Robocikowo>ROBOCIKOWO
ChatGPT Images 2.0

ChatGPT Images 2.0

gpt-image-2 · Rodzina: GPT
Model generowania i edycji obrazów OpenAI z wbudowaną warstwą wnioskowania O-series, obsługą rozdzielczości do 2K, renderacją tekstu niełacińskiego i generowaniem do 8 obrazów z jednego polecenia.
✓ Aktywny✓ Publiczny dostępModel generowania obrazówModel rozumowaniaModel multimodalny📁 GPT
Data premiery
21 kwietnia 2026
Dostęp:APIHostedWdrożenie:☁ Cloud

Przegląd

GPT Image 2 (nazwa w API: gpt-image-2) to model generowania i edycji obrazów udostępniony przez OpenAI 21 kwietnia 2026 roku pod marką ChatGPT Images 2.0. W przeciwieństwie do wcześniejszych modeli dyfuzyjnych DALL·E 2 i DALL·E 3, modele z rodziny GPT Image działają autoregresywnie, a GPT Image 2 dodaje warstwę wnioskowania opartą na rodzinie modeli O-series.

Architektura i tryb wnioskowania

Przed wygenerowaniem obrazu model analizuje polecenie, planuje kompozycję i rozkład elementów, modeluje zależności przestrzenne, opcjonalnie przeszukuje sieć w celu pozyskania aktualnych informacji, a po wygenerowaniu weryfikuje własny wynik. Wcześniejsze modele dyfuzyjne działały reaktywnie, bez jawnego etapu planowania.

Tryby działania

  • Tryb natychmiastowy (Instant): dostępny bezpłatnie dla wszystkich użytkowników ChatGPT, bez etapu wnioskowania.
  • Tryb wnioskowania (Thinking): dostępny w planach ChatGPT Plus, Pro, Business i Enterprise; obejmuje przeszukiwanie sieci, generowanie do 8 spójnych obrazów z jednego polecenia oraz weryfikację wyników.

Parametry generowania

  • Rozdzielczości do 2K (eksperymentalnie powyżej 2560×1440 px).
  • Proporcje obrazu od 3:1 do 1:3.
  • Formaty wyjściowe: PNG, JPEG, WebP.
  • Przezroczyste tło nie jest obsługiwane w trybie Responses API.

Renderowanie tekstu

Model znacząco poprawia generowanie tekstu w obrazach i obsługuje pismo łacińskie oraz niełacińskie (m.in. japońskie, koreańskie, chińskie, hindi, bengalskie). OpenAI deklaruje dokładność renderowania tekstu na poziomie ~99% — jest to wartość producenta, niezaudytowana niezależnie.

Dostępność i cykl życia

  • Dostępny w ChatGPT (web, mobile, desktop), środowisku Codex oraz przez OpenAI API.
  • Snapshot produkcyjny: gpt-image-2-2026-04-21; alias chatgpt-image-latest wskazuje bieżący domyślny model obrazowy.
  • Zastępuje DALL·E 2, DALL·E 3 oraz gpt-image-1.5; wycofanie poprzednich modeli zaplanowano na 12 maja 2026.
Klasyfikacja
Model generowania obrazówModel rozumowaniaModel multimodalny
Rodzina: GPT
Dostęp i wdrożenie
APIHostowane
Chmura
Wagi: Zamknięte
Kluczowe parametry
📥 Wejście: tekst, obraz
Platformy

Specyfikacja techniczna

Knowledge cutoff
31 gru 2025
Data graniczna wiedzy
Licencja
Proprietary / Commercial
Wymagania sprzętowe
Nie dotyczy — model dostępny wyłącznie przez API OpenAI i ChatGPT (chmura zamknięta). Brak możliwości samodzielnego hostingu ani pobierania wag.
Modalności
⬇ Wejście (Input)
textimage
⬆ Wyjście (Output)
image

Możliwości i zastosowania

Natywne możliwości modelu
Rozumowanie
Zdolność modelu do logicznego wnioskowania i rozwiązywania złożonych problemów.
Kategoria: reasoning
Rozumowanie wieloetapowe
Prowadzenie wieloetapowego toku rozumowania w długich, złożonych zadaniach.
Kategoria: reasoning
Wielojęzyczność
Kompetencje w wielu językach naturalnych (od kilku do stu+): rozumienie, generowanie, tłumaczenie, code-switching w obrębie jednej rozmowy. Modele frontier obsługują szeroki wachlarz języków ze zbliżoną jakością.
Kategoria: language
Planowanie
Tworzenie i realizacja planów działania dla złożonych zadań.
Kategoria: planning
Dziedziny zastosowań

Wyniki benchmarków

5 benchmarków
Image Arena — Text-to-Image
Elo score · Wynik w trybie medium quality. Przewaga +242 punkty Elo nad modelem nr 2 (Nano Banana 2 / Google Gemini 3.1 Flash Image, wynik 1271). Największa odnotowana przewaga #1 nad #2 w historii platformy Image Arena.
1512punkty Elo
📅 19 kwi 2026📄 Arena.ai / Image Arena leaderboard (crowdsourced, blind human preference voting)
Arena.ai jest niezależną platformą crowdsourcingową — wyniki mogą zmieniać się wraz z napływem nowych głosów. Wynik dotyczy medium quality, nie high quality.
Image Arena — Single-Image Edit
Elo score · Pierwsze miejsce. Przewaga +125 punktów nad modelem nr 2 (Nano Banana Pro).
1513punkty Elo
📅 21 kwi 2026📄 Arena.ai / Image Arena leaderboard
Blind human preference voting. Wynik może ewoluować w czasie.
Image Arena — Multi-Image Edit
Elo score · Pierwsze miejsce. Przewaga +90 punktów nad modelem nr 2 (Nano Banana 2).
1464punkty Elo
📅 21 kwi 2026📄 Arena.ai / Image Arena leaderboard
Blind human preference voting.
Image Arena — Text Rendering (sub-kategoria)
Elo improvement vs GPT-Image-1.5 High Fidelity · Największy przyrost w kategorii text rendering spośród wszystkich sub-kategorii. GPT Image 2 zajął #1 we wszystkich 7 sub-kategoriach Text-to-Image.
+316punkty Elo (poprawa względem poprzednika)
📅 21 kwi 2026📄 Arena.ai / Image Arena category breakdown; raport officechai.com
Dane z przeglądu sub-kategorii Arena przez media. Traktować pomocniczo.
Wewnętrzny benchmark text rendering (OpenAI)
Text accuracy · Zadeklarowana przez OpenAI dokładność renderacji tekstu. Poprzedni model gpt-image-1.5 osiągał 90–95%. Metodologia nie została publicznie ujawniona.
~99%procent
📅 21 kwi 2026📄 OpenAI press release przy premierze 21.04.2026
Deklaracja producenta — nie niezależnie zaudytowana.

Cennik

Architektura techniczna

Rdzeń architektury (Core Architecture)
Forma modelu (Model Form)
Techniki trenowania (Training Techniques)

Wdrożenie i bezpieczeństwo

☁ Dostępny na platformach
🔒 Security / Enterprise
✓ Zweryfikowane informacje enterprise

Model dostępny wyłącznie przez infrastrukturę chmurową OpenAI (closed weights). Thinking mode i zaawansowane funkcje ograniczone do planów płatnych (Plus, Pro, Business, Enterprise). Dostęp przez API wymaga weryfikacji konta deweloperskiego OpenAI; organizacyjna weryfikacja może być wymagana do pełnego dostępu do modeli GPT Image w API.

Model generuje obrazy z wbudowanym content policy enforcement — zapytania naruszające zasady zwracają błąd 400 (BadRequestError) z informacją content_policy. Treści generowane przez model są oznaczane metadanymi AI (metadata tagging for AI-generated content). Transparent background (PNG z kanałem alfa) nie jest obsługiwany w trybie Responses API tool option — do tego celu należy używać gpt-image-1.5. Dostęp Free tier: tylko standard/instant mode, ograniczona liczba generacji (ok. 2 obrazy/dzień według doniesień testerów). Funkcje streaming, function calling i structured outputs nie są obsługiwane przez gpt-image-2 API (potwierdzone na stronie modelu).
Aktualizacja: 26 kwi 2026↗ Dokumentacja security