Критика GPT 4o Image Generation | Будущее интерфейсов генерации картинок | Восторг от Google AI Studio | Как ChatGPT представляет самого себя?

За последние 2 недели максимально погрузился в нейронки. Было интересно адаптироваться в выполнении рабочих задач, прямо после очередной новости об обновлении.

То есть буквально, «генеришь картиночки» под свои нужды → выходит у Open Ai обновление ChatGPT 4о генерации изображений→ понимаешь как можно поменять пайплайн работы → перестраиваешься и делаешь по другому, но с лучшим результатом.

Я дизайнер в фарме и мед. тех сфере и это большая палка в колёса генерации картинок. 4o Image Generation наотрез отказывается генерировать медицинские сюжеты с врачами и пациентами.

Если нейронка видит несоответствие своей политике, в картинке референсе, которую ты загрузил, она будет капризничать и ни при каких условиях не отдаст результат. Да, она начинает генерацию но сразу отключает и выводит шаблонное сообщение:

Бесит, что текстом нейронка, как бы на твоей стороне, готова помочь и предлагает варианты, но сама же в последствии откажется делать всё что предлагает. Потому что она уже «забраковала» референсную картинку, и дальше в диалоге ничего с ней не будет делать.

И понеслась:

И ничего не сработало. Не удалось обойти ограничение. Я забил и перешёл к другой картинке

Ирония в том, что не понятно, по какому принципу выставляются ограничения.

Для примера, обе картинки из Midjourney, обе по мед тематике, обе с врачами и пациентами, но первую чат отказался обрабатывать, а вторую сгенерировал как надо.

Предлагаю попробовать вам сгенерировать эту же картинку. Может это только мне не повезло..

Если GPT бракует картинку, отказывается что либо делать с ней — бросайте затею и переходите к следующей чтобы не тратить время зря.. (ну или тратьте, чтобы узнать как обходить ограничения и рассказать об этом )

Нейронка не умеет менять ракурсы в пространстве относительно центрального объекта

Задача — показать здание с другой стороны для нейронки пока непонятна. Делаю такие выводы после мучений и «креативных» запросов, после попыток грамотно и внятно составить промпты. И вот пришёл к заключению что не в промптах дело, нейросеть пока просто не понимает как это — показать обратную сторону объекта.

Причём на простых объектах всё работает, но если речь за здания, то нейронка просто поднимает или опускает камеру, относительно первоначального изображения.

Про этот косяк сказали все телеграм каналы по нейронкам, скажу и я в очередной раз. (А что вы мне сделаете, я с другого горда) Image Generator произвольно решает в каком формате отдавать результат — квадрат, вертикальное или горизонтальное положение.

Думаю, этот баг починят в первую очередь. Но как же бесит, когда генерируешь картинки в широкоформатном соотношении сторон, просишь измени на картинке детали, и он делает тебе квадратную картинку, обрезая всё остальное — зато сделал что попросил, добавил деталей 🤝

Отсюда лайфхак — генерить через SORA, там другой интерфейс, но тот же функционал и главное можно изначально задать соотношение сторон у результата.

Если просишь добавить деталей и сделать ракурс генерации лучше — что по сути, абстрактный запрос, нейронка ничего не сделает. Мне выдавала ту же самую картинку с небольшими изменениями.

А если просить добавить конкретные детали, и рассказать в какую сторону сместить точку взгляда камеры, то она понимает. Поэтому если нужны чёткие изменения, то ChatGPT в помощь, если нужны идеи и красивости по абстрактному запросу, то это всё ещё к Midjourney, Flux, SD и прочим..

Не знаю плюс это или минус. Но если это учитывать, то становится понятно, в каком случае, к какому генератору картинок обращаться и с каким запросом.

Вижу такую картину: у генераторов изображений нет одного привычного интерфейса.

Для Stable diffusion есть несколько вариантов — automatic1111, ComfyUi, и десяток платных сервисов со своим виденьем интерфейса для генерации картинок, типо Krea.ai или leonardo.ai . Аналогично с Flux, Ideogram, и другими опен сорс моделями

Про Dall-e все забыли. А Midjourney начинал из Дискорда, пока не родился веб интерфейс.

У всех нейронок разные интерфейсы что приводи к проблемам повседневного использования, например

Сейчас в Krea ai скролл сверху вниз по истории твоих генераций, а в Midjourney снизу вверх. Когда быстро переключаешься между нейронками, путаешься в каком направлении листать ленту результатов.

Я digital дизайнер, занимаюсь интерфейсами больше 3х лет, за мой небольшой опыт сформировал понимание, как эволюционируют интерфейсы

Рано или поздно, все закрытые и опенсорс генераторы картинок придут к одному интерфейсу, как сейчас пришли LLM нейронки.

Chat GPT создал стандарт интерфейса, и никто не осмеливается его поменять, Вспомните хайп Deepseek, суть нейронки для обывателя — всё выглядит ровно как в Chat GPT, но полностью бесплатно.

ЯндексGPT (АлисаGPT), Claude и остальные менее известные, с очень похожим интерфейсом. У них просто нет права сделать по другому, потому что пользователи уже привыкли.

Думаю так же станет и с генераторами картинок, возможно задаст направление Midjourney, у него кажется сейчас максимально отзывчивый и понятный интерфейс.

Так громко прогремела ChatGPT 4o Image Generation в кругах людей работающих с нейронками, и как странно, что ровно тот же функционал появился на пару недель раньше у Google AI Studio в последней модели Gemini 2.0 Flash и остался незамеченным .

Точно такое же редактирование картинок, такой же уровень понимания промптов, понимания запросов пользователей. Но хуже качество финального изображения. Зато раз в 10 быстрее результат)

По одной картинке интерфейса можно сгенерировать готовую свёрстанную веб-страницу. Gemini 2.0 Flash и GPT 4o справляются одинаково. Но меня больше впечатляет сама возможность так сделать. Наверное программистов («вайбкодеров»), которые работают с нейронками, эта новость не удивляет.

Шрифты поменять, картинки подгрузить, хуяк-хуяк и в прод))

Сделал Расширение для браузера. Без знания кода, за 5 минут и 1 запрос в Gemini 2.5 pro

Запрос звучал так: Сделай расширение для браузера, которое будет ограничивать просмотр ютуба, после того как ты посмотрел 3 видео.

В конце нейронка даже дала гайд как установить плагин

С приходом нейронок я вижу такие изменения

Дальше в планах улучшить этот плагин, добавить интерфейс управления и спроектировать логику работы ограничений.

Спасибо что почитали этот поток мыслей. Если было интересно, подписывайтесь в телеграм, там о дизайне, интерфейсах, неронках и случайных интересностях.

Новость которая завирусилась на реддите пару дней назад

Если попросить 4o Image Generation показать, как он видит себя, в женском и мужском представлении — это у всех один и тот же персонаж. Можете проверить сами

Интересно что в официальной новости от OpenAi, на генерациях те же люди, но под другим запросом

Думаю эти лица — закономерность системного промпта, который вскоре изменят. Изначально простой смысл GPT — предугадывать ожидания от запроса пользователя. И таким способом нейронка пытается выполнить задачу, отдать максимально ожидаемое лицо. Ну и лицо не одинаковое, если присмотреться к деталям, то на каждой генерации разное лицо, что у девушки, что у мужчины.