Presentamos la generación de imágenes 4o

En OpenAI, desde hace mucho tiempo creemos que la generación de imágenes debe ser una capacidad fundamental de nuestros modelos de lenguaje. Por eso, hemos integrado nuestro generador de imágenes más avanzado hasta el momento en GPT‑4o. El resultado: generación de imágenes que no solo es hermosa, sino útil.

Desde las primeras pinturas rupestres hasta las infografías modernas, los humanos han utilizado imágenes visuales para comunicar, persuadir y analizar, no solo para decorar. Los modelos generativos actuales pueden crear escenas surrealistas y asombrosas, pero tienen dificultades con las imágenes prácticas que la gente usa para compartir y crear información. Desde logotipos hasta diagramas, las imágenes pueden transmitir un significado preciso cuando se complementan con símbolos que aluden a un lenguaje y experiencia compartidos.

La generación de imágenes de GPT‑4o se destaca por su capacidad para representar texto con precisión, seguir exactamente el mensaje y aprovechar los conocimientos inherentes de 4o y el contexto del chat, incluida la transformación de imágenes cargadas o su uso como inspiración visual. Estas capacidades facilitan crear exactamente la imagen que imaginas, ayudándote a comunicarte de manera más efectiva a través de imágenes y convirtiendo la generación de imágenes en una herramienta práctica con precisión y poder.

Entrenamos nuestros modelos en la distribución conjunta de imágenes en línea y texto, aprendiendo no solo cómo las imágenes se relacionan con el lenguaje, sino también cómo se relacionan entre ellas. Combinado con un entrenamiento posterior agresivo, el modelo resultante tiene una sorprendente fluidez visual, capaz de generar imágenes útiles, consistentes y con conciencia del contexto.

El entrenamiento con imágenes que reflejan una amplia variedad de estilos permite al modelo crear o transformar imágenes de forma convincente.

Nuestro modelo no es perfecto. En este momento estamos al tanto de varias limitaciones, sin embargo, trabajaremos para resolverlas mediante mejoras del modelo después del lanzamiento inicial.

De acuerdo con nuestra Especificación del Modelo, buscamos maximizar la libertad creativa al apoyar casos de uso valiosos como el desarrollo de juegos, la exploración histórica y la educación, mientras mantenemos altos estándares de seguridad. Al mismo tiempo, sigue siendo tan importante como siempre bloquear las solicitudes que infringen esos estándares. A continuación, presentamos evaluaciones de áreas de riesgo adicionales en las que trabajamos para habilitar contenido seguro y útil, y apoyar una expresión creativa más amplia para los usuarios.

Procedencia mediante C2PA y búsqueda interna reversible
Todas las imágenes generadas incluyen metadatos C2PA, que identificarán una imagen como originada de GPT‑4o, para asegurar transparencia. También hemos desarrollado una herramienta de búsqueda interna que emplea atributos técnicos de las generaciones para ayudar a verificar si el contenido proviene de nuestro modelo.

Bloquear lo malo
Seguimos bloqueando solicitudes para generar imágenes que puedan infringir nuestras políticas de contenido, como materiales de abuso sexual infantil y contenido sexual generado sin consentimiento. Cuando las imágenes de personas reales están en contexto, tenemos mayores restricciones sobre qué tipo de imágenes se pueden crear, con medidas de protección especialmente rigurosas en lo que respecta a la desnudez y la violencia gráfica. Como en cualquier lanzamiento, la seguridad nunca se completa y es más bien un área de inversión continua. A medida que aprendamos más sobre el uso del modelo en el mundo real, ajustaremos nuestras políticas en consecuencia.

Para obtener más información sobre nuestro enfoque, visita el anexo a la tarjeta del sistema GPT‑4o⁠ sobre generación de imágenes.

Usar el razonamiento para potenciar la seguridad
Similar a nuestro trabajo de alineación deliberativa⁠, hemos entrenado un LLM de razonamiento para trabajar directamente a partir de especificaciones de seguridad interpretables y redactadas por humanos. Usamos este LLM de razonamiento durante el desarrollo para que nos ayude a identificar y resolver las ambigüedades en nuestras políticas. Junto con nuestros avances multimodales y las técnicas de seguridad existentes desarrolladas para ChatGPT y Sora, esto nos permite moderar⁠ tanto el texto de entrada como las imágenes de salida conforme a nuestras políticas.

El lanzamiento de la generación de imágenes 4o empieza hoy para los usuarios Plus, Pro, Team y Free como el generador de imágenes predeterminado en ChatGPT, y próximamente estará disponible para Enterprise y Edu. También está disponible para usarlo en Sora. Para aquellas personas que quieran seguir usando DALL·E, aún se podrá acceder a través de DALL·E GPT.

Los desarrolladores pronto podrán generar imágenes con GPT‑4o a través de la API, y el acceso estará disponible en las próximas semanas.

Crear y personalizar imágenes es tan sencillo como chatear usando GPT‑4o: solo describe lo que necesitas, incluyendo detalles específicos como la relación de aspecto, colores exactos usando códigos hexadecimales o un fondo transparente. Debido a que este modelo crea imágenes más detalladas, las imágenes tardan más en renderizarse. La espera a menudo es de hasta un minuto.