GPT-4o — это первая по-настоящему мультимодальная модель OpenAI с встроенной функцией генерации изображений прямо в архитектуре. В отличие от DALL-E 3, который используется как отдельный инструмент, к которому обращается ChatGPT, GPT-4o создает изображения как часть своих основных возможностей и обеспечивает полностью интегрированный процесс. Это дает два революционных улучшения. Во-первых, GPT-4o наконец решает проблему текста на изображениях — теперь можно создавать постеры, меню и инфографику с читаемым текстом, который сразу получается корректным. Во-вторых, модель справляется со сложными сценами с множеством элементов, сохраняя правильные пространственные отношения между ними — то, с чем у прежних моделей возникали трудности. Вы также можете редактировать изображения с помощью обычных фраз, например "сделай фон темнее" или "перемести логотип выше" — модель запоминает контекст и сохраняет единообразие во всех ваших изменениях.