Две загадочные модели генерации изображений под кодовыми названиями Chestnut («Каштан») и Hazelnut («Лесной орех») внезапно появились на тестовых платформах Design Arena и LM. Судя по качеству работы и косвенным признакам, это новое поколение image-генераторов от OpenAI — первое серьезное обновление за 14 месяцев после DALL-E 3. И похоже, компания решила ответить Google на их недавнюю серию «банановых» моделей собственным ореховым ассортиментом.
Несколько независимых тестировщиков заметили две анонимные модели, которые показывают необычно высокое качество. Chestnut — более легкая и быстрая версия (вероятно, будущая Image-2-mini), а Hazelnut — флагманская (предположительно, полноценная Image-2). Обе участвуют в слепом тестировании без указания разработчика, но ИИ-сообщество практически единодушно: это OpenAI.
Почему так решили? Во-первых, тайминг: слепые тесты на аренах — стандартная процедура OpenAI за 1-3 недели до официального релиза. Во-вторых, инсайдеры в соцсетях намекают на одновременный запуск с GPT-5.2, который ожидается в ближайшее время. В-третьих, сам стиль работы моделей и их возможности явно указывают на эволюцию GPT-4o в сторону GPT-5.
Ранние тестеры в восторге от трех вещей. Первое — фотореалистичные портреты. Модели создают селфи в стиле знаменитостей с аккуратной кожей, правильными пропорциями лица и естественным освещением. Если старый gpt-image-1 иногда выдавал «парсуны» с легким «пластиковым» эффектом, то здесь качество приближается к профессиональной фотографии.
Второе достижение — текст в изображениях. Это исторически слабое место всех генераторов: попросите нарисовать вывеску или код на экране — получите кашу из букв. Chestnut и Hazelnut рендерят читаемый код, математические формулы, подписи на диаграммах и текст на объектах практически без ошибок. Для разработчиков и дизайнеров это прорыв: можно генерировать mockup интерфейсов или технические иллюстрации с текстом.
Третье — понимание мира. Модели сравнивают с Google Nano Banana Pro по способности интерпретировать сложные промпты и создавать изображения с правильной физикой, пропорциями и логикой сцены. Например, если попросить создать «кота, играющего на пианино в библиотеке Конгресса», модель учтёт архитектуру здания, правильно расположит лапы на клавишах и добавит естественное освещение.
Да и название моделей — явная отсылка к Google. Техногигант из Маунтин-Вью имеет целую серию моделей с «банановыми» кодовыми именами: Nano Banana, Nano Banana Pro, Nano Banana 2 Flash. Эти модели, работающие на базе Gemini 3 Flash, показали сильные результаты в генерации изображений, особенно в рендеринге текста и понимании контекста.
OpenAI, судя по всему, решила не отставать — но вместо бананов выбрала орехи. И если верить первым тестам, «ореховые» модели практически сравнялись с «банановыми» по качеству, хотя некоторые тестеры отмечают, что Nano Banana Pro пока чуть впереди в фотореализме.
Последнее крупное обновление в image-генерации от OpenAI — DALL-E 3 — вышло в августе 2024 года. Четырнадцать месяцев тишины в индустрии, где конкуренты выпускают новые модели каждые 2-3 месяца, выглядели странно. Midjourney захватил рынок качеством, Stable Diffusion — доступностью, а Google — интеграцией с мультимодальными моделями.
Если слухи подтвердятся, Chestnut и Hazelnut станут самым значительным апгрейдом image-возможностей OpenAI за полтора года. Модели, вероятно, будут работать на базе GPT-5.2. А это означает лучшее понимание контекста, более тонкий контроль над стилем и, возможно, интеграцию с другими модальностями: видео, 3D, звуком.
Официального подтверждения от OpenAI пока нет, но учитывая, что модели уже в публичном тестировании, анонс может случиться на этой или следующей неделе. Для пользователей это означает доступ к топовой генерации изображений прямо в ChatGPT, для разработчиков — новые возможности через API, для индустрии — очередной виток конкуренции.
