Vi presenterer 4o-bildegenerering

Hos OpenAI har vi lenge ment at bildegenerering bør være en primær funksjon i språkmodellene våre. Det er derfor vi har integrert vår mest avanserte bildegenerator hittil i GPT‑4o. Resultatet er bildegenerering som ikke bare er praktfull, men også nyttig.

Fra de første hulemaleriene til moderne infografikk – mennesker har brukt visuelle bilder for å kommunisere, promotere og analysere, ikke bare for å dekorere. Dagens generative modeller kan fremkalle surrealistiske, spektakulære scener, men har problemer med hverdagsbildene folk bruker for å dele og opprette informasjon. Bilder kan formidle presis mening i alt fra logoer til diagrammer når de forsterkes med symboler som refererer til et felles språk og felles erfaring.

GPT‑4o‑bildegenerering utmerker seg ved å gjengi tekst korrekt, følge meldinger presist og utnytte 4o’s iboende kunnskap og chat-kontekst, som å transformere opplastede bilder eller bruke dem som visuell inspirasjon. Disse funksjonene gjør det enklere å opprette akkurat det bildet du ser for deg, slik at du kan kommunisere mer effektivt ved hjelp av visuelle elementer og gjøre bildegenerering til et praktisk verktøy med presisjon og kraft.

Vi trente modellene våre på simultanfordelingen av bilder og tekst på nettet, og lærte ikke bare hvordan bilder er knyttet til språk, men også hvordan de er knyttet til hverandre. Dette, kombinert med aggressiv etteropplæring, har resultert i en modell med overraskende visuell flyt, som er i stand til å generere bilder som er nyttige, konsistente og kontekstbevisste.

Opplæring på bilder som reflekterer et bredt spekter av bildestiler, gjør det mulig for modellen å opprette eller transformere bilder på en overbevisende måte.

Modellen vår er ikke perfekt. For øyeblikket er vi klar over flere begrensninger som vi vil jobbe med å løse, gjennom forbedringer av modellen etter den første lanseringen.

I tråd med modellspesifikasjonene ønsker vi å maksimere kreativ frihet ved å støtte verdifulle bruksområder som spillutvikling, historisk utforskning og utdanning, samtidig som vi opprettholder strenge sikkerhetsstandarder. Og det er fortsatt like viktig som alltid å blokkere forespørsler som bryter med disse standardene. Nedenfor finner du evalueringer av ytterligere risikoområder der vi jobber med å gi mulighet for trygt og nyttig innhold og støtte bredere kreativt uttrykk for brukerne.

Proveniens via C2PA og internt reversibelt søk
Alle genererte bilder kommer med C2PA-metadata, som gir åpenhet ved å identifisere at et bilde kommer fra GPT‑4o. Vi har også utviklet et internt søkeverktøy som bruker tekniske attributter fra flere generasjoner for å bidra til å verifisere om innholdet stammer fra vår modell.

Vi blokkerer ondsinnet innhold
Vi fortsetter å blokkere forespørsler om genererte bilder som kan bryte retningslinjene våre for innhold, som seksuelt misbruk av barn og seksuelle deepfakes. Når bilder av ekte mennesker er i kontekst, har vi skjerpede restriksjoner på hva slags bilder som kan opprettes, med spesielt robuste sikkerhetstiltak rundt nakenhet og grov vold. Som med enhver lansering er sikkerhet aldri ferdig, men snarere et kontinuerlig investeringsområde. Etter hvert som vi lærer mer om bruken av denne modellen i den virkelige verden, justerer vi retningslinjene deretter.

For å lese mer om tilnærmingen vår kan du gå til bildegenereringstillegget til GPT‑4o‑systemkortet⁠.

Bruke resonnement for å styrke sikkerheten
I likhet med vårt arbeid med deliberativ tilpasning⁠ har vi trent en resonnerende LLM til å jobbe direkte ut fra menneskeskrevne og tolkbare sikkerhetsspesifikasjoner. Vi brukte denne resonnerende LLM-en under utviklingen for å hjelpe oss med å identifisere og håndtere uklarheter i retningslinjene våre. Sammen med våre multimodale forbedringer og eksisterende sikkerhetsteknikker utviklet for ChatGPT og Sora gjør dette oss i stand til å moderere⁠ både inndatatekst og utdatabilder i henhold til retningslinjene våre.

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.