Генерация изображений в GPT‑4o отличается точной визуализацией текста и выполнением промптов, по словам компании. Модель использует базу знаний и контекст из чата — картинки и текст. Например, при генерации персонажа для видеоигры его внешний вид будет оставаться неизменным, сколько бы правок не внёс пользователь.

Модель может обрабатывать до 10-20 различных объектов в одном изображении. Кроме того, она анализирует загруженные пользователем картинки и учитывает их в будущем. Теперь генерация занимает больше времени, порой — до минуты.

OpenAI отметила, что модель не всегда работает идеально. Например, иногда она может обрезать вытянутые изображения, некорректно визуализировать что-то, если картинка предполагает большое количество объектов (например, таблицу Менделеева), или галлюцинировать при использовании не латинских букв.

Генерация изображений 4o будет доступна в Sora, а также всем пользователям ChatGPT, в том числе бесплатным.