O primeiro modelo de GPT Image foi revelado pela OpenAI como "GPT-4o image generation" em uma postagem de blog em 25 de março de 2025, desenvolvido com base no modelo GPT-4o para gerar imagens. Inicialmente, foi disponibilizado apenas para usuários pagos, com o lançamento para usuários gratuitos atrasado devido à alta demanda. O uso do recurso foi posteriormente limitado, com Sam Altman afirmando que as GPUs estavam "derretendo" devido ao nível de uso. A OpenAI afirmou mais tarde que mais de 130 milhões de usuários em todo o mundo criaram mais de 700 milhões de imagens na primeira semana. O modelo foi denominado GPT Image 1 ( gpt-image-1 ) e introduzido na API em 23 de abril. Uma versão com custo reduzido foi lançada como GPT Image 1 Mini ( gpt-image-1-mini ) em 6 de outubro, também no OpenAI DevDay 2025, com o custo na API 80% menor que o GPT Image 1.
Um novo modelo chamado GPT Image 1.5 ( gpt-image-1.5 ) foi apresentado em 16 de dezembro, sendo lançado globalmente como "ChatGPT Images" para todos os usuários e disponibilizado imediatamente via API. A OpenAI afirmou que o novo modelo pode fazer edições precisas, mantendo os detalhes intactos, e gera imagens até quatro vezes mais rápido. As entradas e saídas de imagens na API são 20% mais baratas no GPT Image 1.5 em comparação com o GPT Image 1.
Capacidades
Ao contrário dos predecessores de difusão dos modelos DALL-E 2 e DALL-E 3, os modelos GPT Image são autorregressivos com diversas novas capacidades, incluindo transformação de imagem para imagem, fotorrealismo avançado e seguimento detalhado de instruções. O GPT Image pode gerar imagens em três tamanhos, nomeadamente 1024 × 1024 (1:1, quadrado), 1536 × 1024 (3:2, paisagem) e 1024 × 1536 (2:3, retrato) pixels .
O GPT Image 1.5 aborda o recorte prematuro e o viés de cores quentes do modelo anterior, mas regrediu na geração de alguns estilos artísticos específicos. Além disso, a fragilidade na geração de múltiplos rostos e em alguns idiomas, como chinês, árabe, hebraico, etc., ainda persiste no modelo mais recente.
Recepção
Comentaristas de tecnologia geralmente consideraram o GPT Image como um avanço significativo na geração de imagens. O TechRadar destacou que o GPT Image 1 oferece um desempenho impressionante, capaz de produzir uma ampla gama de resultados, desde cenas fotorrealistas até ilustrações estilizadas, observando melhorias notáveis na renderização de texto e na integração multimodal em comparação com ferramentas anteriores. No entanto, o Heise Online relatou que o GPT Image 1 apresenta fragilidades técnicas, como artefatos de nitidez excessiva, uma tendência a cores quentes e erros comuns na renderização de poses humanas e sobreposições de objetos, indicando limitações no realismo dos resultados, apesar do desempenho geral robusto.
Impacto cultural
Uma imagem gerada pelo GPT Image 1 a partir da conta oficial do Twitter da Casa Branca, mostrando a prisão de um imigrante pelo governo Trump. A representação, no estilo do Studio Ghibli, foi alvo de críticas.
Após o lançamento do GPT Image 1 em março de 2025, fotografias recriadas no estilo dos filmes do Studio Ghibli viralizaram. Sam Altman reconheceu a tendência mudando sua foto de perfil no Twitter para uma inspirada no Studio Ghibli. A conta oficial da Casa Branca no Twitter publicou uma imagem no estilo Ghibli zombando da prisão, pelas autoridades de imigração, de Virginia Basora-Gonzalez, uma migrante deportada anteriormente após ser condenada por tráfico de fentanil, que a mostra chorando enquanto um agente de imigração a algema. A distribuidora norte-americana GKids respondeu à tendência em um comunicado à imprensa, comparando o uso do filtro ao relançamento simultâneo em IMAX do filme do Studio Ghibli de 1997, Princesa Mononoke .
