OpenAI GPT Image 2.5 è più veloce, ma la vera novità è la coerenza nelle modifiche

OpenAI ha lanciato GPT Image 2.5 con una latenza di generazione ridotta fino al 50%, ma la velocità è solo la parte più visibile dell’aggiornamento. Il cambiamento più significativo riguarda il modo in cui il modello gestisce le revisioni. OpenAI afferma che può preservare soggetti, composizioni e modifiche precedenti in modo più affidabile attraverso istruzioni ripetute.

Questa distinzione è importante perché produrre la prima immagine raramente era la parte più difficile di un flusso creativo assistito dall’AI. La fase costosa inizia quando un concetto utilizzabile deve sopravvivere a diverse revisioni precise. Una modifica poco attenta può alterare un volto, spostare un prodotto, sostituire del testo o eliminare un dettaglio visivo già approvato.

Il rilascio mette quindi sotto pressione sia il precedente modello GPT Image 2 di OpenAI sia i generatori di immagini concorrenti. La competizione pratica non si limita più a quale sistema crea il primo fotogramma più impressionante. Riguarda sempre più quale riesce a raggiungere una risorsa finale approvata con meno rigenerazioni.

OpenAI sta inoltre separando velocità e massima precisione nella propria API. GPT-Image-2.5 Flare è pensato per la generazione quotidiana e iterazioni più rapide, mentre GPT-Image-2.5 Sunburst punta a lavori creativi dettagliati che tollerano tempi di elaborazione più lunghi.

I primi test supportano alcune parti della tesi di OpenAI, soprattutto per quanto riguarda le modifiche mirate e la fedeltà alle immagini di riferimento. Tuttavia, le evidenze sono ancora recenti e la maggior parte dei confronti proviene da OpenAI, partner di lancio o recensori con tempi di prova limitati. I team dovrebbero considerare il rilascio un promettente miglioramento per la produzione, non una vittoria consolidata nei benchmark.

Cosa cambia realmente con OpenAI GPT Image 2.5

OpenAI GPT Image 2.5 trasforma la generazione di immagini da un’esperienza basata solo sui prompt in un flusso di modifica più guidato.

OpenAI ha rilasciato ChatGPT Images 2.5 l’8 settembre 2026. L’azienda ha iniziato a distribuirlo su ChatGPT, ChatGPT Work e Codex su desktop, mobile e web. Ha inoltre rilasciato Flare e Sunburst tramite l’API.

Secondo il lancio di Images 2.5 dell’azienda, le persone generano oltre tre miliardi di immagini ogni settimana attraverso ChatGPT Images e i relativi modelli API. A questa scala, anche riduzioni modeste dell’attesa o delle revisioni fallite incidono su un’enorme quantità di lavoro creativo.

OpenAI evidenzia quattro cambiamenti al modello di immagini sottostante. Afferma che Images 2.5 produce dettagli più nitidi, gestisce illuminazione e texture in modo più naturale, preserva meglio i soggetti di riferimento e segue le istruzioni di modifica con maggiore affidabilità.

L’affermazione sulle immagini di riferimento è importante per usi personali e commerciali. Un modello può creare un ritratto autonomo attraente pur restando inadatto a una campagna se il soggetto cambia tra le varianti. Lo stesso problema interessa la fotografia di prodotto quando confezioni, proporzioni o elementi del brand si alterano.

La modifica di precisione affronta un problema correlato. Gli utenti possono richiedere una modifica a un singolo oggetto chiedendo al sistema di mantenere il resto dell’immagine. OpenAI afferma che il modello aggiornato è più efficace nell’isolare quella modifica richiesta invece di ricostruire l’intera scena.

La modifica multi-turn estende questo comportamento all’interno di una conversazione. Ogni revisione approvata diventa parte dello stato di lavoro e le istruzioni successive dovrebbero preservarla. OpenAI afferma che Images 2.5 resiste alla graduale perdita di qualità che può verificarsi durante sequenze di modifica più lunghe.

L’azienda ha inoltre introdotto modifiche basate sui commenti. Gli utenti possono inserire un commento su una specifica area dell’immagine e descrivere l’aggiustamento richiesto. Questo combina indicazioni spaziali e istruzioni in linguaggio naturale, riducendo l’ambiguità su quale oggetto debba cambiare.

Sketch offre un’altra forma di controllo spaziale. Un utente può disegnare un oggetto, una forma o una composizione approssimativa direttamente in ChatGPT e chiedere al modello di renderizzarla. Il disegno agisce come riferimento visivo anziché come risorsa finita.

Questa interazione è utile quando il linguaggio diventa macchinoso. Descrivere l’angolo esatto di una sedia, la posizione di un logo o il profilo di un capo d’abbigliamento può richiedere diverse frasi. Un disegno approssimativo può comunicare lo stesso vincolo in modo più diretto.

I template riducono il lavoro necessario per avviare progetti comuni. OpenAI cita formati come poster, merchandising, volantini e fotografie di prodotto. Un template avvia il processo con un formato creativo strutturato invece che con una casella di prompt vuota.

Gli utenti possono anche condividere il prompt alla base di un’immagine generata. Un’altra persona può riutilizzare quel concetto sostituendo immagini o istruzioni personali. La funzione rende più facili da diffondere strutture di prompt efficaci senza richiedere alle persone di decodificare a ritroso un risultato.

Questi cambiamenti dell’interfaccia non sono identici ai miglioramenti del modello. Commenti, Sketch, template e condivisione dei prompt modellano il flusso di lavoro attorno al modello. Fedeltà, aderenza alle istruzioni e coerenza descrivono il comportamento di output dichiarato dal modello.

Mantenere separate queste categorie evita confronti gonfiati. Un editor migliore può rendere un modello esistente notevolmente più utile, anche quando la qualità della generazione grezza migliora solo leggermente. Al contrario, un modello più potente può restare frustrante se l’interfaccia offre un controllo debole sulle revisioni.

Il rilascio combina entrambi i livelli. OpenAI sta migliorando il proprio motore di immagini aggiungendo al contempo modi per comunicare l’intento visivo oltre un tradizionale prompt testuale. Questa combinazione spiega perché Images 2.5 sembra più ampio di un semplice aggiornamento della velocità.

GPT Image 2.5 rispetto a GPT Image 2

La differenza più evidente tra GPT Image 2.5 e GPT Image 2 emerge dopo la prima generazione, quando gli utenti iniziano a richiedere modifiche controllate.

OpenAI misura il miglioramento principale come una latenza di generazione delle immagini fino al 50% inferiore rispetto a Images 2.0. La formulazione è importante perché “fino al” descrive la migliore riduzione osservata, non un risultato garantito per ogni prompt o impostazione di qualità.

Flare è il modello API costruito attorno a questo vantaggio di velocità. OpenAI lo descrive come la scelta predefinita per la maggior parte delle applicazioni, inclusi contenuti social, esperienze di prodotto, ricerca visiva, prototipi rapidi e generazione ad alto volume.

OpenAI afferma che Flare offre immagini di qualità superiore rispetto a GPT Image 2 con una latenza inferiore del 50%. La sua pagina ufficiale del modello Flare mostra inoltre il supporto per input testuali e di immagini, output di immagini e sei impostazioni di qualità selezionabili.

Queste impostazioni vanno da low a max, con disponibile anche un’opzione automatica. La più ampia scala qualitativa offre agli sviluppatori un maggiore controllo sull’equilibrio tra velocità, uso delle risorse e dettaglio dell’output. Non garantisce che l’impostazione più alta sia adatta a ogni attività.

L’azienda posiziona Sunburst in modo diverso. Sunburst accetta tempi di generazione più lunghi in cambio di un controllo più rigoroso durante lavori creativi ad alta precisione. OpenAI cita immagini di prodotto rifinite e materiali per campagne pronti alla produzione come casi d’uso rappresentativi.

Questa divisione rende la decisione API meno binaria di “modello nuovo contro modello vecchio”. Gli sviluppatori ora scelgono tra due profili operativi nella nuova famiglia. Flare gestisce la generazione frequente, mentre Sunburst gestisce il lavoro in cui una revisione mal contenuta crea più rilavorazioni.

I primi test indipendenti sono ampiamente in linea con l’affermazione sulle modifiche. Axios ha testato il modello generando un logo, trasformando una fotografia di un gatto e sviluppando un concept per un tatuaggio. Il suo test pratico ha rilevato una migliore conservazione della somiglianza e modifiche più dettagliate rispetto ai precedenti strumenti di immagini.

Quel resoconto fornisce evidenze utili, ma non è un benchmark controllato. Il test ha coperto un piccolo insieme di attività reali e non ha pubblicato un confronto ripetuto e in cieco tra modelli. Mostra una promessa pratica piuttosto che una superiorità statistica.

TechRadar è giunto a una conclusione simile dopo un giorno di test. Il suo recensore ha evidenziato la possibilità di identificare un’area esatta dell’immagine prima di richiedere una modifica. La barra degli strumenti disponibile includeva markup, commenti, rimozione dello sfondo, cancellazione e ridimensionamento.

Il recensore ha inoltre osservato incertezza su dove finisca l’aggiornamento del modello e inizi il rollout dell’interfaccia. Alcuni controlli di modifica erano comparsi prima dell’annuncio formale. Questa distinzione complica qualsiasi affermazione secondo cui ogni miglioramento dell’usabilità provenga direttamente da GPT Image 2.5.

La recensione di 24 ore descrive comunque un cambiamento significativo del flusso di lavoro. Le precedenti modifiche basate sui prompt spesso spingevano il recensore ad abbandonare un risultato dopo ripetute revisioni fallite. I controlli specifici per regione hanno reso più pratico continuare a modificare.

I partner di lancio di OpenAI offrono un altro punto di vista, anche se i loro commenti dovrebbero essere considerati testimonianze dei clienti. Adobe ha dichiarato che i modelli hanno portato generazione più rapida e risoluzione più coerente a Firefly. Higgsfield ha evidenziato la capacità di Flare di modificare un elemento senza perdere l’identità visiva dell’immagine originale.

Manus ha riferito che Flare ha prodotto immagini di alta qualità a una velocità da due a quattro volte superiore a GPT Image 2 nelle proprie valutazioni. Il risultato è incoraggiante, ma OpenAI non ha pubblicato i prompt sottostanti, le condizioni di test, la dimensione del campione o il metodo di valutazione.

La conclusione prudente è più circoscritta. GPT Image 2.5 sembra più veloce sia nelle misurazioni di OpenAI sia nei primi test dei partner. I recensori hanno inoltre rilevato modifiche mirate migliori. Le evidenze pubbliche non stabiliscono ancora con quale costanza questi miglioramenti si trasferiscano a ogni stile, risoluzione e tipo di input.

Perché la coerenza nelle modifiche conta più della qualità al primo tentativo

La vera competizione si sta spostando dalla generazione di immagini alla gestione delle revisioni.

Una prima immagine d’impatto aiuta un modello ad attirare attenzione. Il lavoro di produzione richiede qualcosa di diverso. L’immagine deve rimanere riconoscibile mentre l’utente cambia lo sfondo, corregge il testo, regola l’illuminazione o sposta un singolo oggetto.

Si consideri un rivenditore online che prepara una campagna di prodotto. Il team può approvare l’angolazione del prodotto e la confezione prima di richiedere diverse ambientazioni. Se il generatore cambia l’etichetta o le dimensioni durante ogni revisione dello sfondo, ogni output richiede un’altra verifica.

Un team di marketing affronta lo stesso problema con un personaggio della campagna. Può aver bisogno di versioni per un post quadrato, una storia verticale, un banner per il sito web e una presentazione. Caratteristiche del viso, abbigliamento e trattamento del brand devono restare coerenti in ogni formato.

GPT Image 2 spesso gestiva bene le singole generazioni, ma la modifica ripetuta poteva introdurre deriva visiva. Per deriva si intende una modifica involontaria a un elemento che l’utente voleva preservare. Una nuova istruzione poteva correggere un dettaglio danneggiandone tre già approvati.

OpenAI ha progettato GPT Image 2.5 attorno a questo vincolo. L’azienda afferma che le modifiche precedenti hanno maggiori probabilità di persistere attraverso più turni. Sostiene inoltre che la qualità dell’immagine degrada meno man mano che cresce la conversazione di modifica.

Questo miglioramento modifica la misura di produttività rilevante. Il tempo di generazione rimane utile, ma cattura solo una richiesta. I team dovrebbero misurare anche quanti tentativi servono prima che una risorsa riceva l’approvazione.

Un modello più veloce può deludere se produce più varianti inutilizzabili. Un modello più lento può meritare il proprio posto se preserva una composizione di valore e riduce le correzioni manuali. Flare e Sunburst riflettono questi diversi calcoli.

Flare dovrebbe essere adatto all’esplorazione, quando gli utenti hanno bisogno di molte idee rapidamente e possono tollerare qualche rifiuto occasionale. Sunburst dovrebbe essere adatto alla rifinitura, quando l’immagine esistente contiene già dettagli approvati. In quella fase, l’errore più costoso è spesso una modifica indesiderata.

I commenti sulle aree rafforzano questo flusso di lavoro. Un utente può indicare il punto esatto che necessita di intervento, riducendo la probabilità che il modello interpreti “cambia la bottiglia” come “riprogetta l’intera fotografia del prodotto”. Le istruzioni spaziali restringono l’obiettivo della modifica.

Sketch interviene sulla composizione nelle prime fasi del processo. Un product designer può indicare dove collocare un dispositivo all’interno di una scena. Un interior designer può disegnare la posizione approssimativa dei mobili. Un creator può delineare una posa che sarebbe difficile descrivere.

I template portano struttura agli utenti meno esperti. Chi crea una fotografia di prodotto può partire da un flusso di lavoro definito e rispondere a domande di approfondimento sull’oggetto, l’ambientazione e il trattamento visivo. Il template trasforma il prompting in un brief guidato.

Queste funzionalità affidano maggiori responsabilità all’interfaccia del prodotto. OpenAI non chiede agli utenti di diventare esperti nella scrittura di prompt prima di poter controllare un’immagine. Sta aggiungendo azioni creative familiari, come disegnare, commentare, selezionare e partire da un formato.

Questa direzione mette sotto pressione anche i concorrenti. Google, Adobe, Runway, Midjourney e prodotti di editing specializzati competono sempre più sul controllo, la coerenza e l’integrazione nei flussi di lavoro. La qualità estetica rimane importante, ma diventa meno distintiva man mano che i modelli leader migliorano.

La decisione di Adobe di rendere disponibili i nuovi modelli OpenAI tramite Firefly illustra un ulteriore livello competitivo. I fornitori di modelli non competono sempre soltanto attraverso applicazioni autonome. I loro modelli possono comparire anche nello stesso ambiente creativo.

Questa configurazione offre ai team creativi più scelta, ma riduce la fedeltà a un singolo modello. Se uno spazio di lavoro consente agli utenti di cambiare motore senza cambiare strumenti, le prestazioni devono prevalere a livello di singola attività. Un generatore potrebbe gestire bene l’ideazione, mentre un altro potrebbe occuparsi della modifica finale.

La strategia API a due modelli di OpenAI si adatta a questo mercato. Invece di presentare un unico motore come ottimale per ogni richiesta, offre un’opzione predefinita più veloce e un’alternativa orientata alla precisione. Gli sviluppatori possono instradare le attività in base ai propri requisiti di latenza e qualità.

La domanda senza risposta è se le applicazioni esporranno direttamente questa scelta. Uno strumento professionale potrebbe consentire agli utenti di selezionare Flare o Sunburst. Un prodotto consumer potrebbe instradare le richieste automaticamente, senza che gli utenti sappiano quale modello ha completato il lavoro.

L’instradamento automatico potrebbe semplificare l’esperienza, ma rende anche più difficile la valutazione. Gli utenti potrebbero confrontare gli output senza sapere se sono cambiati il modello sottostante, l’impostazione di qualità o il livello di sicurezza. Gli sviluppatori avranno bisogno di registri interni per prendere decisioni affidabili.

Cosa i primi test non dimostrano ancora

GPT Image 2.5 mostra vantaggi iniziali credibili, ma le dimostrazioni di lancio non possono stabilire prestazioni affidabili su carichi di lavoro produttivi.

OpenAI ha selezionato esempi che mettono in evidenza la conservazione del soggetto, l’editing mirato, il layout e la coerenza multi-turno. Queste dimostrazioni mostrano ciò che il modello può produrre. Non rivelano il suo tasso medio di successo su prompt non controllati.

L’azienda non ha pubblicato un benchmark pubblico ampio che confronti Flare, Sunburst e GPT Image 2 su attività creative rappresentative. Non ha inoltre fornito tassi di errore per la deriva dell’identità, gli errori di testo, gli sbagli spaziali o le modifiche indesiderate.

Questo lascia irrisolte diverse questioni pratiche. Sunburst è descritto come più preciso, ma OpenAI non ha quantificato pubblicamente questo vantaggio di precisione. Non è chiaro con quale frequenza Sunburst riesca dove Flare fallisce, né quanto più a lungo gli utenti debbano attendere.

La stessa cautela vale per la latenza. Una riduzione fino al 50% è significativa, ma i tempi effettivi possono variare in base a dimensioni, qualità, carico, immagini di input e complessità dell’editing. I team dovrebbero registrare la latenza end-to-end all’interno delle proprie applicazioni.

Anche la coerenza richiede test più lunghi di quelli offerti da molte recensioni di lancio. Una sequenza di tre passaggi può sembrare stabile, mentre un flusso di lavoro per una campagna in dieci passaggi può comunque andare incontro a derive. Il modello dovrebbe essere testato con modifiche ripetute che preservino volti, prodotti, tipografia e layout.

Il rendering del testo merita particolare attenzione. OpenAI afferma che il modello comprende meglio layout complessi e informazioni del mondo reale. Migliore non significa costantemente corretto, soprattutto per infografiche dense o materiali contenenti nomi, date e numeri esatti.

Il testo delle infografiche generate dovrebbe quindi restare soggetto a verifica umana. Un grafico visivamente convincente può comunque contenere un asse etichettato in modo errato o una statistica inventata. Un aspetto migliorato può rendere questi errori più difficili da notare.

La sicurezza crea un’altra tensione. Un realismo superiore e una migliore conservazione dell’identità migliorano il lavoro creativo legittimo. Possono però anche aumentare la credibilità di immagini ingannevoli o abusive che coinvolgono persone reali.

La system card di OpenAI riconosce esplicitamente questo rischio. Afferma che Images 2.5 può creare deepfake più convincenti di Images 2.0 in assenza di salvaguardie. L’azienda applica controlli ai prompt, alle immagini di input e agli output generati.

OpenAI ha valutato Flare e Sunburst con prompt progettati per suscitare contenuti vietati. In questi test avversariali, il tasso finale riportato di esiti non sicuri è stato dell’1,41% per Flare e dell’1,09% per Sunburst. Images 2.0 ha registrato l’1,64%.

Questi dati richiedono contesto. OpenAI avverte che i prompt non rappresentano il tipico traffico di produzione. Afferma inoltre che le etichette automatizzate possono contenere errori e che le dimensioni del campione influiscono sulla precisione statistica.

La system card afferma che nessuna differenza nella misura delle immagini non sicure mostrate ha raggiunto la sua soglia di significatività. I lettori non dovrebbero interpretare le percentuali inferiori in evidenza come prova che uno dei nuovi modelli sia definitivamente più sicuro di Images 2.0.

OpenAI continua ad allegare metadati di provenienza C2PA, che registrano informazioni sull’origine di una risorsa e sulla sua cronologia di modifica. Images 2.5 utilizza inoltre il watermarking invisibile SynthID in ChatGPT, Codex e API.

Nessuno dei due meccanismi risolve completamente la provenienza delle immagini. I metadati possono essere rimossi durante l’elaborazione o la distribuzione. Il rilevamento dei watermark invisibili dipende da strumenti compatibili e dalla loro conservazione attraverso trasformazioni successive.

OpenAI riconosce che nessun singolo metodo offre una soluzione completa. La combinazione può comunque aiutare piattaforme, editori e investigatori a identificare media generati. La sua efficacia dipenderà dall’adozione al di fuori dei prodotti OpenAI.

I dati di addestramento restano un’altra questione controversa per utenti commerciali e creator. OpenAI afferma che i modelli sono stati addestrati su informazioni pubblicamente disponibili su internet, informazioni di terze parti concesse in licenza e materiale fornito da utenti o contributori umani.

La system card fornisce questa descrizione di alto livello ma non elenca i singoli dataset. Le organizzazioni con requisiti di proprietà intellettuale dovranno comunque adottare proprie politiche per prompt, immagini di riferimento, revisione degli output e usi consentiti.

Queste limitazioni non cancellano l’aggiornamento. Definiscono ciò che i team devono convalidare prima di sostituire un flusso di lavoro consolidato. La prova più persuasiva arriverà da test di produzione ripetuti, non da esempi isolati.

Tre segnali che determineranno se l’aggiornamento durerà

Il prossimo test è capire se GPT Image 2.5 riduce le rilavorazioni al di fuori delle dimostrazioni di OpenAI e delle prime valutazioni dei partner.

Il primo segnale è il tasso di approvazione attraverso modifiche ripetute. I team creativi dovrebbero selezionare risorse rappresentative, applicare le stesse sequenze di revisione a GPT Image 2 e GPT Image 2.5 e registrare con quale frequenza gli elementi approvati rimangono invariati.

Questo test dovrebbe includere casi difficili. Volti, packaging con marchio, tipografia di piccole dimensioni, prodotti riflettenti, scene con più oggetti e sfondi trasparenti espongono modalità di errore diverse. Un modello solido dovrebbe preservare i dettagli senza costringere gli utenti a ricominciare.

Se la nuova famiglia richiede meno generazioni correttive, l’affermazione di OpenAI sulla coerenza acquisirà supporto. Se gli utenti continuano ad abbandonare le immagini dopo diverse modifiche, l’aggiornamento sembrerà più un miglioramento dell’interfaccia che un cambiamento nella produzione.

Il secondo segnale è la separazione pratica tra Flare e Sunburst. Gli sviluppatori hanno bisogno di evidenze che mostrino quali richieste giustifichino il tempo di generazione più lungo di Sunburst. Il posizionamento di OpenAI fornisce casi d’uso, ma non definisce ancora una soglia di instradamento misurabile.

Una valutazione utile dovrebbe confrontare i modelli con prompt, immagini di input, dimensioni e obiettivi di qualità identici. I team dovrebbero monitorare latenza, numero di revisioni, modifiche indesiderate, rifiuto degli output e preferenza umana finale.

Se Flare gestisce la maggior parte dei lavori quotidiani mentre Sunburst risolve le modifiche più impegnative, la strategia a due modelli avrà senso operativo. Se i risultati si sovrappongono ampiamente, la distinzione potrebbe aggiungere complessità senza migliorare gli esiti.

Il terzo segnale è la risposta competitiva. La generazione di immagini è diventata una competizione rapida che coinvolge piattaforme di IA generalista, suite creative e modelli specialistici. I concorrenti possono rispondere a OpenAI con inferenza più veloce, maggiore coerenza, tipografia più solida o controlli di editing più approfonditi.

L’integrazione conterà quanto la qualità del modello. Adobe, Runway e altre piattaforme creative possono collocare più modelli all’interno di flussi di lavoro consolidati. Ciò consente ai professionisti di confrontare i risultati senza spostare file tra prodotti scollegati.

OpenAI dispone di un vantaggio grazie alla distribuzione di ChatGPT e alla sua API. L’azienda afferma che Images 2.5 è disponibile su tutti i piani ChatGPT, mentre Flare e Sunburst sono disponibili agli sviluppatori. Un accesso ampio può accelerare feedback e adozione.

Tuttavia, la disponibilità da sola non garantisce la preferenza nel lungo periodo. I professionisti dell’immagine tengono al controllo, alla riproducibilità, ai diritti sugli output, agli strumenti di revisione e a un’integrazione prevedibile. Un risultato visivamente impressionante deve comunque adattarsi ai sistemi in cui i team approvano e pubblicano le risorse.

Il confronto più importante nei prossimi mesi sarà quindi operativo. OpenAI GPT Image 2.5 riduce la distanza tra un concetto promettente e un’immagine finale approvata?

Per gli utenti individuali, la risposta può iniziare con un semplice test. Ricreate un progetto esistente, poi richiedete diverse modifiche circoscritte senza ricominciare. Osservate quali dettagli resistono e quali subiscono derive.

Per gli sviluppatori, l’approccio migliore è una valutazione registrata basata su richieste reali dell’applicazione. Separate la qualità della generazione dal contenimento dell’editing e confrontate Flare con Sunburst invece di trattare GPT Image 2.5 come un unico servizio uniforme.

Per i team creativi, predisponete un set di revisione prima di modificare il flusso di lavoro. Includete risorse che in precedenza non hanno funzionato a causa di deriva dell’identità, errori di testo, cambiamenti di composizione o iterazioni lente. Il rilascio acquisisce valore solo quando questi fallimenti diminuiscono.

OpenAI ha reso la velocità il miglioramento più facile da pubblicizzare. La coerenza nell’editing è l’affermazione più difficile e quella che conta di più. Testate le revisioni, registrate gli errori e decidete se il modello porta a termine il lavoro invece di limitarvisi ad avviarlo.