Alguien adjuntó una imagen — una tarjeta con texto en ruso — y pidió, en ruso, la misma tarjeta en turco. Lo que volvió fueron dos imágenes, ambas facturadas, sobre un fondo distinto, con letras que no eran palabras en ningún idioma. La respuesta las describía en turco como venidas "del enlace de abajo".
Un solo reporte, tres fallos distintos. Ninguno por sí solo habría producido este resultado.
El carril barato no sabe deletrear
Las herramientas de imagen piden por defecto calidad "media", y una petición media sin preferencia de calidad cae en la rama del enrutador ordenada por costo, que termina en el modelo de imagen activo más barato. Ese modelo es un modelo de difusión. Los modelos de difusión son muy buenos con las imágenes y notoriamente malos con las letras — peores aún con letras fuera del alfabeto latino.
Eso es un buen valor por defecto para "un zorro en un bosque" y uno malo para un cartel, una invitación, un menú o una tarjeta, donde el texto es la entrega misma. Ese tipo de petición ahora sale del carril barato. Se lee la instrucción buscando señales de esto — frases entre comillas, líneas en mayúsculas, listas con viñetas, una lista acotada de palabras para cosas que son sobre todo texto, en varios alfabetos — y la herramienta también tiene una marca explícita que el modelo puede activar cuando lo sabe. Las negaciones se eliminan primero, para que "sin texto" no lo dispare. Cualquiera de las dos señales envía la llamada al nivel de calidad. Qué nivel de imagen obtienes sigue siendo tu elección; esto solo decide qué modelo tiene permitido intentarlo.
Un modelo que no podía ver la imagen
El segundo fallo es peor, porque fue el que produjo galimatías en vez de simplemente letras mediocres. Los detectores que reconocen "hazme una imagen" y "cambia esta imagen" estaban escritos para inglés y turco. Una frase en ruso no coincidía con ninguno, así que el turno nunca se marcó como uno que necesitara ver, y fue a parar a un modelo de texto sin visión. Ese modelo llamó a la herramienta de imagen con la frase como instrucción. Estaba dibujando desde cero algo que nunca había mirado.
Se agregaron patrones en ruso para ambos. Más importante aún, se agregó una protección para la frase que causó esto: "la misma", "aynısını", "такую же", "como la que envié". Cuando una petición apunta a una imagen adjunta, forzar una generación nueva no es un fallo por poco. Es incorrecto, y se factura.
La herramienta se describía a sí misma mal
El tercer fallo es vergonzoso de la manera más simple. La descripción de la herramienta de imagen todavía decía que la herramienta de edición "aún no estaba conectada" y que el resultado volvía como un enlace. Ninguna de las dos cosas era cierta desde hacía tiempo. Así que el modelo evitó la herramienta de edición que debería haber usado, y luego describió una imagen incrustada como un enlace.
Las descripciones se reescribieron — qué hace realmente cada herramienta, que "la misma tarjeta en otro idioma" es una edición, que el resultado es una imagen y nunca un enlace, que el modelo no puede verla, y que la descripción debe estar en el idioma del usuario. Cada resultado de imagen ahora lleva una pista sobre cómo hablar de él.
Las tres correcciones están fijadas por pruebas que repiten los turnos originales palabra por palabra, incluyendo los casos límite que deben seguir yendo al carril barato.