Presentamos la generación de imágenes de 4o

En OpenAI, siempre hemos creído que la generación de imágenes debería ser una capacidad principal de nuestros modelos de lenguaje. Por eso hemos integrado nuestro generador de imágenes más avanzado hasta ahora en GPT‑4o. El resultado: una generación de imágenes que no solo es bonita, sino también útil.

Desde las primeras pinturas rupestres hasta las infografías modernas, los humanos hemos usado imágenes visuales para comunicarnos, 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 utiliza para compartir y crear información. Desde logotipos hasta diagramas, las imágenes pueden transmitir un significado preciso cuando se les añaden símbolos que hacen referencia a un lenguaje y experiencias compartidos.

La generación de imágenes de GPT‑4o destaca en la representación precisa de texto, siguiendo con exactitud las indicaciones y aprovechando la base de conocimiento inherente de 4o y el contexto del chat, incluyendo 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 lo visual y convirtiendo la generación de imágenes en una herramienta práctica con precisión y poder.

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

La formación con imágenes que reflejan una amplia variedad de estilos permite crear o transformar imágenes de manera convincente.

Nuestro modelo no es perfecto. Somos conscientes de varias limitaciones en este momento, las cuales trabajaremos para abordar mediante mejoras en el modelo después del lanzamiento inicial.

De acuerdo con nuestra especificación del modelo, nuestro objetivo es maximizar la libertad creativa apoyando casos de uso valiosos, como el desarrollo de juegos, la exploración histórica y la educación, mientras mantenemos sólidos estándares de seguridad. Al mismo tiempo, sigue siendo tan importante como siempre bloquear las solicitudes que infrinjan esos estándares. A continuación, presentamos evaluaciones de áreas de riesgo adicionales en las que estamos trabajando para habilitar contenido seguro y de alta utilidad, y brindar asistencia para 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 proveniente de GPT‑4o, para proporcionar transparencia. También hemos creado una herramienta de búsqueda interna que utiliza atributos técnicos de las generaciones para ayudar a verificar si el contenido proviene de nuestro modelo.

Bloqueando lo malo
Seguimos bloqueando imágenes generadas que puedan infringir nuestras políticas de contenidos, como materiales de abuso sexual infantil y deepfakes sexuales. Cuando las imágenes de personas reales están en contexto, tenemos restricciones más estrictas sobre qué tipo de imágenes se pueden crear, con salvaguardias particularmente robustas en torno a la desnudez y la violencia gráfica. Como en cualquier lanzamiento, la seguridad nunca se da por concluida, sino que es un área de inversión continua. A medida que aprendamos más sobre el uso en el mundo real de este modelo, ajustaremos nuestras políticas en consecuencia.

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

Usando el razonamiento para potenciar la seguridad
Similar a nuestro trabajo de alineación deliberativa⁠, hemos entrenado un LLM con razonamiento para trabajar directamente desde especificaciones de seguridad escritas e interpretables por humanos. Usamos este LLM con capacidad de razonamiento durante el desarrollo para ayudarnos a identificar y abordar 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 según nuestras políticas.

La generación de imágenes de 4o está disponible desde hoy para usuarios Plus, Pro, Team y de la versión gratuita como generador de imágenes por defecto en ChatGPT (próximamente también disponible para Enterprise y Edu). También está disponible en Sora. Para aquellas personas que quieran seguir usando DALL·E, aún podrán hacerlo a través de DALL·E GPT.

Los desarrolladores pronto podrán generar imágenes con GPT‑4o a través de la API (disponible en las próximas semanas).

Crear y personalizar imágenes es tan sencillo como hablar con GPT‑4o: tan solo tienes que describir lo que necesitas, incluyendo cualquier detalle, como la relación de aspecto, los colores exactos usando códigos HEX o si quieres que el fondo sea transparente. Como este modelo crea imágenes más detalladas, es posible que tarde más en renderizarlas, a menudo hasta un minuto.