Google тихомълком, но значително подобри своя модел Imagen 4 Ultra, утвърждавайки го като една от водещите AI системи за генериране на изображения в света. Усъвършенстваният модел вече заема трето място в класацията Image Arena на Artificial Analysis, позиционирайки се като директен конкурент на лидерите в индустрията — GPT-4o на OpenAI и Seedream 3.0 на ByteDance.
Първоначално представен на Google I/O 2025 през май, Imagen 4 Ultra представлява значителен напредък спрямо предшественика си. Моделът се отличава с изключително детайлно изобразяване на сложни елементи като текстури на платове, водни капки и животинска козина с впечатляваща яснота. Потребителите отбелязват значителни подобрения както във фотореалистичните, така и в абстрактните стилове на изображения, като моделът може да генерира изображения с резолюция до 2K.
Едно от най-съществените подобрения на Imagen 4 Ultra е справянето с дългогодишното предизвикателство при AI-генерирането на изображения: изобразяването на текст. Моделът демонстрира значително по-добри типографски възможности, което го прави особено ценен за създаване на поздравителни картички, плакати и други дизайни, съчетаващи изображения и текст.
Google предлага Imagen 4 Ultra през няколко канала, включително приложението Gemini, Google AI Studio и Vertex AI за корпоративни клиенти. На цена от $0.06 за генерирано изображение, моделът осигурява конкурентна ценова структура спрямо приблизително $0.17 за изображение при GPT-4o, като резултатите се доставят за около 9.5 секунди срещу 53 секунди при GPT-4o.
Този ъпгрейд показва решимостта на Google да се конкурира на най-високо ниво в сферата на генеративния AI. Според анализатори от индустрията, постоянните подобрения на семейството Imagen от страна на Google DeepMind демонстрират ангажимента на компанията да разширява границите на възможното при AI-генерираното визуално съдържание.
В бъдеще Google планира ъпдейти на Imagen 4 Ultra, които ще се фокусират върху интегриране на обратна връзка от потребителите за още по-фино усъвършенстване на възможностите на модела, както и върху намаляване на времето за генериране. Компанията разработва и „бърза“ версия на Imagen 4, която обещава да бъде до 10 пъти по-бърза от Imagen 3, което допълнително ще увеличи полезността ѝ за приложения в реално време.