GPT Image

alapelterjedt

A GPT Image az OpenAI képkészítő modellcsaládja, a DALL-E utódja: szöveges kérésre képet rajzol vagy meglévő képet alakít át, a ChatGPT-ben is.

Érthetően

A GPT Image az a „rajzoló” a ChatGPT mögött, amely a leírásodból képet készít. Olyan, mint egy gyors kezű grafikus: elmondod, mit szeretnél, és ha nem tetszik az eredmény, szóban kérsz javítást, például „legyen esti fény” vagy „a felirat legyen piros”.

Plakátot, illusztrációt, termékfotó-vázlatot, ábrát vagy meghívót készíthetsz vele. Saját fotót is feltölthetsz, hogy átalakítsa vagy más stílusban újrarajzolja.

Az elődje, a DALL-E 3 is elérhető volt a ChatGPT-ben, de ott a csevegőprogram csak továbbította neki a szöveges kérést egy külön rajzolómodellnek. A GPT Image ezzel szemben a beszélgető modellel szorosan összeépített rendszer. Ezért jobban követi a hosszú, részletes kéréseket, olvashatóbb feliratot ír a képre, és figyelembe veszi a beszélgetés korábbi részét.

Hogyan működik

Leírod szövegben, mit szeretnél látni, és ha kell, csatolsz mintaképet vagy átalakítandó fotót.
A modell a szöveget és a képet közös rendszerben kezeli. Mindkettőt apró egységekre, úgynevezett tokenekre bontja.
Az OpenAI szerint a modell a képet lépésről lépésre állítja elő, hasonlóan ahhoz, ahogy egy nyelvi modell szavanként írja a mondatot. Közben figyel a kérésedre és a beszélgetés előzményeire. A pontos műszaki részleteket a cég nem hozta nyilvánosságra.
Beépített szűrők ellenőrzik a kérést és a kész képet. A fájlba eredetjelző adat (C2PA) is kerül arról, hogy a képet AI készítette, de ez az adat például képernyőképpel vagy újramentéssel könnyen elveszhet.
Ha valami nem jó, egy újabb mondattal kérsz módosítást. A modell ilyenkor a meglévő képet újrarajzolja, ezért néha olyan részletek is megváltozhatnak, amelyekhez nem akartál hozzányúlni.

Példa a mindennapokból

A gyereked szülinapi zsúrjára készülsz, és beírod a ChatGPT-be: „Rajzolj dinoszauruszos meghívót, rajta a felirat: Bence 7 éves, szombat 15 óra.” Egy-két perc múlva kapsz egy nyomtatható képet, és ha elírta a nevet, egy mondattal kijavíttatod.

Kit érint

marketingesKampányvázlatokat, közösségimédia-képeket és feliratos hirdetésterveket percek alatt készíthetsz vele, grafikusra várás nélkül. → Marketing

vállalkozó, vezetőKis költséggel jutsz illusztrációhoz, termékvizualizációhoz vagy logóötlethez, de a jogi és minőségi ellenőrzés a te felelősséged marad.

fejlesztőAPI-n keresztül saját alkalmazásba vagy agentbe építheted a képkészítést és a képszerkesztést. → Kód

mindenkiEgyre több képpel találkozol az interneten, amelyet ilyen modell készített, ezért érdemes kritikusan nézned, amit látsz.

Gyakori félreértés

TévhitA GPT Image az internetről keres ki és vág össze meglévő képeket.

ValójábanNem keres és nem ollóz: minden képet újonnan állít elő abból, amit a tanítása során a képek és a szövegek összefüggéseiről megtanult. A tanítóképek stílusa ettől még visszaköszönhet, ezért élő vita, mi számít másolásnak.

Korlátok és kockázatok

Hibázhat a részletekben: elírt felirat, pontatlan térkép vagy ábra, furcsa kezek, ezért használat előtt mindig nézd át a képet.
Élethű hamis képek is készíthetők vele, így egy fotószerű kép önmagában már nem bizonyíték semmire.
A szerzői jogi helyzet bizonytalan: védett figurák, élő alkotók stílusa vagy valós személyek ábrázolása jogi és etikai kockázatot hordoz.
A tartalmi szűrők egyes kéréseket elutasítanak, és a feltöltött képeidet a szolgáltató szerverei dolgozzák fel, tehát ne adj meg érzékeny fotót meggondolatlanul.

Hasonló, de nem ugyanaz

DALL-E – A DALL-E az OpenAI korábbi képgenerátor-családja volt, amely a ChatGPT-ben is csak továbbított szöveges kérésből dolgozott. Utódja, a GPT Image a beszélgető modellel összeépítve pontosabban követi a kérést és a feliratokat.
ChatGPT – A ChatGPT az alkalmazás, amelyben beszélgetsz; a GPT Image az a modell, amely a háttérben a képeket készíti.
Midjourney – A Midjourney egy másik cég képgenerátora, amelyet főleg a művészi látványvilága miatt kedvelnek. A GPT Image erőssége inkább az utasításkövetés, a képre írt szöveg és a párbeszédes szerkesztés.

Kapcsolódó fogalmak

Tágabb

generatív mesterséges intelligencia, képgenerálás, multimodális modell

Szűkebb

képszerkesztés szöveges utasítással

Rokon

DALL-E, Midjourney, Stable Diffusion, deepfake, prompt

Röviden a története

Az OpenAI 2021 januárjában mutatta be az első DALL-E képgenerátort, ezt 2022-ben a DALL-E 2, 2023-ban a DALL-E 3 követte. 2025 márciusában a ChatGPT-be a GPT-4o modellre épülő új képkészítő került. A fejlesztők 2025 áprilisától gpt-image-1 néven API-n is elérhették, azóta pedig újabb változatai is megjelentek, például a GPT Image 1.5.

Hol tart most

2026 végén a GPT Image-modellcsalád készíti a képeket a ChatGPT-ben, és API-n keresztül sok más alkalmazásba is beépült. A legismertebb képgenerátorok egyike, erős versenyben a Google és más cégek modelljeivel.

Állapot: 2026. november

Más nevei

GPT Image · gpt-image-1 · GPT Image 1.5 · GPT-4o képgenerálás · 4o Image Generation · ChatGPT Images · ChatGPT képgenerátor · OpenAI képmodell

Források

A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.