Qualcuno ha allegato un'immagine — una card con testo in russo — e ha chiesto, in russo, la stessa card in turco. Ciò che è tornato erano due immagini, entrambe addebitate, su uno sfondo diverso, con lettere che non erano parole in nessuna lingua. La risposta le descriveva in turco come provenienti "dal link qui sotto".
Una sola segnalazione, tre guasti distinti. Nessuno da solo avrebbe prodotto questo risultato.
La corsia economica non sa scrivere
Gli strumenti immagine chiedono per default qualità "media", e una richiesta media senza preferenza di qualità finisce nel ramo del router ordinato per costo, che termina nel modello immagine attivo più economico. Quel modello è un modello di diffusione. I modelli di diffusione sono molto bravi con le immagini e notoriamente scarsi con le lettere — ancora peggio con lettere fuori dall'alfabeto latino.
È un buon default per "una volpe nella foresta" e uno pessimo per un poster, un invito, un menu o una card, dove il testo è il risultato stesso. Questo tipo di richiesta ora esce dalla corsia economica. Un prompt viene letto per cercare i segnali di questo — frasi tra virgolette, righe in maiuscolo, elenchi puntati, un elenco limitato di parole per cose fatte principalmente di testo, in vari alfabeti — e lo strumento ha anche un flag esplicito che il modello può impostare quando lo sa. Le negazioni vengono rimosse per prime, così "senza testo" non lo attiva. Uno dei due segnali invia la chiamata al livello qualità. Quale livello di immagine ottieni resta una tua scelta; questo decide solo quale modello è autorizzato a provarci.
Un modello che non poteva vedere l'immagine
Il secondo guasto è peggiore, perché è quello che ha prodotto un guazzabuglio invece di semplici lettere mediocri. I rilevatori che riconoscono "fammi un'immagine" e "cambia questa immagine" erano scritti per inglese e turco. Una frase in russo non corrispondeva a nessuno dei due, quindi il turno non è mai stato contrassegnato come uno che doveva vedere, ed è finito a un modello di testo senza visione. Quel modello ha chiamato lo strumento immagine con la frase come prompt. Stava disegnando da zero qualcosa che non aveva mai guardato.
Sono stati aggiunti pattern russi per entrambi. Più importante, è stata aggiunta una protezione per la frase che ha causato tutto questo: "la stessa", "aynısını", "такую же", "come quella che ho inviato". Quando una richiesta punta a un'immagine allegata, forzare una nuova generazione non è un errore di poco conto. È sbagliato, ed è addebitato.
Lo strumento descriveva se stesso in modo errato
Il terzo guasto è imbarazzante nel modo più semplice. La descrizione dello strumento immagine diceva ancora che lo strumento di modifica non era "ancora collegato" e che il risultato tornava come link. Nessuna delle due cose era vera da tempo. Così il modello evitava lo strumento di modifica che avrebbe dovuto usare, e poi descriveva un'immagine incorporata come un link.
Le descrizioni sono state riscritte — cosa fa davvero ogni strumento, che "la stessa card in un'altra lingua" è una modifica, che il risultato è un'immagine e mai un link, che il modello non può vederla, e che la descrizione deve essere nella lingua dell'utente. Ogni risultato immagine ora porta un suggerimento su come parlarne.
Tutte e tre le correzioni sono fissate da test che ripetono i turni originali parola per parola, inclusi i casi limite che devono continuare ad andare nella corsia economica.