Någon bifogade en bild — ett kort med rysk text — och bad, på ryska, om samma kort på turkiska. Det som kom tillbaka var två bilder, båda debiterade, mot en annan bakgrund, med bokstäver som inte var ord på något språk. Svaret beskrev dem på turkiska som att de kom "från länken nedan".
En enda rapport, tre separata fel. Inget av dem hade ensamt gett detta resultat.
Den billiga vägen kan inte stava
Bildverktyg begär som standard "medel" kvalitet, och en begäran om medel utan kvalitetspreferens hamnar i routerns kostnadssorterade gren, som slutar vid den billigaste aktiva bildmodellen. Den modellen är en diffusionsmodell. Diffusionsmodeller är mycket bra på bilder och notoriskt dåliga på bokstäver — ännu sämre med bokstäver utanför det latinska alfabetet.
Det är en bra standard för "en räv i en skog" och en dålig för en affisch, en inbjudan, en meny eller ett kort, där texten är själva resultatet som levereras. Denna typ av begäran lämnar nu den billiga vägen. En prompt läses av efter tecken på detta — citerade formuleringar, versaler på hela rader, punktlistor, en begränsad ordlista för saker som mestadels består av text, på flera alfabet — och verktyget har också en explicit flagga som modellen kan sätta när den vet detta. Negationer tas bort först, så att "utan text" inte utlöser detta av misstag. Endera signalen skickar anropet till kvalitetsnivån. Vilken bildnivå du får är fortfarande ditt val; detta avgör bara vilken modell som får försöka.
En modell som inte kunde se bilden
Det andra felet är värre, eftersom det var just det som producerade nonsens i stället för bara medelmåttiga bokstäver. Detektorerna som känner igen "gör en bild åt mig" och "ändra den här bilden" var skrivna för engelska och turkiska. En mening på ryska matchade ingen av dem, så den här turen markerades aldrig som en som behövde syn, och gick till en textmodell utan seende. Den modellen anropade bildverktyget med den meningen som prompt. Den ritade från grunden något den aldrig sett.
Ryska mönster lades till för båda. Viktigare är att ett skydd lades till för frasen som orsakade allt detta: "samma", "aynısını", "такую же", "som den jag skickade". När en begäran pekar på en bifogad bild är det inget litet misstag att tvinga fram en ny generering. Det är fel, och det debiteras.
Verktyget beskrev sig självt fel
Det tredje felet är pinsamt på det enklaste sättet. Bildverktygets beskrivning sa fortfarande att redigeringsverktyget "ännu inte var inkopplat" och att resultatet kom tillbaka som en länk. Ingetdera hade stämt på ett tag. Så modellen undvek redigeringsverktyget den borde ha använt, och beskrev sedan en inbäddad bild som en länk.
Beskrivningarna skrevs om — vad varje verktyg faktiskt gör, att "samma kort på ett annat språk" är en redigering, att resultatet är en bild och aldrig en länk, att modellen inte kan se den, och att beskrivningen bör vara på användarens språk. Varje bildresultat bär nu en ledtråd om hur man talar om det.
Alla tre korrigeringar är fastspikade med tester som ordagrant återskapar de ursprungliga turerna, inklusive gränsfallen som fortfarande måste gå till den billiga vägen.