GPT-Image 2.6: Giá thực tế mỗi ảnh là bao nhiêu — tăng chất lượng thì ảnh có đẹp hơn không?

Đã một tuần kể từ khi GPT-Image 2.6 ra mắt. Thực tế, tạo một ảnh tốn bao nhiêu tiền? Và khi tăng mức chất lượng, ảnh có thay đổi tương ứng không?

Tài liệu chính thức có đơn giá token, nhưng chưa công bố giá cho mỗi ảnh ở các mức chất lượng từ medium trở lên của 2.5 và 2.6. Vì vậy, tôi đã tạo 69 ảnh bằng cách thay đổi model và mức chất lượng, rồi tính chi phí dựa trên số token trong phản hồi. Tôi cũng đã tổng hợp quá trình và kết quả trong video.

Tôi đã so sánh như thế nào

Các model được so sánh gồm gpt-image-2, 2.5 Flare và Sunburst, 2.6 Flare và Sunburst. Tôi dùng ba prompt: poster nhạc jazz có chữ, ảnh sản phẩm hộp đựng tai nghe có nhãn “UNION”, và quầy tteokbokki ven đường trong đêm đông với biển hiệu tiếng Hàn.

Tôi chia chất lượng thành năm mức: low, medium, high, xhigh và max. Tất cả ảnh đều được yêu cầu ở kích thước 1024×1024. Tôi tạo một ảnh cho mỗi tổ hợp, tổng cộng 69 ảnh. Tổng chi phí là $5.63. gpt-image-2 không hỗ trợ xhigh và max nên các yêu cầu đó trả về lỗi 400.

Giá của một ảnh 1024×1024

Tôi tính giá dựa trên mức $30/1 triệu token đầu ra và $5/1 triệu token văn bản đầu vào. Các khoản dưới đây là giá cho mỗi ảnh. Với 2.5 và 2.6, giá của Flare và Sunburst giống nhau ở tất cả các mức.

Bạn có thể xem cả 69 ảnh, xem theo từng mức chất lượng và phóng to theo tỉ lệ 1:1 tại đây.
https://bgprogramming.com/dev/image-model-comparison

Với 2.6, giá tăng từ $0.025 ở mức low lên $0.211 ở mức max, chênh lệch khoảng 8.5 lần. Với 2.5, giá tăng từ $0.006 ở mức low lên $0.211 ở mức max, chênh lệch 35 lần. So với 2.5 low, 2.6 low có giá cao gấp 4 lần.

Tăng mức chất lượng có làm ảnh thay đổi không?

Tôi so sánh cùng một ảnh quầy tteokbokki ven đường được tạo bằng 2.6 Sunburst, từ low đến max. Dù tăng chất lượng, bố cục gần như không đổi. Khác biệt chỉ xuất hiện một chút ở kết cấu như áo len, hơi nước và vân gỗ. Phải phóng to ảnh gốc theo tỉ lệ 1:1 mới dễ nhận ra. Ở kích thước thumbnail, rất khó phân biệt.

Ngay cả ở mức low, chữ tiếng Anh và tiếng Hàn đều chính xác. Bảng thực đơn tiếng Hàn cỡ nhỏ cũng rõ nét. Giá tăng lên, nhưng với ba prompt tôi đã so sánh và ở kích thước thumbnail, khác biệt giữa các mức chất lượng không lớn.

Khác biệt giữa các model lớn hơn khác biệt giữa các mức chất lượng

Trong poster nhạc jazz, 2.5 đã thêm những dòng chữ nhỏ mà tôi không yêu cầu. Ví dụ như “GOOD MUSIC BRINGS US TOGETHER”. Tăng chất lượng cũng không khắc phục được vấn đề này, còn 2.6 thì không có những dòng chữ đó. Ngay ở cùng mức low, cảnh trong ảnh của 2.6 cũng dày đặc hơn.

Chênh lệch giá cũng khác nhau tùy model. Ở mức high, gpt-image-2 có giá $0.211, còn 2.6 có giá $0.053. Thời gian xử lý trung bình của gpt-image-2 high là 105 giây, trong khi 2.6 Flare high mất 10 giây.

Flare và Sunburst — cùng giá, khác tốc độ

2.6 Flare và Sunburst có cùng mức giá ở tất cả các mức chất lượng. Trong lần so sánh này, chênh lệch tốc độ khá rõ. Bảng dưới đây là thời gian trung bình của ba prompt.

Sunburst chậm hơn Flare từ 2~5 lần. Flare low mất 7~8 giây trong cả ba lần. Tuy vậy, không thể nói Flare là model có chất lượng thấp. Ở mức low, độ chính xác của chữ là như nhau.

OpenAI mô tả điểm mạnh của Sunburst là chất lượng từ medium trở lên và tính nhất quán khi chỉnh sửa nhiều lần. Trong lần so sánh này, khác biệt giữa medium và high không rõ rệt, còn khả năng chỉnh sửa nhiều lần thì tôi chưa đo. Với các tác vụ cần người dùng chờ hoặc tạo nhiều bản nháp, có thể cân nhắc Flare. Với các tác vụ cần chỉnh sửa cùng một ảnh nhiều lần hoặc giữ nguyên nhân vật, có thể cân nhắc Sunburst. Đây là nhận định của tôi dựa trên kết quả đo lần này.

Số token có vẻ là một mức cố định — giới hạn của lần so sánh này

Với cùng model và cùng mức chất lượng, số token đầu ra giống nhau dù prompt khác nhau. Ví dụ, 2.6 low dùng 824 token, còn medium dùng 1,449 token. Con số này không đổi giữa poster đơn giản và cảnh đêm có nhiều người, biển hiệu.

Vì kết quả chỉ dựa trên ba prompt, tôi không thể khẳng định đây là quy luật chung. Tuy nhiên, trong lần đo này, số token đầu ra có vẻ là một mức cố định, phụ thuộc vào độ phân giải và mức chất lượng hơn là độ phức tạp của ảnh.

Ngoài ra, tôi chỉ tạo một ảnh cho mỗi tổ hợp, nên bố cục có thể thay đổi nếu tạo lại. Tôi cũng chỉ dùng ba loại prompt và chưa kiểm tra khả năng chỉnh sửa nhiều lần. Hãy xem giá ở đây là kết quả đo của lần tạo một ảnh 1024×1024 này.

Những gì tôi đã thay đổi sau đó

Công cụ tạo thumbnail cho kênh của tôi đang được đặt ở gpt-image-2 high. Sau khi xem kết quả so sánh, tôi quyết định chuyển sang gpt-image-2.5 Sunburst và cố định ở chất lượng low.

Khi tạo thumbnail cho video này bằng gpt-image-2, dòng “8.5 times” mà tôi ghi ở đầu prompt để giải thích đã xuất hiện trong ảnh. Cụm “Chất lượng cao nhất đắt hơn 8,5 lần!” (ý của cụm từ gốc tiếng Hàn) xuất hiện ở hai chỗ dù tôi không yêu cầu. Tôi đã bỏ câu đó, thêm yêu cầu “không có chữ nào khác” rồi tạo lại ảnh.

Ba điều cần kiểm tra

Thứ nhất, hãy so sánh ngay ở mức chất lượng thấp nhất và kích thước thực tế sẽ dùng. Chỉ tăng chất lượng khi ảnh chưa đạt yêu cầu.

Thứ hai, đừng chỉ nhìn đơn giá token. Hãy kiểm tra chi phí cho mỗi ảnh. Bạn có thể tính chi phí bằng cách ghi lại số token trong phản hồi.

Thứ ba, khi có model mới, hãy tự so sánh bằng prompt bạn đang dùng.

Khi tạo ảnh, bạn coi trọng điều gì nhất: tốc độ, giá hay chất lượng?

Bài viết này tóm tắt video tiếng Hàn của tôi, được dịch sang tiếng Việt với sự hỗ trợ của AI và đã được tôi xem lại.

Video gốc (tiếng Hàn, có phụ đề tiếng Việt): https://youtu.be/Cz281z_MplA
Video trước: https://youtu.be/Hlc-91IecJU