25 Mac 2025

Memperkenalkan 4o Penjanaan Imej

Membuka kunci penjanaan imej yang berguna dan berharga dengan model multimodal asli yang mampu memberikan output fotorealistik yang tepat dan jitu.

Cuba dalam ChatGPT

Memuat…

Di OpenAI, kami telah lama percaya bahawa penjanaan imej sepatutnya menjadi keupayaan utama model bahasa kami. Itulah sebabnya kami telah membina penjana imej kami yang paling canggih setakat ini ke dalam GPT‑4o. Hasilnya—penjanaan imej yang bukan sahaja indah, tetapi juga berguna.

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}

Penjanaan imej yang berguna

Dari lukisan gua pertama hingga infografik moden, manusia telah menggunakan imejan visual untuk berkomunikasi, memujuk, dan menganalisis—bukan hanya untuk menghias. Model generatif hari ini boleh mencipta adegan yang nyata dan menakjubkan, tetapi bergelut dengan imejan biasa yang digunakan orang ramai untuk berkongsi dan mencipta maklumat. Daripada logo kepada gambar rajah, imej boleh menyampaikan makna yang tepat apabila ditambah dengan simbol yang merujuk kepada bahasa dan pengalaman yang dikongsi.

Penjanaan imej GPT‑4o cemerlang dalam memaparkan teks dengan tepat, mengikuti prom dengan tepat, dan memanfaatkan pengetahuan asas dan konteks sembang 4o yang sedia ada—termasuk menukar imej yang dimuat naik atau menggunakannya sebagai inspirasi visual. Keupayaan ini memudahkan anda cipta imej yang anda bayangkan, membantu anda berkomunikasi dengan lebih berkesan melalui visual dan memajukan penjanaan imej menjadi alat praktikal dengan ketepatan dan kuasa.

Keupayaan yang ditingkatkan

Kami melatih model kami pada pengedaran bersama imej dan teks dalam talian, mempelajari bukan sahaja bagaimana imej berkaitan dengan bahasa, tetapi juga bagaimana ia berkaitan antara satu sama lain. Digabungkan dengan pasca latihan yang agresif, model yang dihasilkan mempunyai kefasihan visual yang mengejutkan, mampu menjana imej yang berguna, konsisten, dan sedar konteks.

Pemaparan teks

Gambar boleh menyampaikan pelbagai idea, tetapi kadang-kadang menjana beberapa perkataan di tempat yang betul boleh meningkatkan makna terhadap imej. Keupayaan 4o untuk menggabungkan simbol yang tepat dengan imejan menjadikan penjanaan imej 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}

Penjanaan berbilang giliran

Kerana penjanaan imej kini asli kepada GPT‑4o, anda boleh memperhalusi imej melalui perbualan semula jadi. GPT‑4o boleh membina atas imej dan teks dalam konteks sembang, memastikan konsistensi sepanjang masa. Contohnya, jika anda mereka bentuk aksara permainan video, penampilan aksara itu kekal koheren merentas berbilang lelaran semasa anda memperhalusi dan mencuba.

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

Mengikut arahan

Penjanaan imej GPT‑4o mengikuti prom terperinci dengan perhatian terhadap perincian. Walaupun sistem lain bergelut dengan ~5-8 objek, GPT‑4o boleh mengendalikan sehingga 10-20 objek yang berbeza. Pengikatan objek yang lebih erat kepada sifat dan hubungan mereka membolehkan kawalan 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 boleh menganalisis dan belajar daripada imej yang dimuat naik oleh pengguna, dengan lancar mengintegrasikan butirannya ke dalam konteks untuk memaklumkan penjanaan imej.

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

Penjanaan imej asli mendayakan 4o memautkan pengetahuannya antara teks dan imej, menghasilkan model yang kelihatan lebih pintar dan lebih cekap.

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

Latihan pada imej yang mencerminkan pelbagai gaya imej membolehkan model mencipta atau mengubah imej 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.

Had

Model kami tidak sempurna. Kami sedar terdapat pelbagai had pada masa ini yang kami perlu atasi melalui penambahbaikan model selepas pelancaran awal.

Kami perasan bahawa GPT‑4o kadangkala boleh memangkas imej yang lebih panjang, seperti poster, terlalu rapat, terutamanya di bahagian bawah.

Keselamatan

Selaras dengan Spesifikasi Model kami, kami berhasrat untuk memaksimumkan kebebasan kreatif dengan menyokong kes penggunaan yang berharga seperti pembangunan permainan, penerokaan sejarah, dan pendidikan—sambil mengekalkan standard keselamatan yang tinggi. Pada masa yang sama, ia tetap penting untuk menyekat permintaan yang melanggar piawaian tersebut. Di bawah adalah penilaian kawasan risiko tambahan di mana kami sedang berusaha untuk mendayakan kandungan yang selamat, berutiliti tinggi dan menyokong ekspresi kreatif yang lebih luas untuk pengguna.

Asal-usul melalui C2PA dan carian boleh balik dalaman
Semua imej yang dijana disertakan dengan metadata C2PA, yang akan mengenal pasti imej adalah berasal dari GPT‑4o, untuk memberikan ketelusan. Kami juga telah membina alat carian dalaman yang menggunakan atribut teknikal generasi untuk membantu mengesahkan sama ada kandungan berasal dari model kami.

Menyekat perkara buruk
Kami teruskan menyekat permintaan untuk janaan imej yang mungkin melanggar dasar kandungan kami, seperti bahan penderaan seksual kanak-kanak dan deepfakes seksual. Apabila imej orang sebenar berada dalam konteks, kami mempunyai sekatan yang lebih ketat mengenai jenis imej yang boleh dicipta, dengan perlindungan yang sangat kuat terhadap kebogelan dan keganasan grafik. Seperti mana-mana pelancaran, keselamatan tidak pernah selesai tetapi sebaliknya adalah bidang pelaburan yang sentiasa berterusan. Apabila kami mempelajari lebih lanjut tentang penggunaan dunia sebenar model ini, kami akan menyesuaikan dasar kami dengan sewajarnya.

Untuk maklumat lanjut tentang pendekatan kami, sila lawati tambahan kepada kad sistem GPT‑4o mengenai penjanaan imej⁠.

Menggunakan penaakulan untuk meningkatkan keselamatan
Sama seperti kerja penjajaran deliberatif⁠ kami, kami telah melatih LLM penaakulan untuk bekerja terus daripada spesifikasi keselamatan yang ditulis dan boleh ditafsirkan oleh manusia. Kami menggunakan LLM penaakulan ini semasa pembangunan untuk membantu kami mengenal pasti dan menangani kekaburan dalam dasar kami. Bersama-sama dengan kemajuan multimodal kami dan teknik keselamatan sedia ada yang dibangunkan untuk ChatGPT dan Sora, ia membolehkan kami menyederhanakan⁠ kedua-dua teks input dan imej output mengikut dasar kami.

Akses dan ketersediaan

Penjanaan imej 4o dilancarkan mulai hari ini kepada pengguna Plus, Pro, Team, dan Percuma sebagai penjana imej lalai dalam ChatGPT, dengan akses akan datang kepada Perusahaan dan Pendidikan tidak lama lagi. Ia juga boleh digunakan dalam Sora. Bagi mereka yang sangat gemar dengan DALL·E, ia masih boleh diakses melalui DALL·E GPT yang khusus.

Pembangun akan segera dapat menjana imej dengan GPT‑4o melalui API, dengan akses yang akan dilancarkan dalam beberapa minggu seterusnya.

Mencipta dan menyesuaikan imej adalah semudah sembang menggunakan GPT‑4o - hanya terangkan apa yang anda perlukan, termasuk sebarang butiran seperti nisbah aspek, warna tepat menggunakan kod hex, atau latar belakang lutsinar. Oleh kerana model ini mencipta gambar yang lebih terperinci, imej mengambil masa lebih lama untuk dipaparkan, biasanya sehingga satu minit.

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)

Ulangan semula siaran langsung

Penulis

OpenAI

Kepimpinan

Gabriel Goh: Penjanaan Imej

Jackie Shannon: Produk ChatGPT

Mengchao Zhong, Wayne Chang: Kejuruteraan ChatGPT

Rohan Sahai: Produk dan Kejuruteraan Sora

Brendan Quinn, Tomer Kaftan: Inferens

Prafulla Dhariwal: Organisasi Multimodal

Penyelidikan

Penyelidikan Asas

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

Penyelidikan Asas

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

Penyumbang Penyelidikan

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

Tingkah Laku Model

Laurentia Romaniuk

Organisasi Multimodal

Andrew Gibiansky, Yang Lu

Data

Ketua 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

Ketua Inferens

Brendan Quinn, Tomer Kaftan

Inferens

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

Diterapkan

Ketua Produk ChatGPT

Jackie Shannon

Ketua Kejuruteraan ChatGPT

Mengchao Zhong, Wayne Chang

Ketua Reka Bentuk Produk

Matt Chan

Sains 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

Ketua Produk Sora

Rohan Sahai, Wesam Manassra

Produk Sora dan Kejuruteraan

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

Keselamatan

Ketua 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

Ketua 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

Reka Bentuk & Kreativiti

Ketua-ketua

Kendra Rimbach, Veit Moeller

Reka bentuk

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

Ucapan terima kasih khas

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