Modifica immagini ChatGPT: test con 11 correzioni successive
Una correzione cambia solo la parte indicata? Due serie, undici modifiche: in entrambe cambiamenti non richiesti già dalla prima correzione.
👁 114 letture
Abbiamo testato una cosa sola: se le correzioni successive modificano esclusivamente ciò che chiediamo. Due serie indipendenti, undici correzioni. Risultato in entrambe: cambiamenti non richiesti sono apparsi già alla prima correzione e si sono verificati a ogni passaggio successivo. Nella seconda serie lo abbiamo confermato con il confronto pixel.
Premessa importante, perché cambia il senso dell’intero articolo: lo strumento grafico integrato di OpenAI non rivela l’identificatore del modello. La documentazione lo descrive come GPT Image 2. Non posso quindi dire di aver testato ChatGPT Images 2.5, né di aver verificato la modifica tramite commento annunciata al suo lancio. Ho testato ciò che l’utente riceve realmente quando chiede una correzione di un’immagine, e così lo descrivo.
Come abbiamo condotto il test
Immagine base: una stretta strada notturna dopo la pioggia, pavé bagnato che riflette le luci, a sinistra la vetrina di una piccola libreria con insegna al neon sopra l’ingresso, davanti alla porta una bicicletta appoggiata al muro, sullo sfondo luci sfocate di automobili. Poi cinque correzioni, ciascuna riguardante un singolo elemento, ciascuna eseguita sul risultato della precedente, senza ritocco manuale e senza ripetere i tentativi.
Cosa è cambiato oltre a ciò che abbiamo chiesto
| Correzione | Modifica richiesta | Modifiche non richieste |
|---|---|---|
| 1 | scritta sull’insegna | piccole scritte sul libro esposto nella parte inferiore della vetrina e foglie della pianta accanto |
| 2 | rimozione della bicicletta | forma del cespuglio, contorno del vaso presso la porta, riflessi chiari sul marciapiede oltre il punto della bicicletta |
| 3 | gatto sul davanzale | cornice verticale schiarita tra vetrina e porta, forme modificate dei riflessi bianchi e dorati sul pavé |
| 4 | cambio ora all’alba | contorni delle foglie del cespuglio presso la porta, pattern di crepe e striature sull’intonaco sotto il gatto |
| 5 | figura sul lato destro | cambiamenti sul lato opposto dell’inquadratura: bordo inferiore schiarito della vetrina e libri presso di essa, foglie dietro il gatto, riflessi dorati davanti alla libreria |
Prima serie: strada. Immagine base e cinque correzioni
Seconda serie, questa volta con confronto pixel
Abbiamo ripetuto il test su altro materiale: packshot di una bottiglia d’olio su piano di marmo, sei correzioni successive. Il risultato è lo stesso, ma questa volta supportato da confronto pixel, non solo da ispezione visiva.
| Correzione | Modifica richiesta | Modifiche non richieste |
|---|---|---|
| 1 | scritta sull’etichetta | dettagli del sale e texture del marmo |
| 2 | rosmarino in timo | texture dell’etichetta, riflessi presso il fondo della bottiglia |
| 3 | rimozione della ciotolina | tonalità delle lettere sull’etichetta, riflessi sul collo |
| 4 | marmo in legno scuro | luminosità del timo, texture dell’etichetta |
| 5 | ombra della bottiglia | riflessi sulle spalle della bottiglia, venature oltre l’ombra |
| 6 | vetro scurito | piccoli dettagli dell’etichetta e del legno |
Seconda serie: packshot. Immagine base e sei correzioni
Di nuovo la prima correzione, di nuovo cambiamenti oltre l’area indicata. La scritta “OLIWA TŁOCZONA NA ZIMNO“ (olio spremuto a freddo) è uscita correttamente, inclusa la lettera Ł. Abbiamo testato in polacco.
Cosa significa in pratica
La quinta correzione mostra il meccanismo nel modo migliore. Abbiamo chiesto di aggiungere una figura sul lato destro dell’inquadratura, e il modello ha cambiato dettagli a sinistra. Questa non è modifica di un frammento nel senso in cui la intende un grafico. È una rigenerazione dell’intera immagine con mantenimento della somiglianza, durante la quale i piccoli dettagli derivano.
Per la maggior parte degli usi questo non ha importanza. In una foto per un post sul blog nessuno controllerà se le foglie del cespuglio hanno la stessa forma. Ma nel lavoro in cui l’immagine deve rimanere la stessa immagine, il peso è enorme: catalogo prodotti, serie di grafiche per un brand, illustrazione con elemento ricorrente. Lì ogni correzione richiede una nuova revisione dell’insieme.
Una cosa uscita sorprendentemente bene
La lettera polacca Ę nell’insegna al neon con la scritta KSIĘGARNIA (libreria) è stata riprodotta correttamente, con la codina visibile, ed è sopravvissuta a tutte le correzioni successive fino all’ultima immagine. Questo è un vero progresso, perché i segni diacritici nella grafica sono il punto più debole dell’intera categoria e li verifichiamo separatamente nel test della tipografia polacca nei generatori.
Limiti di questo test
Due serie, due diverse immagini base, undici correzioni in totale. Nella prima serie la valutazione si basava sull’ispezione visiva, nella seconda sul confronto pixel. Tuttavia ancora senza ripetizioni dello stesso comando, quindi non sappiamo quanto sia grande la variazione tra i tentativi. E la cosa più importante: non si sa quale generazione del modello ha risposto. Se fosse una versione più vecchia, la promessa di modifica tramite commento annunciata con ChatGPT Images 2.5 rimane non verificata, e questo test parla solo dello stato attuale.
Ripeteremo il test quando apparirà un modo per indicare inequivocabilmente la versione, e aggiungeremo il risultato qui. Il confronto tra entrambe le generazioni lo conduciamo nel testo 2.5 contro 2.0.
Google · Le tue fontiPiù in alto su Google con un solo clicAggiungi alle fonti preferite →Come verificarlo tu stesso in dieci minuti
Prendi un’immagine con molti piccoli dettagli: una vetrina, uno scaffale, una tavola apparecchiata. Chiedi una modifica, poi confronta la versione prima e dopo, guardando non ciò che hai cambiato, ma tutto intorno. Ripeti cinque volte. Se fai serie di grafiche, questo test ti dirà più di qualsiasi classifica.
More on this from NITIDO
magazine·Qwen3.8 Max in italiano: test, risultati, prezzi e accessoQwen3.8 Max testato in polacco: 76,4 punti, 30/30 in correzione difficile, 33k token di ragionamento. Prezzi 2/6 USD e come usarlo.