Przejdź do treści

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
  1. Czy ChatGPT przycina obrazy do kwadratu?
  2. Jak działa kafelkowanie obrazów w modelach OpenAI?
  3. Czy Gemini również dzieli obrazy na kafelki?
  4. Jakie proporcje obsługuje Gemini przy generowaniu obrazów?
  5. Porównanie kafelkowania: OpenAI i Google
  6. Czy OpenAI API pozwala zamówić inne proporcje obrazu?
  7. Dlaczego użytkownicy wciąż widzą kwadratowe obrazy?
  8. Czy rozpoznawanie twarzy w bankach zależy od kafelków?
  9. Czy to się zmieni? Nowe generatory i agenci
  10. Co zrobić, gdy obraz nie ma właściwych proporcji?
  11. Najczęstsze pytania
  12. 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

KryteriumOpenAI (ChatGPT)Google Gemini
Jednostka podziałukafelek 512×512 [1]kafelek 768×768 [3]
Rozliczanie tokenów85 bazowych plus 170 za kafelek [1]258 tokenów za jednostkę, także dla obrazów do 384 pikseli [3][4]
Limit wejścia2048×2048 pikseli, krótszy bok do 768 pikseli [1]zależny od modelu i interfejsu [3]
Proporcje wyjściaformaty 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?

  1. Sprawdź, czy chodzi o analizę obrazu, czy o generowanie, bo limity są osobne [1][8].
  2. W generowaniu ustaw proporcję jawnie, zamiast opisywać ją w promptcie [6].
  3. Przy analizie licz się z kosztem, bo każdy kafelek to dodatkowe tokeny [1][3].
  4. 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

  1. Images and Vision (OpenAI, 2026)
  2. Resize parameter for gpt-4-vision-preview (OpenAI Developer Community, 2023)
  3. Image understanding (Google AI for Developers, 2026)
  4. Understand and count tokens (Google AI for Developers, 2026)
  5. Image understanding, Gemini Enterprise Agent Platform (Google Cloud Documentation, 2026)
  6. Support for aspect ratio control in image generation (pydantic-ai, GitHub, 2026)
  7. Gemini is stuck making square images (Android Authority, 2025)
  8. Create image (OpenAI API Reference, 2026)
  9. To koniec głupich obrazów AI? ChatGPT Images 2.0 (Portal Technologiczny, 2026)
  10. Bank Millennium udostępnia autoryzację operacji biometrią (Bank Millennium, 2023)
  11. Mobile application (Bank Millennium, 2026)
  12. Nowość w Banku Millennium. Przelewy zatwierdzisz jeszcze łatwiej (Telepolis, 2023)
  13. Bank Millennium udostępnia biometryczną autoryzację płatności (Fintek, 2023)
  14. Gemini już nie tworzy obrazów w proporcjach 16:9 (Reddit, 2025)
  15. Generowanie obrazów Gemini: niemożność zmiany rozdzielczości (Reddit, 2025)
  16. Problemy z generowaniem obrazów (Reddit, 2026)
  17. Trouble Getting Image Sizing Correct (Reddit, 2026)
  18. Czy Gemini potrafi generować obrazy w różnych proporcjach (Reddit, 2024)
  19. Obrazy z Gemini w 4K gorszej jakości (Reddit, 2026)
  20. September 28–October 2, 2026 (ChatGPT Learn, 2026)
AN
O autorze
Andrzej Niemiec

Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.

Jak powstają teksty: Polityka AI · O redakcji