25 Maret 2025

Memperkenalkan Pembuatan Gambar 4o

Membuka potensi pembuatan gambar yang berguna dan berharga dengan model multimodal asli yang mampu menghasilkan keluaran yang tepat, akurat, dan fotorealistik.

Coba di ChatGPT

Memuat…

Di OpenAI, kami telah lama percaya bahwa pembuatan gambar seharusnya menjadi kemampuan utama dari model bahasa kami. Itulah mengapa kami telah membangun generator gambar tercanggih kami ke dalam GPT‑4o. Hasilnya—pembuatan gambar yang tidak hanya indah, tetapi juga bermanfaat.

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}

Pembuatan gambar yang bermanfaat

Dari lukisan gua pertama hingga infografis modern, manusia telah menggunakan citra visual untuk berkomunikasi, membujuk, dan menganalisis—bukan hanya untuk dekorasi. Model generatif saat ini dapat menciptakan adegan yang surealis dan menakjubkan, tetapi kesulitan dengan gambar-gambar yang sering digunakan orang untuk berbagi dan buat informasi. Dari logo hingga diagram, gambar dapat menyampaikan makna yang tepat ketika dilengkapi dengan simbol yang merujuk pada bahasa dan pengalaman bersama.

Pembuatan gambar GPT‑4o unggul dalam merender teks dengan akurat, mengikuti prompt dengan tepat, dan memanfaatkan basis pengetahuan serta konteks obrolan bawaan 4o—termasuk mengubah gambar yang diunggah atau menggunakannya sebagai inspirasi visual. Kemampuan ini memudahkan Anda untuk buat gambar persis seperti yang Anda bayangkan, membantu Anda berkomunikasi lebih efektif melalui visual dan memajukan pembuatan gambar menjadi alat praktis dengan presisi dan kekuatan.

Kemampuan yang ditingkatkan

Kami melatih model kami pada distribusi gabungan dari gambar dan teks online, mempelajari tidak hanya bagaimana gambar berhubungan dengan bahasa, tetapi juga bagaimana gambar tersebut saling berhubungan. Dikombinasikan dengan pelatihan pasca yang agresif, model yang dihasilkan memiliki kefasihan visual yang mengejutkan, mampu membuat gambar yang berguna, konsisten, dan sadar konteks.

Rendering teks

Sebuah gambar bernilai seribu kata, tetapi terkadang membuat beberapa kata di tempat yang tepat dapat meningkatkan makna sebuah gambar. Kemampuan 4o untuk memadukan simbol yang tepat dengan gambar menjadikan pembuatan gambar sebagai alat untuk komunikasi visual.

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}

Pembuatan multi-putaran

Karena pembuatan gambar sekarang menjadi fitur bawaan di GPT‑4o, Anda dapat menyempurnakan gambar melalui percakapan alami. GPT‑4o dapat membangun di atas gambar dan teks dalam konteks obrolan, memastikan konsistensi secara keseluruhan. Misalnya, jika Anda merancang karakter permainan video, penampilan karakter tersebut tetap konsisten di berbagai iterasi saat Anda menyempurnakan dan bereksperimen.

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

Mengikuti instruksi

Pembuatan gambar GPT‑4o mengikuti prompt yang terperinci dengan perhatian terhadap detail. Sementara sistem lain kesulitan dengan ~5-8 objek, GPT‑4o dapat menangani hingga 10-20 objek yang berbeda. Pengikatan yang lebih erat dari objek ke sifat-sifat dan relasinya memungkinkan kontrol yang lebih baik.

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}

Pembelajaran dalam konteks

GPT‑4o dapat menganalisis dan belajar dari gambar yang diunggah pengguna, dengan mulus mengintegrasikan detailnya ke dalam konteks untuk menginformasikan pembuatan gambar.

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}

Pengetahuan dunia

Pembuatan Gambar asli mengaktifkan 4o untuk membuat tautan pengetahuannya antara teks dan gambar, menghasilkan model yang terasa lebih cerdas dan lebih efisien.

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

Fotorealisme dan gaya

Pelatihan pada gambar yang mencerminkan berbagai macam gaya gambar memungkinkan model untuk membuat atau mengubah gambar dengan meyakinkan.

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.

Keterbatasan

Model kami tidak sempurna. Kami menyadari adanya beberapa keterbatasan saat ini yang akan kami upayakan untuk diatasi melalui perbaikan model setelah peluncuran awal.

Kami telah memperhatikan bahwa GPT‑4o kadang-kadang dapat memotong gambar yang lebih panjang, seperti poster, terlalu rapat, terutama di bagian bawah.

Keselamatan

Sesuai dengan Spesifikasi Model kami, kami bertujuan untuk memaksimalkan kebebasan kreatif dengan mendukung kasus penggunaan yang berharga seperti pengembangan game, eksplorasi sejarah, dan pendidikan—sambil mempertahankan standar keselamatan yang ketat. Pada saat yang sama, tetap sama pentingnya seperti sebelumnya untuk memblokir permintaan yang langgar standar tersebut. Di bawah ini adalah evaluasi dari area risiko tambahan di mana kami bekerja untuk mengaktifkan konten yang aman dan berdaya guna tinggi serta memberikan dukungan ekspresi kreatif yang lebih luas bagi para pengguna.

Asal usul melalui C2PA dan pencarian internal yang dapat dibalik
Semua gambar yang dihasilkan dilengkapi dengan metadata C2PA⁠, yang akan mengidentifikasi gambar tersebut berasal dari GPT‑4o, untuk memberikan transparansi. Kami juga telah membangun alat pencarian internal yang menggunakan atribut teknis dari generasi untuk membantu verifikasikan apakah konten berasal dari model kami.

Memblokir hal-hal buruk
Kami melanjutkan memblokir permintaan untuk gambar yang dibuat yang mungkin melanggar kebijakan konten kami, seperti materi pelecehan seksual anak dan deepfake seksual. Ketika gambar orang sungguhan berada dalam konteks, kami memiliki pembatasan yang lebih ketat mengenai jenis gambar yang dapat dibuat, dengan perlindungan yang sangat kuat terhadap ketelanjangan dan kekerasan grafis. Seperti halnya peluncuran apa pun, keselamatan tidak pernah selesai dan lebih merupakan area investasi yang berkelanjutan. Seiring kami mempelajari lebih lanjut tentang penggunaan model ini di dunia nyata, kami akan menyesuaikan kebijakan kami dengan semestinya.

Untuk informasi lebih lanjut tentang pendekatan kami, kunjungi adendum pada kartu sistem GPT‑4o⁠ tentang pembuatan gambar.

Menggunakan penalaran untuk meningkatkan keselamatan
Serupa dengan pekerjaan penyelarasan deliberatif⁠ kami, kami telah melatih LLM penalaran untuk bekerja langsung dari spesifikasi keselamatan yang ditulis dan dapat ditafsirkan oleh manusia. Kami menggunakan LLM penalaran ini selama pengembangan untuk membantu kami mengidentifikasi dan mengatasi ambiguitas dalam kebijakan kami. Bersama dengan kemajuan multimodal kami dan teknik keselamatan yang sudah ada yang dikembangkan untuk ChatGPT dan Sora, ini memungkinkan kami untuk moderasikan⁠ baik teks Masukan maupun gambar keluaran sesuai dengan kebijakan kami.

Akses dan ketersediaan

4o image generation rolls out starting today to Plus, Pro, Team, and Free users as the default image generator in ChatGPT, with access coming soon to Enterprise and Edu. It’s also available to use in Sora. For those who hold a special place in their hearts for DALL·E, it can still be accessed through a dedicated DALL·E GPT.

Developers will soon be able to generate images with GPT‑4o via the API, with access rolling out in the next few weeks.

Creating and customizing images is as simple as chatting using GPT‑4o - just describe what you need, including any specifics like aspect ratio, exact colors using hex codes, or a transparent background. Because this model creates more detailed pictures, images take longer to render, often up to one minute.

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)

Putar ulang siaran langsung

Penulis

OpenAI

Kepemimpinan

Gabriel Goh: Pembuatan Gambar

Jackie Shannon: Produk ChatGPT

Mengchao Zhong, Wayne Chang: Rekayasa ChatGPT

Rohan Sahai: Produk dan Teknik Rekayasa Sora

Brendan Quinn, Tomer Kaftan: Inferensi

Prafulla Dhariwal: Organisasi Multimodal

Riset

Penelitian Dasar

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

Penelitian Inti

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

Kontributor Penelitian

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

Perilaku Model

Laurentia Romaniuk

Organisasi Multimodal

Andrew Gibiansky, Yang Lu

Data

Pemimpin Data

Gildas Chabot, James Park Lennon

Data

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

Moderator

Hazel Byrne, Jennifer Luckenbill, Mariano López

Penasihat Data Manusia

Long Ouyang

Penskalaan

Pemimpin Inferensi

Brendan Quinn, Tomer Kaftan

Inferensi

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

Penerapan

Pemimpin Produk ChatGPT

Jackie Shannon

Pimpinan Rekayasa ChatGPT

Mengchao Zhong, Wayne Chang

Pemimpin Desain Produk

Matt Chan

Ilmu Data

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

Pemimpin Produk Sora

Rohan Sahai, Wesam Manassra

Produk dan Teknik Rekayasa Sora

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

Keselamatan

Pemimpin Keselamatan

Somay Jain

Keselamatan

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

Strategi

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

Pemasaran & Komunikasi

Pemimpin Komunikasi dan Pemasaran

Minnia Feng, Natalie Summers, Taya Christianson

Komunikasi

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

Desain & Kreativitas

Pemimpin

Kendra Rimbach, Veit Moeller

Desain

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

Terima Kasih Khusus

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

Memperkenalkan Pembuatan Gambar 4o

Pembuatan gambar yang bermanfaat

Kemampuan yang ditingkatkan

Rendering teks

Pembuatan multi-putaran

Mengikuti instruksi

Pembelajaran dalam konteks

Pengetahuan dunia

HTML

Fotorealisme dan gaya

Keterbatasan

Keselamatan

Akses dan ketersediaan

Putar ulang siaran langsung

Penulis

Kepemimpinan

Riset

Data

Penskalaan

Penerapan

Sora

Keselamatan

Strategi

Pemasaran &amp; Komunikasi

Desain &amp; Kreativitas

Terima Kasih Khusus

Pemasaran & Komunikasi

Desain & Kreativitas