Merch.” Brugere kan også placere kommentarer direkte på genererede billeder for mere fokuseret redigering og kan dele prompten bag et billede, så andre kan gentage idéen med deres egne fotos og detaljer.

Images 2.5 rulles ud til alle ChatGPT-, ChatGPT Work- og Codex‑brugere på tværs af alle niveauer på desktop, mobil og web.

Flare og Sunburst i API’en

For udviklere udgav OpenAI to billedmodeller i API’en. GPT-Image-2.5 Flare leverer samme kvalitet, redigering og hastighedsforbedringer og er ifølge virksomheden den standardvalgte model for de fleste applikationer; OpenAI sagde, at den leverer billeder af højere kvalitet end GPT-Image-2 med 50 % lavere latenstid, hvilket passer til brug fra skabere og socialt indhold til produktoplevelser, visuel søgning, hurtig billedprototyping og stor‑skala generering. GPT-Image-2.5 Sunburst er bygget til premium‑visuelle arbejdsgange, der drager fordel af strammere kontrol over redigeringer, såsom kampagnemateriale klar til produktion og polerede produktbilleder, med længere genereringstid.

OpenAI offentliggjorde udtalelser fra tre tidlige kunder sammen med udgivelsen. Matt Chotin, senior produktdirektør hos Adobe, sagde, at OpenAI’s GPT-Image-2.5‑modeller nu er tilgængelige i Adobe Firefly, Adobes kreative AI‑studio. Lucky Liao fra Manus’ evalueringshold sagde, at Flare leverede billeder af høj kvalitet med to til fire gange højere hastighed end GPT-Image-2 i holdets evalueringer, idet der blev fremhævet forbedret generering af transparente baggrunde. Axultan Alimkulov, produktchef hos Higgsfield AI, sagde, at modellen bevarer et originalt billedes karakter, komposition og visuelle identitet gennem redigeringer.

OpenAI’s prisside viser begge modeller til de samme priser: billedinput til $8,00 pr. 1 M tokens, eller $2,00 pr. 1 M tokens for cache‑input, billedoutput til $30,00 pr. 1 M tokens, og tekstinput til $5,00 pr. 1 M tokens, eller $1,25 cache. Siden beskriver Sunburst som bygget til arbejdsgange, hvor redigeringspræcision er afgørende, og Flare som OpenAI’s hurtigste model til høj‑kvalitets, dagligdags billedgenerering.

Sikkerhedsvurderinger og oprindelse

OpenAI offentliggjorde også et systemkort for udgivelsen den 8. september 2026. Kortet angiver, at GPT-Image-2.5-Sunburst og GPT-Image-2.5-Flare er trænet på forskellige datasæt, der spænder over offentligt tilgængelige internetinformationer, data opnået gennem tredjeparts‑partnerskaber samt materiale leveret eller genereret af brugere og menneskelige trænere, med filtrering designet til at reducere personlige oplysninger og sikkerhedsklassificeringer rettet mod at mindske skadeligt eller følsomt indhold. Det bemærker, at øget realisme, uden sikkerhedsforanstaltninger, kan muliggøre mere overbevisende deepfakes af rigtige personer, steder eller begivenheder, hvilket strider mod OpenAI’s brugsregler.

Kortet beskriver en lagdelt sikkerhedsstak: LLM‑baserede politik‑kontroller afviser krænkende anmodninger, før genereringen begynder, og en sikkerheds‑reasoning‑model modererer derefter tekst‑ og billedinput og inspicerer de endelige output, før de vises, og blokerer generering, når enten bryder politikken.

I OpenAI’s automatiserede modstandsvurderinger, som brugte prompts designet til at fremkalde politik‑overtrædende billeder på tværs af alle sporede sikkerhedskategorier, udgjorde de endelige usikre generationer 1,09 % for Sunburst og 1,41 % for Flare, sammenlignet med en baseline på 1,64 % for ChatGPT Images 2.0. Kortet advarer om, at det modstandssæt ikke er repræsentativt for produktions‑trafik, at automatiserede politik‑etiketter kan indeholde fejl, og at resultaterne kun gælder for det faste testsæt og de evaluerede konfigurationer.

Under OpenAI’s Preparedness Framework, som overvåger biologiske og kemiske, cybersikkerheds‑ og AI‑selvforbedringsrisici, rapporterer kortet, at ingen af modellerne overskrider Bio High‑ eller Cyber High‑grænserne. OpenAI sagde, at de alligevel anvender forebyggende biologiske risikoredaktioner, herunder en billedspecifik biologisk sikkerhedspolitik håndhævet gennem safety‑reasoning‑modellen, live‑blokering på input‑ og output‑lagene, offline‑gennemgang, der kombinerer automatiserede systemer med menneskelige anmeldere, samt kontosuspensioner, hvor vedvarende misbrugs‑mønstre opdages.

Om oprindelse angiver kortet, at OpenAI fortsætter med C2PA‑metadata gennem C2PA Conformance Program og tilføjer Google DeepMinds SynthID‑usynlige vandmærkning på tværs af ChatGPT, Codex og OpenAI‑API’en.

Jonas Reeve er en AI-genereret analytiker hos Unite.AI, der fokuserer på kognitiv AI, kunstig generel intelligens (AGI) og de teoretiske grundlag for maskinintelligens. Hans arbejde udforsker, hvordan læring, resonnering, hukommelse og abstraktion opstår i både biologiske og kunstige systemer, og hvordan der kan trækkes forbindelser mellem moderne AI-arkitekturer og langvarige spørgsmål i kognitiv videnskab og filosofi om sindet.
Med en konceptuel og reflekterende tilgang undersøger Jonas rammer som resonneringsmodeller, agente systemer, emergent kognition og alignment-teori, med det formål at klargøre, hvad fremgang mod AGI faktisk betyder - og hvad det ikke gør. I stedet for at jagte tidsfrister eller hype lægger han vægt på første principper, konceptuel rigor og grænserne for nuværende modeller.
Artikler skrevet af Jonas Reeve er AI-genererede og gennemgået af Unite.AIs redaktionelle team for at sikre nøjagtighed, klarhed og ansvarlig diskussion af avancerede AI-koncepter.