← Torna al blog
Aicirca 6 min di lettura

Quattro miliardi di immagini a settimana, e adesso si muovono

Pubblicato 7 nov 2026
Quattro miliardi di immagini a settimana, e adesso si muovono

OpenAI ha rilasciato Images 2.6 il 4 novembre, e la demo che tutti hanno condiviso era un impiegato in stile chibi che piange davanti a un grafico azionario in caduta. Sei fotogrammi, uno sprite sheet, un loop senza stacchi. Carino, vagamente brutale, estremamente condivisibile.

Il numero sepolto sotto le GIF è più interessante. Oggi si generano circa quattro miliardi di immagini a settimana tra ChatGPT, Codex e l'API. Più di mezzo miliardo al giorno. Otto settimane fa, al lancio di Images 2.5, erano tre miliardi. Nessun modello sottostante è diventato tre volte migliore in otto settimane. È cambiato che la generazione di immagini ha smesso di essere un evento ed è diventata un riflesso.

Che cosa è stato rilasciato davvero

Tre cose, e solo una riguarda il modello.

Velocità. La generazione è circa il 50% più rapida. L'API si divide in due varianti: GPT-Image-2.6 Flare, che a qualità bassa restituisce un'immagine in circa sei secondi, e GPT-Image-2.6 Sunburst, quella da scegliere quando un soggetto deve sopravvivere a diversi passaggi di editing senza deriva.

Movimento. Le GIF ora sono native. Scrivi un prompt o carichi un fermo immagine e ottieni un'animazione in loop. La velocità di riproduzione è regolabile, i singoli fotogrammi si modificano dentro ChatGPT e il risultato si pubblica direttamente. Gli usi suggeriti da OpenAI sono mascotte, meme di reazione e storyboard animati prima che qualcuno prenoti un set.

L'editing come interfaccia. È la parte su cui continuo a tornare. L'API ora supporta le marcature sull'immagine: indichi una regione e dici «cambia questo». Le immagini si esportano in SVG. C'è un parametro di complessità che regola quanta pianificazione fa il modello prima di renderizzare, cosa che sembra strana finché non capisci che è una manopola di latenza per chi lavora a cicli invece che in un colpo solo.

Aggiungi i riferimenti salvati — puoi archiviare la foto di una persona, di un animale o di un personaggio ricorrente e riusarla senza ricaricarla — e la forma del prodotto diventa chiara. Non è un generatore con qualche funzione in più. È uno strumento di design che per caso è guidato da un modello.

A fanned stack of instant prints held in two hands, evoking volume over craft

La GIF è la parte meno interessante, e anche la più importante

Tutte le testate hanno aperto con le GIF, e OpenAI lo voleva chiaramente. Coco Mao, CEO di OpenArt, è citata a dire che le GIF sono «la lingua madre dei social», il tipo di frase che esiste per finire in un comunicato stampa.

Non ha torto, però. Un'immagine ferma è un post. Un loop è un formato. Nel momento in cui un modello restituisce un loop dalla stessa casella dei prompt, l'output compete con il video, non con l'illustrazione, e compete a una frazione del costo e del tempo. Per un team social la domanda pratica smette di essere «abbiamo un budget video» e diventa «questa idea ha bisogno di audio».

La parte interessante è di cosa sono fatti i loop. Gli esempi di OpenAI sono sprite sheet: sei fotogrammi, tre colonne per due righe, dimensioni identiche, camera fissa, il sesto fotogramma che rientra verso il primo. Non è così che ragiona un modello video. È così che ragiona un animatore. Il prompt fa scenografia, il modello riempie le caselle.

Il che significa che l'abilità diventata più preziosa questa settimana non è scrivere prompt. È sapere come deve essere fatto un loop per non tremare quando riparte.

Quattro miliardi a settimana spostano il collo di bottiglia

Quando generi quaranta immagini per una campagna, la parte difficile è produrle. Quando ne generi quattromila, la parte difficile è trovare le undici utilizzabili e ricordarti quali sono.

Due delle funzioni rilasciate hanno senso solo in quel mondo. I riferimenti salvati esistono perché la coerenza lungo una serie è ormai il vincolo, non la novità. Le marcature esistono perché correggere una mano sbagliata costa meno che rigenerare un'immagine buona. Nessuna delle due è una funzione creativa. Sono entrambe funzioni di revisione.

Ho già visto questo schema, nel testo. Nel momento in cui il volume di output ha superato una soglia, gli strumenti sono passati da «aiutami a scrivere» a «aiutami a trovare quello che ho scritto». Gli strumenti per le immagini sono sulla stessa curva, circa due anni indietro.

La divisione dell'API dice chi, secondo OpenAI, compra

Flare e Sunburst non sono una scala buono/migliore. Flare è tarato sul throughput e sul layout: OpenAI dichiara esplicitamente una composizione migliore per poster, foto prodotto e altre immagini professionali. Sei secondi a qualità bassa è il numero che citi a un product manager che vuole miniature in griglia.

Sunburst è tarato sulla coerenza a qualità media e alta, che è una promessa molto diversa. La coerenza serve quando lo stesso personaggio appare in dodici tavole, o quando un kit di marca deve sopravvivere a un giro di modifiche fatto da qualcuno che non è un designer.

Messe insieme, le due varianti descrivono due lavori che prima erano uno: esplorare a poco prezzo, poi impegnarsi a caro prezzo. Chi ha fatto un design sprint riconosce la forma. È lo stesso motivo per cui le agenzie producono cinquanta miniature e un comp.

Che cosa proverei davvero

Se hai una pipeline, il test onesto non è la qualità dell'immagine. È se le parti noiose si sono accorciate.

Prendi un brief reale — l'hero di una pagina prodotto, per esempio — e cronometra tre passaggi: la prima bozza, il giro di modifiche dopo che il cliente dice «più caldo», e l'export. Nella mia esperienza con le generazioni precedenti il passaggio di mezzo era sempre quello che uccideva, perché ogni modifica rischiava di cambiare la forma del prodotto. Sunburst più marcature più riferimenti punta esattamente lì.

Secondo test: il loop. Chiedi una GIF senza stacchi di qualcosa con una parte in movimento e guarda il sesto fotogramma. Se torna indietro con un salto visibile, il modello ragiona ancora per immagini ferme e le cuce. Se accompagna il ritorno, sta davvero pianificando il ciclo.

Terzo test, quello che quasi tutti saltano: l'archivio. Chiediti dove vivono quelle quattromila immagini, chi può cercarle e se quelle che hai scartato sono ancora fatturabili. Il volume ha un modo tutto suo di trasformare un problema creativo in un problema di archiviazione.

La parte scomoda

Watermark e provenienza diventano più difficili man mano che l'output costa meno. Quattro miliardi di immagini a settimana sono una superficie enorme, e una GIF che va in loop è più convincente di un fermo immagine, perché il movimento viene letto come prova. La stessa proprietà che rende i loop adatti alle mascotte li rende adatti ai falsi.

La formulazione di OpenAI qui è attenta: gli esempi puntano su marchi, mascotte, foto prodotto, storyboard. Non notizie, non persone che dicono qualcosa. È una linea sensata da tracciare volontariamente, perché l'alternativa è tracciarla più tardi, sotto pressione.

Quindi?

Images 2.6 non è un salto nella qualità delle immagini. Leggi il changelog e trovi velocità, loop e una pila di agevolazioni per l'editing. L'affermazione interessante è strutturale: la generazione di immagini viene piegata dentro la parte del lavoro in cui le persone decidono — marcare, rivedere, esportare, riusare.

È una storia meno eccitante di un impiegato cartoon che piange. È anche quella che cambia come un team passa la settimana. Il numero di quattro miliardi non è un vanto sulla scala. È un avvertimento: la cosa scarsa non è più l'immagine. È sapere quale immagine.

Articoli correlati