Mona-lisa-1 aparece en Arena como posible sucesor de GPT Image

Why it matters

Arena tests often provide the first public look at frontier models. If mona-lisa-1 is an OpenAI system, it suggests the current image-generation leader is already testing its successor.

Un generador de imágenes con nombre en clave llamado "mona-lisa-1" apareció en las pruebas de Arena el 9 de agosto, lo que suscitó especulaciones de que OpenAI estaría evaluando públicamente un nuevo modelo GPT Image.

El creador visual de IA Riccardo Wolf (@WolfRiccardo) publicó resultados sin procesar del modelo en un hilo de dos publicaciones. Wolf dijo que las imágenes mostraban una mejora notable en el realismo, particularmente en la reducción de la piel y las superficies sintéticas y brillosas que a menudo hacen que las fotografías generadas parezcan artificiales.

El desarrollador detrás de mona-lisa-1 sigue sin ser verificado. Arena con frecuencia coloca sistemas previos al lanzamiento en comparaciones anónimas bajo alias, lo que permite a los proveedores de modelos recopilar datos de preferencia humana antes de decidir qué versiones lanzar. Arena dice que trabaja directamente con desarrolladores comerciales y de código abierto para probar modelos previos al lanzamiento, y que los proveedores pueden enviar múltiples variantes experimentales.

Ese proceso hace que la aparición de un nombre en clave sea significativa sin convertir su supuesta propiedad en un hecho. Un modelo que corre en Arena puede ser un candidato de lanzamiento, un experimento limitado o un punto de control que nunca se convierta en un producto público. El nombre mona-lisa-1 en sí no proporciona una atribución fiable.

Probando el realismo mediante detalles cotidianos

Wolf probó mona-lisa-1 con un prompt para una calle actual de la ciudad de Nueva York. Las instrucciones pedían un coche estacionado con un logotipo de marca realista, una placa de matrícula específica, escaparates auténticos, letreros, banquetas y detalles de tráfico. Esos requisitos son una prueba simultánea de varias debilidades persistentes en los generadores de imágenes: texto preciso, objetos coherentes, marcas comerciales reconocibles y la geometría densa de una escena urbana real.

Wolf compartió resultados con ajustes altos y medios sin editar. Las imágenes muestran el tipo de composición cotidiana y concurrida que puede exponer fallos ocultos por prompts más permisivos para retratos, arte conceptual o escenas cinematográficas. La rotulación de los escaparates, los detalles de los vehículos y los elementos arquitectónicos repetidos dan a los espectadores más oportunidades para detectar texto malformado y geometría inconsistente.

Un puñado de imágenes no puede establecer si mona-lisa-1 supera de forma consistente a los sistemas ya publicados. La publicación de Wolf no contenía una comparación controlada usando la misma semilla y ajustes entre modelos competidores, ni incluyó suficientes generaciones para medir las tasas de fallo. Sus pruebas proporcionan evidencia de que el modelo está activo en Arena y puede producir salidas individuales convincentes. No establecen su clasificación general, velocidad, estabilidad de edición ni fiabilidad a través de distintos prompts.

Esas distinciones importan porque OpenAI ya ocupa la posición superior en la tabla pública de text-to-image de Arena. La tabla de clasificación del 31 de julio de Arena ubicó primero a gpt-image-2 medium con una puntuación de 1,381 más o menos cinco, basada en 66,665 votos. Mona-lisa-1 aún no aparece en esa tabla publicada bajo su nombre en clave.

Por qué la teoría de OpenAI es plausible, pero no confirmada

OpenAI lanzó ChatGPT Images 2.0 el 21 de abril. OpenAI describió como ganancias centrales respecto a sistemas de imagen anteriores la mejora en el seguimiento de instrucciones, el renderizado de texto, el conocimiento del mundo y el realismo. El modelo está disponible en los planes de ChatGPT, mientras que un modo de pensamiento separado puede investigar y planear una imagen antes de generarla.

Esas capacidades se superponen con las áreas que la prueba de Wolf fue diseñada para examinar. Esa superposición respalda la especulación alrededor de mona-lisa-1, aunque no prueba su linaje. Laboratorios rivales de imágenes persiguen los mismos problemas y pueden usar nombres en clave arbitrarios durante las pruebas.

Una ruta de atribución más sólida vendría de los datos de procedencia. OpenAI dice que las imágenes creadas a través de ChatGPT, Codex y su API contienen metadatos C2PA y marcas de agua invisibles SynthID. Su herramienta pública de verificación puede inspeccionar una imagen subida en busca de esas señales. Un resultado positivo puede asociar una imagen con las herramientas de OpenAI, aunque identificaría al proveedor en lugar de revelar un nombre de producto o confirmar que mona-lisa-1 será lanzado.

El momento pone presión sobre cualquier posible lanzamiento. El gpt-image-2 de OpenAI ya lidera Arena, mientras que Reve, Meta, Google, ByteDance y Microsoft ocupan gran parte del nivel superior publicado. La vara práctica para un sucesor es, por tanto, más alta que producir una imagen de demostración más nítida. Debería preservar el detalle a través de ediciones repetidas, seguir prompts concurridos de forma fiable y mejorar la velocidad de generación o el costo lo suficiente como para justificar reemplazar a un titular que los usuarios ya prefieren.

Por ahora, mona-lisa-1 se entiende mejor como un experimento activo en Arena con muestras públicas prometedoras. Su procedencia, preparación para producción y relación con los modelos de imagen publicados por OpenAI siguen sin resolverse solo por el nombre en clave.