On-Model Bulk Create (100 products/run): on-model PDP у Bubble поруч із flat bulk BIAIG
Матриця рішень для fashion-каталогів у Bubble: коли batch On-Model (до 100 тегів/run) логічно виносити за межі Bubble, коли flat/lifestyle bulk залишати на маршрутах BIAIG, і як тримати один SKU як source of truth.
Чому зараз
У digest від 15.10 з’явився акцент на On-Model Bulk Create — до 100 products per run. Я часто бачу, як apparel- і marketplace-білдери розводять два шляхи: on-model PDP tooling (flat→model, swap моделі, packshot, recolor) і flat generative bulk, який зручніше тягнути з Bubble.
Тут не «хто кращий». Мені потрібен був workflow split: Bubble лишається системою записів, генерація зображень — окремі lane з чіткими лімітами.
Що таке On-Model Bulk Create (факти з документації)
On-Model позиціонує Bulk Create як wizard у застосунку: одна спільна setup на run, далі один job на product tag, з cap до 100 tags per run. На tag — 1–10 input images; результати зберігають tag для фільтрації в галереї. Підтримувані типи job:
- Flat to Model
- Model Swap
- Create Packshot
- Garment Recolor
Для планування я одразу дивлюся на Garment Recolor: один job часто = пара product × color. Приклад з October 2026 release: 20 продуктів × 5 кольорів = 100 jobs — це не «100 продуктів у будь-якій конфігурації», а ліміт на jobs у run.
Оновлення жовтня 2026: Bulk Create покриває усі чотири tools і заявляє parity з API batch processing. Окремий API (REST, v2.api.piktid.com; webhooks на Pro+) — для PIM/DAM і автоматизації, не для ручного кліку в Bubble UI.
Що таке BIAIG у цій публікації
BIAIG у brief — редакційна мітка, не публічний продукт з окремою документацією. Я використовую її тут як Bubble-side AI image generation orchestration: API Connector, backend workflows (у т.ч. recursive/scheduled), опційно зовнішні bulk-actors (наприклад prompt/CSV-driven flat generation), з записом URL у Bubble після QA. Схожий розбір: Fozzels (жовтень 2026): ліміти Image.
OpenAI — інший lane: consumer ChatGPT Shopping Try on (selfie + listing) ≠ merchant bulk on-model; developer Images API ближче до prompt-driven flat/lifestyle/virtual try-on з Bubble, але це не garment-geometry batch On-Model (Flat to Model / Model Swap / cross-view recolor). Про це окремо: ChatGPT virtual try-on і shopping.
Bubble: де живе truth, а де — масштаб
Source of truth — ваш Product / Variant у Bubble з стабільним SKU або unique id.
Масові записи даних: Bubble Data API bulk create — newline-delimited JSON, до ~1 000 Things на request, з timeout ~4 хв. Це інший масштаб, ніж On-Model 100 tags/jobs per image run. Я колись плутав «bulk DB insert» з «bulk image production» — не робіть так само.
Community pattern для великих AI-каталогів (forum): LLM парсить список продуктів у structured JSON → recursive backend workflows → batch record для progress у UI → збереження згенерованих image URL у поля типу image/file.
Операційний must-have: зовнішні AI URL часто короткоживучі. Документований підхід — API Connector response typed as image + «:saved to Bubble Storage», щоб PDP не ламалися після expiry CDN vendor.
Матриця рішень
| Ситуація | Рекомендований lane | Чому |
|---|---|---|
| Fashion drop: потрібна стабільна on-model identity, multi-view flat→model, model swap, recolor між ракурсами | On-Model (Bulk Create in-app або API + webhooks) поза Bubble UI | Geometry-aware batch tools і cap ≤100 tags/jobs per run — це production lane для apparel PDP, не задача Bubble page builder |
| Non-apparel, text/SKU metadata, white-background / lifestyle / prompt-only hero | BIAIG routes з Bubble (workflows + generative API) | Немає сенсу платити fashion on-model pipeline, якщо input — опис, а не garment flats |
| Volume >100 SKUs або >100 colorway jobs на один drop | Розбити run (chain Bulk Create) або API-only automation у backend Bubble | Жоден single run не покриє і DB bulk 1000, і image bulk 100 — плануйте два шари batch |
| Потрібен progress bar для merchandiser у Bubble | Bubble batch Thing + статуси job; On-Model/API — black box з webhook callback | UI progress — ваша відповідальність у data model |
| QA перед publish | Завжди | Vendor pages — marketing; quality перевіряйте на representative SKUs |
Інтеграційний контракт (мінімум)
- Bubble SKU/id = On-Model tag = поле в webhook/job metadata (детальна webhook schema у публічному scan не повна — закладите correlation id у своєму batch record).
- Після approve — ingest у Bubble Storage, не лише vendor CDN URL у image field.
- Для drops >100: явний runbook (наприклад 400 SKUs = 4 chained Bulk Create runs або API queue).
- Licensing / model release для custom identities у On-Model vs brand-owned GPT edits — окремий legal review, не з marketing FAQ.
Що я з цього забираю
- On-Model Bulk Create (100/run) — для fashion on-model PDP batch, коли tag = SKU і jobs — Flat to Model / Swap / Packshot / Recolor.
- BIAIG routes — для flat/lifestyle/generative bulk з Bubble, коли catalog logic і storage — у вас.
- Bubble Product лишається єдиним source of truth; image vendors — production pipes з різними caps і QA.
Джерела (Scout packet)
On-Model Bulk Create blog; October 2026 release; Batch Processing & API Integration pages; Bubble Data API bulk & Files docs; forum threads (AI catalog generator, save to Bubble Storage); OpenAI Shopping / Images cookbook (adjacent lanes); Apify bulk AI example; Bria Skills (enterprise generative, не BIAIG acronym).
Відкриті питання
Точне визначення BIAIG у вашій redaction; верифікація digest 15.10; webhook field map для SKU; порівняння workload при паралельних AI workflows + Data API bulk; orchestration для >100 fashion SKUs — chained in-app vs API-only.