Fonctionnalités de génération de GIF
ChatGPT accepte désormais un texte ou une image comme point d’entrée et renvoie directement un fichier GIF. L’exemple fourni par OpenAI montre la création d’un GIF d’un chat qui danse en réponse à la requête « can you make a gif of a cat dancing? ». L’outil propose aussi deux réglages supplémentaires : la vitesse de lecture du GIF et l’édition image par image, ce qui permet de visualiser chaque frame et de la modifier individuellement. Avant cette mise à jour, la plateforme ne pouvait pas produire de GIF en une seule étape.
Architecture du modèle Images 2.6
Le nouveau modèle, nommé Images 2.6, est déployé simultanément sur les interfaces web, desktop et mobile de ChatGPT ainsi que sur Codex. Il intègre deux variantes d’API, GPT-Image-2.6 Flare et Sunburst, conçues pour accélérer le rendu et améliorer la qualité visuelle des images générées. La diffusion du modèle à l’ensemble des utilisateurs indique une architecture scalable capable de gérer des charges de travail réparties sur plusieurs datacenters.
Performances et volume de génération
OpenAI indique que les utilisateurs produisent désormais plus de 4 milliards d’images par semaine via ChatGPT et son API, contre 3 milliards en septembre. Cette hausse reflète à la fois la rapidité accrue du modèle Images 2.6 et l’introduction de la génération de GIF, qui ajoute une dimension temporelle aux sorties visuelles. Le gain de volume suggère une optimisation du pipeline de diffusion, probablement liée aux améliorations apportées par les variantes Flare et Sunburst.
Implications et limites
La capacité à créer et éditer des GIFs ouvre de nouvelles possibilités pour le prototypage rapide, le marketing visuel et l’illustration interactive. Toutefois, chaque frame supplémentaire augmente la charge de calcul, ce qui peut impacter les temps de réponse lors de requêtes complexes. De plus, la génération d’images animées soulève des questions de modération, car le contenu dynamique peut être plus difficile à filtrer que des images statiques. OpenAI n’a pas publié de métriques précises sur le coût énergétique ou la latence exacte du processus, limitant ainsi l’évaluation complète de l’efficacité du système.
