Roboflow протестировала новое семейство GPT-5.6 (Sol, Terra и Luna) на собственном бенчмарке для vision-задач: детекция объектов, подсчёт, OCR и извлечение данных. Вывод: Sol — самая сильная модель OpenAI для анализа изображений из когда-либо выпущенных.
В детекции объектов Sol набрала 46.2 mAP@50 против 13.8 у GPT-5.5 — огромный скачок. Terra и Luna показали 44.7 и 43.3, так что даже младшие модели ушли далеко вперёд. Подсчёт объектов тоже вырос: у Sol 73% точности против 64.9% у GPT-5.5, а Luna с 66.2% обогнала прежнего лидера OpenAI.
Есть нюансы. Sol становится нестабильной на изображениях крупнее примерно 2000×2000 пикселей и иногда выдаёт боксы в случайных местах без пересечения с реальными объектами. Лучший формат координат для GPT-5.6 — абсолютные XYXY в пикселях; неправильный формат снижает детекцию примерно на 15 mAP. Для больших картинок Roboflow советует уменьшать или кропать изображение перед отправкой в API — это самый практичный обходной путь.
#Tech #OpenAI #GPT56 #Roboflow #Media #Vision #AI
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥1👌1
🐳 DeepSeek показала vision-модель deepseek-v4-flash-vision-exp
DeepSeek выпустила экспериментальную модель с поддержкой изображений. Она умеет описывать картинки, читать текст со скриншотов и анализировать графики. Поддерживаются форматы JPEG, PNG, GIF и WebP, причём тип определяется по содержимому файла, а не по расширению или MIME-заголовку.
API совместим со стандартным OpenAI Chat Completions: изображение можно передать тремя способами. Первый — base64 inline через data URL, но он упирается в лимит тела запроса 48 МиБ. Второй — внешняя публичная ссылка: URL до 8192 символов, файл до 32 МиБ, скачивание должно уложиться в 60 секунд. Третий — загрузка файла через Files API с использованием file_id: так можно передавать изображения до 64 МиБ и удобно переиспользовать одну картинку в нескольких запросах. Для image_url доступен параметр detail: low сжимает изображение до 512×512 для скорости, high и original сохраняют оригинал.
Для разработчиков это простой способ добавить vision-функции в приложения, не меняя привычный OpenAI-совместимый код. Модель также поддерживает Responses API. Полезна для OCR, анализа скриншотов и обработки документов, но статус experimental означает, что поведение и лимиты могут измениться.
#AI #DeepSeek #Vision #API #Tech #Development
DeepSeek выпустила экспериментальную модель с поддержкой изображений. Она умеет описывать картинки, читать текст со скриншотов и анализировать графики. Поддерживаются форматы JPEG, PNG, GIF и WebP, причём тип определяется по содержимому файла, а не по расширению или MIME-заголовку.
API совместим со стандартным OpenAI Chat Completions: изображение можно передать тремя способами. Первый — base64 inline через data URL, но он упирается в лимит тела запроса 48 МиБ. Второй — внешняя публичная ссылка: URL до 8192 символов, файл до 32 МиБ, скачивание должно уложиться в 60 секунд. Третий — загрузка файла через Files API с использованием file_id: так можно передавать изображения до 64 МиБ и удобно переиспользовать одну картинку в нескольких запросах. Для image_url доступен параметр detail: low сжимает изображение до 512×512 для скорости, high и original сохраняют оригинал.
Для разработчиков это простой способ добавить vision-функции в приложения, не меняя привычный OpenAI-совместимый код. Модель также поддерживает Responses API. Полезна для OCR, анализа скриншотов и обработки документов, но статус experimental означает, что поведение и лимиты могут измениться.
#AI #DeepSeek #Vision #API #Tech #Development
🔥1🤔1💯1