25 במרץ 2025

מציגים את יצירת התמונות באמצעות 4o

יצירת תמונות שימושיות ובעלות ערך באמצעות מודל רב-מודאלי מיסודו, שמסוגל להפיק תוצרים פוטוריאליסטיים מדויקים ונאמנים לבקשה.

נסו ב-ChatGPT

בפוסט זה הוצגה יצירת תמונות באמצעות 4o.

לחוויית יצירת התמונות העדכנית:

ChatGPT Images 2.5

צרו תמונות ב-ChatGPT

בטעינה…

ב-OpenAI אנחנו מאמינים זה מכבר שיצירת תמונות צריכה להיות יכולת מרכזית במודלי השפה שלנו. לכן שילבנו ב-GPT‑4o את מחולל התמונות המתקדם ביותר שלנו עד כה. התוצאה — יצירת תמונות שהן לא רק יפות, אלא גם שימושיות.

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}

יצירת תמונות שימושיות

מציורי המערות הראשונים ועד לאינפוגרפיקה המודרנית, בני אדם השתמשו בדימויים חזותיים כדי לתקשר, לשכנע ולנתח — ולא רק לקשט. המודלים הגנרטיביים של ימינו יכולים ליצור סצנות סוריאליסטיות עוצרות נשימה, אבל מתקשים ביצירת הדימויים השימושיים שאנשים נעזרים בהם ליצירת מידע ולשיתופו. מסמלי לוגו ועד תרשימים, תמונות יכולות להעביר משמעות מדויקת כשמשלבים בהן סמלים הנשענים על שפה וחוויות משותפות.

יכולת יצירת התמונות של GPT‑4o מצטיינת בהצגה מדויקת של טקסט, במילוי מדויק של הנחיות ובניצול בסיס הידע המובנה של 4o והקשר השיחה — כולל שינוי תמונות שהועלו או שימוש בהן כהשראה חזותית. היכולות האלה מקלות על יצירת התמונה המדויקת שאתם מדמיינים, עוזרות לכם להעביר מסרים ביעילות רבה יותר באמצעים חזותיים, והופכות את יצירת התמונות לכלי מעשי, מדויק ועוצמתי.

יכולות משופרות

אימנו את המודלים שלנו על ההתפלגות המשותפת של תמונות וטקסט ברשת, כך שילמדו לא רק את הקשר בין תמונות לשפה, אלא גם את הקשרים בין התמונות עצמן. בשילוב אימון המשך אינטנסיבי, התקבל מודל בעל שליטה מפתיעה בשפה החזותית, שמסוגל ליצור תמונות שימושיות ועקביות המותאמות להקשר.

יצירת טקסט בתמונות

תמונה שווה אלף מילים, אבל לפעמים כמה מילים במקום הנכון יכולות להעמיק את המשמעות שלה. היכולת של 4o לשלב סמלים מדויקים עם דימויים חזותיים הופכת את יצירת התמונות לכלי לתקשורת חזותית.

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}

יצירה לאורך שיחה

כעת, כשיצירת תמונות היא יכולת מובנית ב-GPT‑4o, אפשר לשפר ולדייק תמונות באמצעות שיחה טבעית. GPT‑4o יכול להתבסס על התמונות והטקסט שבהקשר השיחה ולשמור על עקביות לאורך התהליך. למשל, אם אתם מעצבים דמות למשחק וידאו, המראה שלה נשאר עקבי בין הגרסאות השונות בזמן שאתם מלטשים את העיצוב ומתנסים בו.

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

מילוי הוראות

יכולת יצירת התמונות של GPT‑4o ממלאת הנחיות מפורטות תוך הקפדה על הפרטים. בעוד שמערכות אחרות מתקשות להתמודד עם כ-5–8 אובייקטים, GPT‑4o יכול להתמודד עם עד 10–20 אובייקטים שונים. השיוך המדויק יותר של אובייקטים למאפייניהם וליחסים ביניהם מאפשר שליטה טובה יותר.

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}

למידה מתוך ההקשר

GPT‑4o יכול לנתח תמונות שמשתמשים מעלים וללמוד מהן, לשלב את פרטיהן בצורה חלקה בהקשר שלו ולהיעזר בהם ביצירת תמונות.

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}

ידע על העולם

יכולת יצירת התמונות המובנית מאפשרת ל-4o לקשר בין הידע שלו בטקסט ובתמונות, והתוצאה היא מודל שמרגיש חכם ויעיל יותר.

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

פוטוריאליזם וסגנון

אימון על תמונות במגוון עצום של סגנונות מאפשר למודל ליצור תמונות או לשנות אותן באופן משכנע.

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.

מגבלות

המודל שלנו אינו מושלם. אנחנו מודעים לכמה מגבלות שקיימות כרגע, ונפעל לטפל בהן באמצעות שיפורים במודל לאחר ההשקה הראשונית.

שמנו לב שלעיתים GPT‑4o חותך תמונות ארוכות, כמו כרזות, באופן הדוק מדי, במיוחד בחלקן התחתון.

בטיחות

בהתאם לספציקציית המודל שלנו, אנחנו שואפים לאפשר חופש יצירתי מרבי ולתמוך בשימושים מועילים כמו פיתוח משחקים, חקר ההיסטוריה וחינוך — תוך שמירה על תקני בטיחות מחמירים. לצד זאת, חשוב כתמיד לחסום בקשות שמפרות את התקנים האלה. להלן הערכות של תחומי סיכון נוספים שבהם אנחנו פועלים כדי לאפשר תוכן בטוח ומועיל ולתמוך בביטוי יצירתי רחב יותר של המשתמשים.

זיהוי מקור באמצעות C2PA וחיפוש הפוך פנימי
למען השקיפות, כל התמונות שנוצרות כוללות מטא-נתונים של C2PA⁠, המזהים את התמונה כתוצר של GPT‑4o. בנינו גם כלי חיפוש פנימי שמשתמש במאפיינים טכניים של התוצרים כדי לסייע לאמת אם תוכן נוצר באמצעות המודל שלנו.

חסימת תוכן מזיק
אנחנו ממשיכים לחסום בקשות ליצירת תמונות שעלולות להפר את מדיניות התוכן שלנו, כגון חומרי התעללות מינית בילדים ודיפ-פייק מיני. כאשר הקשר השיחה כולל תמונות של אנשים אמיתיים, אנחנו מחילים הגבלות מחמירות יותר על סוג התמונות שאפשר ליצור, עם אמצעי הגנה חזקים במיוחד בכל הנוגע לעירום ולאלימות גרפית. כמו בכל השקה, העבודה על בטיחות אינה מסתיימת לעולם, ואנחנו ממשיכים להשקיע בה באופן שוטף. ככל שנלמד יותר על השימוש במודל הזה בעולם האמיתי, נתאים את המדיניות שלנו בהתאם.

למידע נוסף על הגישה שלנו, עיינו בנספח לכרטיס המערכת של GPT‑4o⁠ העוסק ביצירת תמונות.

שימוש ב-reasoning לחיזוק הבטיחות
בדומה לעבודה שלנו על deliberative alignment⁠, אימנו LLM בעל יכולות reasoning לפעול ישירות לפי מפרטי בטיחות שנכתבו בידי בני אדם וניתנים להבנה אנושית. השתמשנו ב-LLM הזה, בעל יכולות reasoning, במהלך הפיתוח כדי לסייע לנו לזהות אי-בהירויות במדיניות שלנו ולטפל בהן. בשילוב ההתקדמות שלנו בתחום הרב-מודאלי וטכניקות הבטיחות הקיימות שפיתחנו עבור ChatGPT ו-Sora, הדבר מאפשר לנו לסנן תוכן⁠ בהתאם למדיניות שלנו, הן בטקסט הקלט והן בתמונות הפלט.

גישה וזמינות

החל מהיום, יצירת תמונות באמצעות 4o נפתחת בהדרגה למשתמשי Plus, Pro, Team ו-Free כמחולל התמונות המוגדר כברירת מחדל ב-ChatGPT. הגישה למשתמשי Enterprise ו-Edu תיפתח בקרוב. אפשר להשתמש בה גם ב-Sora. למי ששומרים בליבם מקום מיוחד ל-DALL·E, עדיין אפשר לגשת אליו דרך GPT ייעודי של DALL·E.

בקרוב יוכלו מפתחים ליצור תמונות באמצעות GPT‑4o דרך ה-API, והגישה תיפתח בהדרגה בשבועות הקרובים.

יצירת תמונות והתאמתן לצרכים שלכם פשוטות כמו שיחה עם GPT‑4o — רק תארו מה אתם צריכים, כולל פרטים כמו יחס גובה-רוחב, צבעים מדויקים באמצעות קודי הקס או רקע שקוף. מכיוון שהמודל הזה יוצר תמונות מפורטות יותר, יצירתן אורכת זמן רב יותר, לעיתים קרובות עד דקה.

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

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

הקלטת השידור החי

מחבר

OpenAI

הובלה

Gabriel Goh: יצירת תמונות

Jackie Shannon: מוצר ChatGPT

Mengchao Zhong, Wayne Chang: הנדסת ChatGPT

Rohan Sahai: מוצר והנדסה ב-Sora

Brendan Quinn, Tomer Kaftan: הסקה

Prafulla Dhariwal: חטיבה רב-מודאלית

מחקר

מחקר יסוד

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

מחקר ליבה

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

שותפים למחקר

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

התנהגות המודל

Laurentia Romaniuk

חטיבה רב-מודאלית

Andrew Gibiansky, Yang Lu

נתונים

מובילי תחום הנתונים

Gildas Chabot, James Park Lennon

נתונים

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

בודקי תוכן

Hazel Byrne, Jennifer Luckenbill, Mariano López

יועצים לנתונים ממקור אנושי

Long Ouyang

הרחבת היקף הפעילות

מובילי תחום ההסקה

Brendan Quinn, Tomer Kaftan

הסקה

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

יישום

הובלת המוצר של ChatGPT

Jackie Shannon

מובילי ההנדסה של ChatGPT

Mengchao Zhong, Wayne Chang

הובלת עיצוב המוצר

Matt Chan

מדע הנתונים

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

מובילי המוצר של Sora

Rohan Sahai, Wesam Manassra

מוצר והנדסה ב-Sora

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

בטיחות

הובלת תחום הבטיחות

Somay Jain

בטיחות

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

אסטרטגיה

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

שיווק ותקשורת

מובילי התקשורת והשיווק

Minnia Feng, Natalie Summers, Taya Christianson

תקשורת

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

עיצוב וקריאייטיב

מובילי התחום

Kendra Rimbach, Veit Moeller

עיצוב

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

תודות מיוחדות

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