Narzędzia AI
Czy ChatGPT i Gemini przycinają obrazy? Kafelki i proporcje
Zaktualizowano: Autor: Andrzej Niemiec11 min czytania
ChatGPT i Gemini nie przycinają obrazów do kwadratu. OpenAI dzieli zdjęcia na kafelki 512×512, Google obsługuje wiele proporcji. Sprawdzamy tokeny i koszty.
Spis treści
- Czy ChatGPT przycina obrazy do kwadratu?
- Jak działa kafelkowanie obrazów w modelach OpenAI?
- Czy Gemini również dzieli obrazy na kafelki?
- Jakie proporcje obsługuje Gemini przy generowaniu obrazów?
- Porównanie kafelkowania: OpenAI i Google
- Czy OpenAI API pozwala zamówić inne proporcje obrazu?
- Dlaczego użytkownicy wciąż widzą kwadratowe obrazy?
- Czy rozpoznawanie twarzy w bankach zależy od kafelków?
- Czy to się zmieni? Nowe generatory i agenci
- Co zrobić, gdy obraz nie ma właściwych proporcji?
- Najczęstsze pytania
- Źródła
Czy ChatGPT przycina obrazy do kwadratu?
Nie. W trybie wysokiej szczegółowości OpenAI skaluje obraz z zachowaniem proporcji, a potem dzieli jego reprezentację na kafelki 512×512. Kwadratowy jest więc pojedynczy fragment, nie cała grafika. Dokumentacja podaje limit 2048×2048 pikseli i skalowanie krótszego boku do 768 pikseli [1]. Temat wraca przy każdym pytaniu o koszty i jakość analizy obrazów w ChatGPT.
Jak działa kafelkowanie obrazów w modelach OpenAI?
Model dzieli zdjęcie na równe fragmenty, przelicza je na tokeny i analizuje całość. OpenAI opisywało kafelki 512×512 już w listopadzie 2023 r. przy modelu GPT-4 Vision [2]. Dla GPT-4o dokumentacja podaje 85 tokenów bazowych oraz 170 tokenów za każdy kafelek 512×512 [1]. Więcej fragmentów oznacza dłuższy kontekst, wyższy koszt i większe opóźnienie odpowiedzi.
Kafelkowanie nie jest więc obejściem proporcji, tylko sposobem wyliczenia kosztu. Obraz panoramiczny zostanie podzielony na kilka kwadratowych fragmentów, a wysoki na inne ich ułożenie. Kwadratowy kształt dotyczy jednostki rozliczeniowej, a nie kadru, który widzi użytkownik.
Czy Gemini również dzieli obrazy na kafelki?
Tak, ale inaczej liczy tokeny. Google podaje, że obrazy o boku do 384 pikseli zajmują 258 tokenów, a większe są dzielone na kafelki 768×768, przy czym każdy kafelek to 258 tokenów [3]. Osobna strona dokumentacji potwierdza tę samą wartość 258 tokenów na jednostkę [4]. Liczba kafelków rośnie z rozdzielczością, a wraz z nią koszt analizy.
Jakie proporcje obsługuje Gemini przy generowaniu obrazów?
Dokumentacja Google wymienia między innymi 1:1, 3:2, 2:3, 4:3, 16:9, 9:16 i 21:9 [5]. Proporcję ustawia się parametrem konfiguracji generowania, a nie osobnym trybem modelu [6]. W 2025 r. użytkownicy zgłaszali wymuszanie formatu 1:1; opisywano to jako niezamierzone zachowanie, nad którym Google pracuje, a nie stałą cechę produktu [7].
Porównanie kafelkowania: OpenAI i Google
| Kryterium | OpenAI (ChatGPT) | Google Gemini |
|---|---|---|
| Jednostka podziału | kafelek 512×512 [1] | kafelek 768×768 [3] |
| Rozliczanie tokenów | 85 bazowych plus 170 za kafelek [1] | 258 tokenów za jednostkę, także dla obrazów do 384 pikseli [3][4] |
| Limit wejścia | 2048×2048 pikseli, krótszy bok do 768 pikseli [1] | zależny od modelu i interfejsu [3] |
| Proporcje wyjścia | formaty kwadratowe, poziome i pionowe, zakres 1:3 do 3:1 [8] | 1:1, 3:2, 2:3, 4:3, 16:9, 9:16, 21:9 [5] |
Czy OpenAI API pozwala zamówić inne proporcje obrazu?
Tak. Dokumentacja generatora obrazów wymienia formaty kwadratowe, poziome i pionowe, a nowsze opisy dopuszczają zakres proporcji od 1:3 do 3:1 [8]. Ograniczenie do kwadratu nie wynika więc z samego API, tylko z konkretnego interfejsu albo ustawień produktu. Analiza obrazu i generowanie obrazu to dwa osobne mechanizmy z osobnymi limitami. Sposób doboru modeli do takich zadań opisuje też tekst o GPT-5.5 kontra Opus 4.7.
Dlaczego użytkownicy wciąż widzą kwadratowe obrazy?
Zgłoszenia dotyczą konkretnych wersji i interfejsów. Na Reddicie opisywano sytuacje, w których Gemini tworzył wyłącznie kwadraty [14], przestawał generować niestandardowe rozdzielczości [15], a ChatGPT nie trzymał się podanego rozmiaru [16][17]. Pojawiały się też skargi na tapety w Gemini [18] oraz na spadek jakości obrazów 4K [19]. To relacje użytkowników, a nie potwierdzenie stałej reguły dla wszystkich modeli.
Czy rozpoznawanie twarzy w bankach zależy od kafelków?
Nie ma na to dowodów. Bank Millennium 15 marca 2023 r. udostępnił autoryzację operacji biometrią, ale korzystał z Face ID na iOS i odcisku palca na Androidzie, z danymi zapisanymi w telefonie [10][11]. Bank podał wtedy, że ponad milion użytkowników logowało się biometrią [10][12]. Dostępne źródła nie potwierdzają historii o problemach z okularami przeciwsłonecznymi ani o własnym modelu rozpoznawania twarzy banku [13].
Czy to się zmieni? Nowe generatory i agenci
OpenAI rozwija generator obrazów w ChatGPT; opisywana wersja ChatGPT Images 2.0 dodaje krok analizy przed generowaniem [9]. Równolegle rozwijane są modele i funkcje agentowe, w tym GPT-6.1 Sol dostępny w wybranych planach [20]. Dla proporcji oznacza to raczej więcej jawnych ustawień niż jeden sztywny format. Kierunek zmian w modelach wizyjnych opisuje też tekst o ViT w modelach wizyjnych.
Co zrobić, gdy obraz nie ma właściwych proporcji?
- Sprawdź, czy chodzi o analizę obrazu, czy o generowanie, bo limity są osobne [1][8].
- W generowaniu ustaw proporcję jawnie, zamiast opisywać ją w promptcie [6].
- Przy analizie licz się z kosztem, bo każdy kafelek to dodatkowe tokeny [1][3].
- Jeśli obraz jest duży, przeskaluj go przed wysłaniem; limit OpenAI to 2048×2048 pikseli [1].
Najczęstsze pytania
Czy ChatGPT przycina zdjęcie do kwadratu?
Nie. OpenAI skaluje obraz z zachowaniem proporcji i dzieli go na kafelki 512×512, więc kwadratowy jest fragment, a nie całe zdjęcie. Limit wejścia to 2048×2048 pikseli, a krótszy bok jest skalowany do 768 pikseli [1]. Ostateczny kształt zależy od interfejsu, nie od samego modelu.
Ile tokenów zużywa obraz w ChatGPT?
Dla GPT-4o to 85 tokenów bazowych plus 170 tokenów za każdy kafelek 512×512 [1]. Obraz podzielony na cztery kafelki zajmie 765 tokenów. Im większa rozdzielczość, tym więcej fragmentów i wyższy koszt odpowiedzi.
Czy Gemini potrafi wygenerować obraz 16:9?
Tak. Dokumentacja wymienia proporcje 1:1, 3:2, 2:3, 4:3, 16:9, 9:16 i 21:9 [5]. Proporcję ustawia się w konfiguracji generowania [6]. Pojedyncze zgłoszenia o wymuszonym formacie 1:1 dotyczyły konkretnych wersji i były opisywane jako błąd [7].
Dlaczego Gemini czasem generuje tylko kwadraty?
Takie relacje pojawiały się w 2025 r. i dotyczyły wybranych interfejsów oraz okresów [7][14]. Opisywano je jako niezamierzone zachowanie, nad którym trwają prace, a nie jako zasadę działania wszystkich modeli Gemini. Warto sprawdzić wersję modelu i ustawienia, zanim uzna się to za stałe ograniczenie.
Czy kafelki pogarszają jakość analizy obrazu?
Kafelki są kompromisem między szczegółowością a kosztem. Mniejszy fragment oznacza więcej tokenów i wyższy koszt, większy fragment to mniej szczegółów [1][3]. Dla większości zastosowań wystarcza standardowy podział, a jakość zależy bardziej od rozdzielczości wejścia niż od samego sposobu cięcia.
Źródła
- Images and Vision (OpenAI, 2026)
- Resize parameter for gpt-4-vision-preview (OpenAI Developer Community, 2023)
- Image understanding (Google AI for Developers, 2026)
- Understand and count tokens (Google AI for Developers, 2026)
- Image understanding, Gemini Enterprise Agent Platform (Google Cloud Documentation, 2026)
- Support for aspect ratio control in image generation (pydantic-ai, GitHub, 2026)
- Gemini is stuck making square images (Android Authority, 2025)
- Create image (OpenAI API Reference, 2026)
- To koniec głupich obrazów AI? ChatGPT Images 2.0 (Portal Technologiczny, 2026)
- Bank Millennium udostępnia autoryzację operacji biometrią (Bank Millennium, 2023)
- Mobile application (Bank Millennium, 2026)
- Nowość w Banku Millennium. Przelewy zatwierdzisz jeszcze łatwiej (Telepolis, 2023)
- Bank Millennium udostępnia biometryczną autoryzację płatności (Fintek, 2023)
- Gemini już nie tworzy obrazów w proporcjach 16:9 (Reddit, 2025)
- Generowanie obrazów Gemini: niemożność zmiany rozdzielczości (Reddit, 2025)
- Problemy z generowaniem obrazów (Reddit, 2026)
- Trouble Getting Image Sizing Correct (Reddit, 2026)
- Czy Gemini potrafi generować obrazy w różnych proporcjach (Reddit, 2024)
- Obrazy z Gemini w 4K gorszej jakości (Reddit, 2026)
- September 28–October 2, 2026 (ChatGPT Learn, 2026)
Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.
Jak powstają teksty: Polityka AI · O redakcji