OpenAI ha corretto un problema che riduceva la qualità della comprensione delle immagini in GPT-6 Sol e GPT-6 Luna. Il bug riguardava la codifica delle immagini e poteva peggiorare i risultati nelle attività visive in API e Codex, incluso computer use.
Che cosa non funzionava
Secondo le note di rilascio ufficiali del 25 settembre 2026, un errore nell’encoding delle immagini degradava la capacità dei due modelli di interpretare input visivi. Il problema non riguardava quindi il caricamento del file in sé, ma il modo in cui l’immagine veniva trasformata prima dell’elaborazione del modello.
Dove si vedeva il problema
OpenAI cita in particolare API e Codex. I casi più sensibili sono quelli in cui il modello deve leggere screenshot, riconoscere elementi di un’interfaccia, confrontare immagini, estrarre informazioni visive oppure usare la vista durante un flusso di computer use.
Cosa fare se avevi risultati peggiori del previsto
- Ripeti i test che usavano immagini con GPT-6 Sol o Luna.
- Confronta i nuovi risultati con quelli ottenuti prima del fix.
- Se hai una suite di valutazione interna, rieseguila sugli stessi input visivi.
- Controlla che il comportamento anomalo non dipenda anche da ridimensionamento, compressione o qualità dello screenshot.
OpenAI raccomanda esplicitamente di rieseguire le valutazioni e riprovare i workflow che possono essere stati influenzati dal problema. Questo è particolarmente importante per pipeline automatiche, test di regressione e agenti che devono capire ciò che appare sullo schermo.
Il fix riguarda ChatGPT normale?
La nota ufficiale parla di GPT-6 Sol e Luna in API e Codex. Non va quindi interpretata come un generico problema di tutte le funzioni immagini di ChatGPT. Se usi altri modelli o strumenti, il comportamento può essere diverso.
Per capire dove si collocano i nuovi modelli puoi leggere anche il nostro approfondimento su GPT-6 Astra e disponibilità in ChatGPT. Se invece ti interessa il lato creativo, abbiamo analizzato anche ChatGPT Images 2.5 e Sketch.
Perché conviene rifare i benchmark visivi
Un bug di encoding può produrre risultati apparentemente casuali: una schermata semplice può essere letta bene mentre un’altra, più densa o con testo piccolo, può essere interpretata peggio. Se hai deciso quale modello usare basandoti su test svolti durante il periodo interessato, rifare gli stessi benchmark evita di prendere decisioni su dati ormai superati.
Il riferimento è la pagina ufficiale OpenAI Release Notes, aggiornata con il fix del 25 settembre 2026.
