25 માર્ચ, 2025

4o ઇમેજ જનરેશનનો પરિચય

ચોક્કસ, સચોટ અને ફોટોરિયલિસ્ટિક આઉટપુટ આપી શકતા નેટિવલી મલ્ટીમોડલ મોડલ સાથે ઉપયોગી અને મૂલ્યવાન ઇમેજ જનરેશનને અનલૉક કરવું.

ChatGPT માં અજમાવો

લોડિંગ…

OpenAI માં, અમે લાંબા સમયથી માનતા આવ્યા છીએ કે ઇમેજ જનરેશન અમારા ભાષા મોડેલ્સની મુખ્ય ક્ષમતા હોવી જોઈએ. તેથી જ અમે GPT‑4o માં અત્યાર સુધીનો અમારો સૌથી અદ્યતન ઇમેજ જનરેટર બનાવ્યો છે. પરિણામ—એવું ઇમેજ જનરેશન જે માત્ર સુંદર જ નહીં, પરંતુ ઉપયોગી પણ છે.

A wide image taken with a phone of a glass whiteboard, in a room overlooking the Bay Bridge. The field of view shows a woman writing, sporting a tshirt wiith a large OpenAI logo. The handwriting looks natural and a bit messy, and we see the photographer's reflection.

The text reads:

(left)
"Transfer between Modalities:

Suppose we directly model
p(text, pixels, sound) [equation]
with one big autoregressive transformer.

Pros:
* image generation augmented with vast world knowledge
* next-level text rendering
* native in-context learning
* unified post-training stack

Cons:
* varying bit-rate across modalities
* compute not adaptive"

(Right)
"Fixes:
* model compressed representations
* compose autoregressive prior with a powerful decoder"

On the bottom right of the board, she draws a diagram:
"tokens -> [transformer] -> [diffusion] -> pixels"

^{Best of 8}

selfie view of the photographer, as she turns around to high five him

^{Best of 8}

ઉપયોગી ઇમેજ જનરેશન

પ્રથમ ગુફા ચિત્રોથી લઈને આધુનિક ઇન્ફોગ્રાફિક્સ સુધી, માનવોએ દૃશ્ય કલ્પનાઓનો ઉપયોગ માત્ર સજાવટ માટે નહીં, પરંતુ સંદેશ આપવા, મનાવવા અને વિશ્લેષણ કરવા માટે કર્યો છે. આજના જનરેટિવ મોડેલ્સ અદ્ભુત અને અલૌકિક દૃશ્યો રચી શકે છે, પરંતુ લોકો માહિતી વહેંચવા અને બનાવવા માટે જે કાર્યકારી દૃશ્યો વાપરે છે તેમાં તેઓ સંઘર્ષ કરે છે. લોગોથી લઈને ડાયગ્રામ્સ સુધી, જ્યારે ઇમેજને એવા symbols સાથે વિસ્તૃત કરવામાં આવે છે જે સંયુક્ત ભાષા અને અનુભવનો સંદર્ભ આપે છે, ત્યારે તે ચોક્કસ અર્થ પહોંચાડી શકે છે.

GPT‑4o ઇમેજ જનરેશન ટેક્સ્ટને ચોક્કસ રીતે render કરવામાં, પ્રોમ્પ્ટ્સને સચોટ રીતે અનુસરવામાં, અને 4o ના મૂળભૂત જ્ઞાનભંડાર તથા ચેટ સંદર્ભનો લાભ લેવા માં ઉત્તમ છે—જેમાં અપલોડ કરેલી ઇમેજને રૂપાંતરિત કરવી અથવા દૃશ્ય પ્રેરણા તરીકે ઉપયોગ કરવો શામેલ છે. આ ક્ષમતાઓ તમને મનમાં હોય એવી જ ઇમેજ બનાવવી વધુ સરળ બનાવે છે, visuals દ્વારા વધુ અસરકારક રીતે સંદેશ આપવા મદદ કરે છે, અને ઇમેજ જનરેશનને ચોકસાઇ અને શક્તિ સાથે પ્રાયોગિક સાધન તરીકે આગળ વધારે છે.

સુધારેલી ક્ષમતાઓ

અમે અમારા મોડેલ્સને ઑનલાઇન ઇમેજ અને ટેક્સ્ટના સંયુક્ત વિતરણ પર ટ્રેન કર્યા છે, જેથી માત્ર ઇમેજ ભાષા સાથે કેવી રીતે સંબંધિત છે તે જ નહીં, પણ તેઓ એકબીજા સાથે કેવી રીતે સંબંધિત છે તે પણ શીખી શકાય. આક્રમક post-training સાથે મળીને, પરિણામે મળેલું મોડલ આશ્ચર્યજનક દૃશ્ય પ્રવાહિતા ધરાવે છે, અને ઉપયોગી, સાતત્યપૂર્ણ તથા સંદર્ભ-જાગૃત ઇમેજ જનરેટ કરવાની ક્ષમતા ધરાવે છે.

ટેક્સ્ટ રેન્ડરિંગ

એક ચિત્ર હજાર શબ્દો જેટલું મૂલ્યવાન હોઈ શકે છે, પરંતુ ક્યારેક યોગ્ય જગ્યાએ થોડા શબ્દો જનરેટ કરવાથી ઇમેજનો અર્થ વધુ ઊંચો થઈ શકે છે. 4o ની imagery સાથે ચોક્કસ symbols મિશ્રિત કરવાની ક્ષમતા ઇમેજ જનરેશનને દૃશ્ય સંચાર માટેના સાધનમાં ફેરવે છે.

Create a photorealistic image of two witches in their 20s (one ash balayage, one with long wavy auburn hair) reading a street sign.

Context:
a city street in a random street in Williamsburg, NY with a pole covered entirely by numerous detailed street signs (e.g., street sweeping hours, parking permits required, vehicle classifications, towing rules), including few ridiculous signs at the middle: (paraphrase it to make these legitimate street signs)"Broom Parking for Witches Not Permitted in Zone C" and "Magic Carpet Loading and Unloading Only (15-Minute Limit)" and "Reindeer Parking by Permit Only (Dec 24–25)
Violators will be placed on Naughty List." The signpost is on the right of a street. Do not repeat signs. Signs must be realistic.

Characters:
one witch is holding a broom and the other has a rolled-up magic carpet. They are in the foreground, back slightly turned towards the camera and head slightly tilted as they scrutinize the signs.

Composition from background to foreground:
streets + parked cars + buildings -> street sign -> witches. Characters must be closest to the camera taking the shot

^{Best of ~8}

મલ્ટી-ટર્ન જનરેશન

કારણ કે ઇમેજ જનરેશન હવે GPT‑4o માં નેટિવ છે, તમે સ્વાભાવિક વાતચીત દ્વારા ઇમેજને વધુ સુધારી શકો છો. GPT‑4o ચેટના સંદર્ભમાં ઇમેજ અને ટેક્સ્ટ પર આધારિત બની શકે છે, જે સમગ્ર પ્રક્રિયામાં સાતત્ય જાળવે છે. ઉદાહરણ તરીકે, જો તમે વિડિયો ગેમનું પાત્ર ડિઝાઇન કરી રહ્યા હો, તો તમે સુધારો અને પ્રયોગ કરો તેમ અનેક iterations દરમિયાન પાત્રનું દેખાવ સુસંગત રહે છે.

Give this cat a detective hat and a monocle

^{Best of 1}

turn this into a triple A video games made with a 4k game engine and add some User interface as overlay from a mystery RPG where we can see a health bar and a minimap at the top as well as spells at the bottom with consistent and iconography

^{Best of 1}

update to a landscape image 16:9 ratio, add more spells in the UI, and unzoom the visual so that we see the cat in a third person view walking through a steampunk manhattan creating beautiful contrast and lighting like in the best triple A game, with cool-toned colors

^{Best of 2}

create the interface when the player opens the menu and we see the cat's character profile with his equipment and another page showing active quests (and it should make sense in relationship with the universe worldbuilding we are describing in the image)

^{Best of 8}

credit creator: Manuel Sainsily

સૂચનાઓનું અનુસરણ

GPT‑4o નું ઇમેજ જનરેશન વિગતવાર પ્રોમ્પ્ટ્સને સૂક્ષ્મ ધ્યાન સાથે અનુસરે છે. જ્યારે અન્ય સિસ્ટમ્સ ~5-8 વસ્તુઓ સાથે સંઘર્ષ કરે છે, ત્યારે GPT‑4o 10-20 સુધી વિવિધ વસ્તુઓ સંભાળી શકે છે. વસ્તુઓને તેમના લક્ષણો અને સંબંધો સાથેનું વધુ કડક બાઇન્ડિંગ વધુ સારું નિયંત્રણ આપે છે.

A square image containing a 4 row by 4 column grid containing 16 objects on a white background. Go from left to right, top to bottom. Here's the list:
1. a blue star
2. red triangle
3. green square
4. pink circle
5. orange hourglass
6. purple infinity sign
7. black and white polka dot bowtie
8. tiedye "42"
9. an orange cat wearing a black baseball cap
10. a map with a treasure chest
11. a pair of googly eyes
12. a thumbs up emoji
13. a pair of scissors
14. a blue and white giraffe
15. the word "OpenAI" written in cursive
16. a rainbow-colored lightning bolt

^{Best of 5}

ઇન-કોન્ટેક્સ્ટ લર્નિંગ

GPT‑4o વપરાશકર્તા દ્વારા અપલોડ કરેલી ઇમેજનું વિશ્લેષણ કરી શકે છે અને તેમાંથી શીખી શકે છે, અને ઇમેજ જનરેશનને માર્ગદર્શન આપવા માટે તેમની વિગતોને તેના સંદર્ભમાં સરળતાથી એકીકૃત કરે છે.

draw a design for a vehicle with triangular wheels, using these images as reference.
label the front wheel, the back wheel, and at the of the diagram say (in small caps)
TRIANGLE WHEELED VEHICLE. English Patent. 2025. OPENAI.

^{Best of ~16}

now put this in a photo taken in new york city.

^{Best of ~16}

વિશ્વ જ્ઞાન

નેટિવ ઇમેજ જનરેશન 4o ને ટેક્સ્ટ અને ઇમેજ વચ્ચેનું તેનું જ્ઞાન જોડવાની ક્ષમતા આપે છે, જેના પરિણામે મોડલ વધુ બુદ્ધિશાળી અને વધુ કાર્યક્ષમ લાગે છે.

Code Example (Three.js)

HTML

1<!DOCTYPE html>
2<html lang="en">
3  <head>
4    <meta charset="UTF-8" />
5    <title>OpenAI Banner</title>
6    <style>
7      body { margin: 0; overflow: hidden; }
8      canvas { display: block; }
9    </style>
10  </head>
11  <body>
12    <script type="module">
13      import * as THREE from 'https://cdn.jsdelivr.net/npm/three@0.160.0/build/three.module.js';
14      import { OrbitControls } from 'https://cdn.jsdelivr.net/npm/three@0.160.0/examples/jsm/controls/OrbitControls.js';
15      import { FontLoader } from 'https://cdn.jsdelivr.net/npm/three@0.160.0/examples/jsm/loaders/FontLoader.js';
16      import { TextGeometry } from 'https://cdn.jsdelivr.net/npm/three@0.160.0/examples/jsm/geometries/TextGeometry.js';
17
18      const scene = new THREE.Scene();
19      const camera = new THREE.PerspectiveCamera(45, window.innerWidth / window.innerHeight, 0.1, 1000);
20      const renderer = new THREE.WebGLRenderer({ antialias: true });
21      renderer.setSize(window.innerWidth, window.innerHeight);
22      document.body.appendChild(renderer.domElement);
23
24      // Lighting
25      const light = new THREE.AmbientLight(0xffffff, 1);
26      scene.add(light);
27
28      const dirLight = new THREE.DirectionalLight(0xffffff, 1);
29      dirLight.position.set(0, 5, 10);
30      scene.add(dirLight);
31
32      // Camera position
33      camera.position.z = 20;
34
35      // Controls
36      const controls = new OrbitControls(camera, renderer.domElement);
37
38      // Banner background
39      const bannerGeometry = new THREE.PlaneGeometry(20, 10);
40      const bannerMaterial = new THREE.MeshStandardMaterial({ color: 0x1a1a1a });
41      const banner = new THREE.Mesh(bannerGeometry, bannerMaterial);
42      scene.add(banner);
43
44      // OpenAI Logo texture (placeholder)
45      const loader = new THREE.TextureLoader();
46      loader.load('https://upload.wikimedia.org/wikipedia/commons/4/4d/OpenAI_Logo.svg', texture => {
47        const logoGeometry = new THREE.PlaneGeometry(4, 4);
48        const logoMaterial = new THREE.MeshBasicMaterial({ map: texture, transparent: true });
49        const logo = new THREE.Mesh(logoGeometry, logoMaterial);
50        logo.position.set(-5, 0, 0.1); // Slightly in front of the banner
51        scene.add(logo);
52      });
53
54      // Load font and add text
55      const fontLoader = new FontLoader();
56      fontLoader.load('https://threejs.org/examples/fonts/helvetiker_regular.typeface.json', font => {
57        const textGeometry = new TextGeometry("I am 4-o", {
58          font: font,
59          size: 1,
60          height: 0.2,
61          curveSegments: 12,
62          bevelEnabled: true,
63          bevelThickness: 0.02,
64          bevelSize: 0.02,
65          bevelOffset: 0,
66          bevelSegments: 5
67        });
68
69        textGeometry.center();
70
71        const textMaterial = new THREE.MeshStandardMaterial({ color: 0x00ffcc });
72        const textMesh = new THREE.Mesh(textGeometry, textMaterial);
73        textMesh.position.set(5, -0.5, 0.1); // Opposite side of logo
74        scene.add(textMesh);
75      });
76
77      // Resize handler
78      window.addEventListener('resize', () => {
79        camera.aspect = window.innerWidth / window.innerHeight;
80        camera.updateProjectionMatrix();
81        renderer.setSize(window.innerWidth, window.innerHeight);
82      });
83
84      // Render loop
85      function animate() {
86        requestAnimationFrame(animate);
87        controls.update();
88        renderer.render(scene, camera);
89      }
90
91      animate();
92    </script>
93  </body>
94</html>

make an image of what this means to you

ફોટોરિયલિઝમ અને શૈલી

ઇમેજની શૈલીઓની વિશાળ વિવિધતા દર્શાવતી ઇમેજ પરનું ટ્રેનિંગ મોડલને વિશ્વસનીય રીતે ઇમેજ બનાવવા અથવા રૂપાંતરિત કરવાની મંજૂરી આપે છે.

A candid paparazzi-style photo of Karl Marx hurriedly walking through the parking lot of the Mall of America, glancing over his shoulder with a startled expression as he tries to avoid being photographed. He’s clutching multiple glossy shopping bags filled with luxury goods. His coat flutters behind him in the wind, and one of the bags is swinging as if he’s mid-stride. Blurred background with cars and a glowing mall entrance to emphasize motion. Flash glare from the camera partially overexposes the image, giving it a chaotic, tabloid feel.
A candid paparazzi-style photo of Karl Marx hurriedly walking through the parking lot of the Mall of America, glancing over his shoulder with a startled expression as he tries to avoid being photographed. He’s clutching multiple glossy shopping bags filled with luxury goods. His coat flutters behind him in the wind, and one of the bags is swinging as if he’s mid-stride. Blurred background with cars and a glowing mall entrance to emphasize motion. Flash glare from the camera partially overexposes the image, giving it a chaotic, tabloid feel.
A candid paparazzi-style photo of Karl Marx hurriedly walking through the parking lot of the Mall of America, glancing over his shoulder with a startled expression as he tries to avoid being photographed. He’s clutching multiple glossy shopping bags filled with luxury goods. His coat flutters behind him in the wind, and one of the bags is swinging as if he’s mid-stride. Blurred background with cars and a glowing mall entrance to emphasize motion. Flash glare from the camera partially overexposes the image, giving it a chaotic, tabloid feel.

A cat looking into a puddle of water on a street, but its reflection is that of a tiger, and both reflections are realistically distorted by ripples in the water — A candid paparazzi-style photo of Karl Marx hurriedly walking through the parking lot of the Mall of America, glancing over his shoulder with a startled expression as he tries to avoid being photographed. He’s clutching multiple glossy shopping bags filled with luxury goods. His coat flutters behind him in the wind, and one of the bags is swinging as if he’s mid-stride. Blurred background with cars and a glowing mall entrance to emphasize motion. Flash glare from the camera partially overexposes the image, giving it a chaotic, tabloid feel.
A candid paparazzi-style photo of Karl Marx hurriedly walking through the parking lot of the Mall of America, glancing over his shoulder with a startled expression as he tries to avoid being photographed. He’s clutching multiple glossy shopping bags filled with luxury goods. His coat flutters behind him in the wind, and one of the bags is swinging as if he’s mid-stride. Blurred background with cars and a glowing mall entrance to emphasize motion. Flash glare from the camera partially overexposes the image, giving it a chaotic, tabloid feel.
A candid paparazzi-style photo of Karl Marx hurriedly walking through the parking lot of the Mall of America, glancing over his shoulder with a startled expression as he tries to avoid being photographed. He’s clutching multiple glossy shopping bags filled with luxury goods. His coat flutters behind him in the wind, and one of the bags is swinging as if he’s mid-stride. Blurred background with cars and a glowing mall entrance to emphasize motion. Flash glare from the camera partially overexposes the image, giving it a chaotic, tabloid feel.

મર્યાદાઓ

અમારું મોડલ સંપૂર્ણ નથી. હાલ અમને અનેક મર્યાદાઓની જાણ છે, જેને પ્રારંભિક લોન્ચ પછી મોડલ સુધારાઓ દ્વારા ઉકેલવા માટે અમે કામ કરીશું.

અમે ધ્યાન આપ્યું છે કે GPT‑4o ક્યારેક પોસ્ટર જેવી લાંબી ઇમેજને ખૂબ જ ટાઇટ રીતે crop કરી શકે છે, ખાસ કરીને નીચેના ભાગની નજીક.

સુરક્ષા

અમારા મોડલ સ્પેક મુજબ, અમે ગેમ ડેવલપમેન્ટ, ઐતિહાસિક અન્વેષણ અને શિક્ષણ જેવા મૂલ્યવાન ઉપયોગકેસને સમર્થન આપીને સર્જનાત્મક સ્વતંત્રતાને મહત્તમ કરવાનો ઉદ્દેશ રાખીએ છીએ—સાથે જ મજબૂત સુરક્ષા ધોરણો જાળવી રાખીએ છીએ. તે જ સમયે, આ ધોરણોનું ઉલ્લંઘન કરતી વિનંતીઓને અવરોધિત કરવું પહેલાની જેમ જ મહત્વનું છે. નીચે વધારાના જોખમ ક્ષેત્રોના મૂલ્યાંકન છે, જ્યાં અમે સુરક્ષિત, ઉચ્ચ-ઉપયોગી કન્ટેન્ટને સક્ષમ કરવા અને વપરાશકર્તાઓ માટે વ્યાપક સર્જનાત્મક અભિવ્યક્તિને સમર્થન આપવા પર કામ કરી રહ્યા છીએ.

C2PA અને આંતરિક reversible search દ્વારા provenance
બધી જનરેટ થયેલી ઇમેજ C2PA⁠ metadata સાથે આવે છે, જે પારદર્શિતા આપવા માટે ઇમેજ GPT‑4o તરફથી આવી છે તે ઓળખશે. અમે એક આંતરિક શોધ સાધન પણ બનાવ્યું છે જે જનરેશનના ટેક્નિકલ લક્ષણોનો ઉપયોગ કરીને કન્ટેન્ટ અમારા મોડલમાંથી આવ્યું છે કે નહીં તે ચકાસવામાં મદદ કરે છે.

ખરાબ વસ્તુઓને બ્લોક કરવી
અમે અમારી કન્ટેન્ટ નીતિઓનું ઉલ્લંઘન કરતી હોઈ શકે તેવી જનરેટેડ ઇમેજની વિનંતીઓને બ્લોક કરવાનું ચાલુ રાખી રહ્યા છીએ, જેમ કે બાળ યૌન શોષણ સામગ્રી અને sexual deepfakes. જ્યારે વાસ્તવિક લોકોની ઇમેજ સંદર્ભમાં હોય, ત્યારે કઈ પ્રકારની imagery બનાવી શકાય તે અંગે અમારી વધુ કડક મર્યાદાઓ છે, ખાસ કરીને નગ્નતા અને ગ્રાફિક હિંસા આસપાસ ખૂબ મજબૂત સુરક્ષા ઉપાયો સાથે. કોઈપણ લોન્ચની જેમ, સુરક્ષાનું કામ ક્યારેય પૂર્ણ થતું નથી અને તે સતત રોકાણનું ક્ષેત્ર છે. વાસ્તવિક દુનિયામાં આ મોડલના ઉપયોગ વિશે અમે વધુ શીખીશું તેમ, અમે અમારી નીતિઓને તે મુજબ સમાયોજિત કરીશું.

અમારા અભિગમ વિશે વધુ જાણવા માટે, ઇમેજ જનરેશન GPT‑4o સિસ્ટમ કાર્ડ માટેનું પરિશિષ્ટ⁠ જુઓ.

સુરક્ષાને શક્તિ આપવા માટે reasoning નો ઉપયોગ
અમારા વિચાર-વિમર્શ આધારિત અલાઇનમેન્ટ⁠ કાર્ય જેવું જ, અમે માનવો દ્વારા લખાયેલ અને અર્થઘટન કરી શકાય તેવી સુરક્ષા સ્પેસિફિકેશન્સ પરથી સીધું કામ કરવા માટે એક reasoning LLM ને ટ્રેન કર્યું છે. વિકાસ દરમિયાન અમે આ reasoning LLM નો ઉપયોગ અમારી નીતિઓમાં રહેલી અસ્પષ્ટતાઓ ઓળખવામાં અને દૂર કરવામાં મદદ માટે કર્યો. ChatGPT અને Sora માટે વિકસાવવામાં આવેલી અમારી મલ્ટીમોડલ પ્રગતિઓ અને વર્તમાન સુરક્ષા તકનીકો સાથે મળીને, આ અમને અમારી નીતિઓ સામે ઇનપુટ ટેક્સ્ટ અને આઉટપુટ ઇમેજ બંનેને મોડરેટ⁠ કરવાની મંજૂરી આપે છે.

ઍક્સેસ અને ઉપલબ્ધતા

4o ઇમેજ જનરેશન આજથી Plus, Pro, Team અને Free વપરાશકર્તાઓ માટે ChatGPT માં ડિફૉલ્ટ ઇમેજ જનરેટર તરીકે રોલ આઉટ થઈ રહ્યું છે, અને Enterprise તથા Edu માટે ઍક્સેસ ટૂંક સમયમાં આવશે. તે Sora માં ઉપયોગ માટે પણ ઉપલબ્ધ છે. જેમના દિલમાં DALL·E માટે ખાસ સ્થાન છે, તેઓ હજી પણ સમર્પિત DALL·E GPT દ્વારા તેને ઍક્સેસ કરી શકે છે.

ડેવલપર્સ ટૂંક સમયમાં API દ્વારા GPT‑4o સાથે ઇમેજ જનરેટ કરી શકશે, અને આગામી થોડા અઠવાડિયામાં ઍક્સેસ રોલ આઉટ થશે.

ઇમેજ બનાવવી અને કસ્ટમાઇઝ કરવી GPT‑4o સાથે ચેટિંગ જેટલી સરળ છે - ફક્ત તમને શું જોઈએ છે તે વર્ણવો, જેમાં aspect ratio, hex codes વડે ચોક્કસ રંગો, અથવા transparent background જેવી વિગતો સામેલ હોય. કારણ કે આ મોડલ વધુ વિગતવાર તસવીરો બનાવે છે, ઇમેજને render થવામાં વધુ સમય લાગે છે, ઘણીવાર એક મિનિટ સુધી.

credit creator: [Alex Duffy](https://every.to/@AlxAi)
credit creator: [Alex Duffy](https://every.to/@AlxAi)
credit creator: [Alex Duffy](https://every.to/@AlxAi)

credit creator: [August Kamp](https://www.instagram.com/august.kamp/?igsh=MTRpeG9xd3F2MzEyeg#) — credit creator: [Alex Duffy](https://every.to/@AlxAi)
credit creator: [Alex Duffy](https://every.to/@AlxAi)
credit creator: [Alex Duffy](https://every.to/@AlxAi)

લાઇવસ્ટ્રીમ રીપ્લે

લેખક

OpenAI

નેતૃત્વ

Gabriel Goh: ઇમેજ જનરેશન

Jackie Shannon: ChatGPT પ્રોડક્ટ

Mengchao Zhong, Wayne Chang: ChatGPT એન્જિનિયરિંગ

Rohan Sahai: Sora પ્રોડક્ટ અને એન્જિનિયરિંગ

Brendan Quinn, Tomer Kaftan: ઇન્ફરન્સ

Prafulla Dhariwal: મલ્ટીમોડલ ઓર્ગેનાઇઝેશન

રિસર્ચ

ફાઉન્ડેશનલ રિસર્ચ

Allan Jabri, David Medina, Gabriel Goh, Kenji Hata, Lu Liu, Prafulla Dhariwal

કોર રિસર્ચ

Aditya Ramesh, Alex Nichol, Casey Chu, Cheng Lu, Dian Ang Yap, Heewoo Jun, James Betker, Jianfeng Wang, Long Ouyang, Li Jing, Wesam Manassra

રિસર્ચ યોગદાનકર્તાઓ

Aiden Low, Brandon McKinzie, Charlie Nash, Huiwen Chang, Ishaan Gulrajani, Jamie Kiros, Ji Lin, Kshitij Gupta, Yang Song

મોડલ બેહેવિયર

Laurentia Romaniuk

મલ્ટીમોડલ ઓર્ગેનાઇઝેશન

Andrew Gibiansky, Yang Lu

ડેટા

ડેટા લીડ્સ

Gildas Chabot, James Park Lennon

ડેટા

Arshi Bhatnagar, Dragos Oprica, Rohan Kshirsagar, Spencer Papay, Szi-chieh Yu, Wesam Manassra, Yilei Qian

મોડરેટર્સ

Hazel Byrne, Jennifer Luckenbill, Mariano López

હ્યુમન ડેટા એડવાઇઝર્સ

Long Ouyang

સ્કેલિંગ

ઇન્ફરન્સ લીડ્સ

Brendan Quinn, Tomer Kaftan

ઇન્ફરન્સ

Alyssa Huang, Jacob Menick, Nick Stathas, Ruslan Vasilev, Stanley Hsieh

એપ્લાઇડ

ChatGPT પ્રોડક્ટ લીડ

Jackie Shannon

ChatGPT એન્જિનિયરિંગ લીડ્સ

Mengchao Zhong, Wayne Chang

પ્રોડક્ટ ડિઝાઇન લીડ

Matt Chan

ડેટા સાયન્સ

Xiaolin Hao

ChatGPT

Andrew Sima, Annie Cheng, Benjamin Goh, Boyang Niu, Dian Ang Yap, Duc Tran, Edede Oiwoh, Eric Zhang, Ethan Chang, Jeffrey Dunham, Jay Chen, Kan Wu, Karen Li, Kelly Stirman, Mengyuan Xu, Michelle Qin, Ola Okelola, Pedro Aguilar, Rocky Smith, Rohit Ramchandani, Sara Culver, Sean Fitzgerald, Vlad Fomenko, Wanning Jiang, Wesam Manassra, Xiaolin Hao, Yilei Qian

Sora

Sora પ્રોડક્ટ લીડ્સ

Rohan Sahai, Wesam Manassra

Sora પ્રોડક્ટ અને એન્જિનિયરિંગ

Boyang Niu, David Schnurr, Gilman Tolle, Joe Taylor, Joey Flynn, Mike Starr, Rajeev Nayak, Rohan Sahai, Wesam Manassra

સુરક્ષા

સુરક્ષા લીડ

Somay Jain

સુરક્ષા

Alex Beutel, Andrea Vallone, Botao Hao, Brendan Quinn, Cameron Raymond, Chong Zhang, David Robinson, Eric Wallace, Filippo Raso, Huiwen Chang, Ian Kivlichan, Irina Kofman, Keren Gu-Lemberg, Kristen Ying, Madelaine Boyd, Meghan Shah, Michael Lampe, Owen Campbell-Moore, Rohan Sahai, Rodrigo Riaza Perez, Sam Toizer, Sandhini Agarwal, Troy Peterson

સ્ટ્રેટેજી

Adam Cohen, Adam Wells, Ally Bennett, Ashley Pantuliano, Carolina Paz, Claudia Fischer, Declan Grabb, Gaby Sacramone-Lutz, Lauren Jonas, Ryan Beiermeister, Shiao Lee, Tom Stasi, Tyce Walters, Ziad Reslan, Zoe Stoll

માર્કેટિંગ અને કોમ્સ

કોમ્સ અને માર્કેટિંગ લીડ્સ

Minnia Feng, Natalie Summers, Taya Christianson

કોમ્સ

Alex Baker-Whitcomb, Ashley Tyra, Bailey Richardson, Gaby Raila, Marselus Cayton, Scott Ethersmith, Souki Mansoor

ડિઝાઇન અને ક્રિએટિવ

લીડ્સ

Kendra Rimbach, Veit Moeller

ડિઝાઇન

Adam Brandon, Adam Koppel, Angela Baek, Cary Hudson, Dana Palmie, Freddie Sulit, Jeffrey Sabin Matsumoto, Leyan Lo, Matt Nichols, Thomas Degry, Vanessa Antonia Schefke, Yara Khakbaz

વિશેષ આભાર

Aditya Ramesh, Aidan Clark, Alex Beutel, Ben Newhouse, Ben Rossen, Che Chang, Greg Brockman, Hannah Wong, Ishaan Singal, Jason Kwon, Jiacheng Feng, Jiahui Yu, Joanne Jang, Johannes Heidecke, Kevin Weil, Mark Chen, Mia Glaese, Nick Turley, Raul Puri, Reiichiro Nakano, Rui Shu, Sam Altman, Shuchao Bi, Vinnie Monaco