誰かがロシア語のテキストが入ったカードの画像を添付し、ロシア語で同じカードをトルコ語で作るよう依頼しました。返ってきたのは二枚の画像で、どちらも課金され、背景が違い、どの言語にも属さない文字が書かれていました。回答はそれらをトルコ語で「下記のリンクから」のものだと説明していました。
一件の報告、三つの独立した不具合。どれ一つとして単独ではこの結果を生みません。
低価格帯は文字を書けない
画像ツールはデフォルトで「中程度」の品質を要求し、品質の指定がない中程度のリクエストはコスト順に並んだルーターの分岐に入り、最も安い有効な画像モデルに行き着きます。そのモデルは拡散モデルです。拡散モデルは画像には非常に優れていますが、文字には悪名高いほど弱く、ラテン文字以外の文字ではさらに悪化します。
「森の中のキツネ」には良いデフォルトですが、ポスター、招待状、メニュー、カードには悪いデフォルトです。そこでは文字そのものが成果物だからです。この種のリクエストは今、低価格帯から外れます。プロンプトはその兆候について読み取られます。引用された表現、大文字の行、箇条書きリスト、主にテキストで構成されるものを示す、複数のアルファベットにまたがる限定された単語リスト。そしてツールにも、モデルがそれを知っているときに設定できる明示的なフラグがあります。否定表現は先に取り除かれるため、「文字なし」がこれを誤って発火させることはありません。どちらかの信号が呼び出しを品質階層へ送ります。どの画像品質を得るかは依然としてあなたの選択であり、これはどのモデルに試す資格があるかを決めるだけです。
画像を見られなかったモデル
二つ目の不具合はより深刻です。平凡な文字ではなく、まさに支離滅裂を生んだのがこれだからです。「画像を作って」や「この画像を変えて」を認識する検出器は英語とトルコ語向けに書かれていました。ロシア語の文はどちらにも一致せず、そのターンは視覚が必要なものとして一度もマークされず、視覚を持たないテキストモデルに渡りました。そのモデルはその文をプロンプトとして画像ツールを呼び出しました。一度も見たことのないものをゼロから描いていたのです。
両方にロシア語のパターンが追加されました。さらに重要なのは、これを引き起こした表現に対する防御が追加されたことです。「同じもの」「aynısını」「такую же」「私が送ったのと同じような」。リクエストが添付された画像を指している場合、新規生成を強制することはわずかな見落としではありません。それは誤りであり、課金されます。
ツールが自分自身を誤って説明していた
三つ目の不具合は、最も単純な形で恥ずかしいものです。画像ツールの説明は依然として、編集ツールは「まだ接続されていない」、結果はリンクとして返ってくると書いていました。どちらももうしばらく事実ではありませんでした。そのためモデルは使うべき編集ツールを避け、埋め込まれた画像をリンクだと説明していたのです。
説明は書き直されました。各ツールが本当に何をするか、「同じカードを別の言語で」は編集であること、結果は画像であり決してリンクではないこと、モデルはそれを見ることができないこと、そして説明はユーザーの言語で行うべきこと。すべての画像結果は今、それについてどう話すかのヒントを持っています。
三つの修正はすべて、元のやり取りを一語一語再現するテストによって固定されています。低価格帯に進み続けなければならないギリギリのケースも含めてです。