GPT-4o image generation: năng lực, chi phí và giới hạn qua nguồn chính thức

GPT-4o image generation được giới thiệu ngày 25/03/2025, đưa tạo ảnh vào trải nghiệm hội thoại GPT-4o. Điểm khác biệt được OpenAI nhấn mạnh là khả năng dựng chữ, theo chỉ dẫn chi tiết và dùng ngữ cảnh chat để tạo hoặc biến đổi hình ảnh.

Tạo ảnh phục vụ giao tiếp, không chỉ trang trí

Theo công bố chính thức, model được huấn luyện trên phân phối kết hợp ảnh và văn bản, cùng hậu huấn luyện để cải thiện khả năng biểu đạt thị giác. Hãng đặt trọng tâm vào hình ảnh có ý nghĩa sử dụng: sơ đồ, thông tin có chữ và bố cục theo yêu cầu. Đây là mô tả từ nhà phát triển, không phải bảo đảm mọi ảnh đầu ra đều chính xác.

Dựng chữ và ràng buộc nhiều đối tượng

OpenAI tuyên bố khả năng thể hiện chữ và gắn thuộc tính với đúng đối tượng được cải thiện. Trang giới thiệu nói model có thể xử lý 10–20 đối tượng khác nhau, so với khó khăn khoảng 5–8 đối tượng của các hệ thống khác được hãng mô tả. Con số này không kèm trong đoạn bằng chứng một giao thức benchmark độc lập, nên không nên coi là hạn mức kỹ thuật hoặc tỷ lệ thành công được bảo đảm.

Chữ nhìn giống đúng vẫn cần được đọc lại, đặc biệt với tên riêng, dấu tiếng Việt và con số. Một infographic có bố cục đẹp không tự xác minh dữ liệu; biểu đồ hoặc hình mô phỏng cũng không phải bằng chứng thực nghiệm.

Chỉnh sửa qua hội thoại và ảnh tham chiếu

Người dùng có thể tinh chỉnh ảnh bằng nhiều lượt trao đổi và đưa ảnh tải lên vào ngữ cảnh. OpenAI lấy ví dụ giữ sự nhất quán của nhân vật khi tiếp tục chỉnh sửa. Tuy nhiên nhất quán được cải thiện không đồng nghĩa mọi chi tiết bất biến qua từng lượt; cần kiểm tra lại cả vùng muốn giữ chứ không chỉ vùng vừa sửa.

Khả năng dùng ảnh làm cảm hứng không cung cấp quyền sử dụng ảnh đó. Tài sản của bên thứ ba, logo và hình người thật vẫn cần được xử lý theo quyền và mục đích sử dụng phù hợp. Ảnh tổng hợp dễ bị nhầm là ảnh thật nên được ghi rõ là minh họa.

Chi phí và tên sản phẩm cần tách bạch

Bài này xét tính năng tạo ảnh GPT-4o được giới thiệu tháng 03/2025, không tự gán tên API hoặc bảng giá của một model phát hành sau cho mốc này. Công bố được dẫn không đủ để xác lập đơn giá lịch sử mỗi ảnh theo kích thước và chất lượng. Phí thuê bao sản phẩm cũng không thể dùng làm đơn giá API.

Chi phí thực của một hình hoàn thiện còn phụ thuộc số lượt tạo, chỉnh sửa, chọn mẫu và biên tập. Các hình trình diễn được công bố không phải mẫu ngẫu nhiên của mọi yêu cầu. Khi không có số lần sinh và cách chọn mẫu, không suy tỷ lệ thành công từ một bộ ảnh đẹp.

Đặt đúng vị trí trong dòng GPT-4o

GPT-4o là nền tảng đa phương thức được giới thiệu trước đó; tính năng tạo ảnh này có mốc công bố riêng. Nó cũng khác nhiệm vụ sinh video của Sora Turbo. Lựa chọn nên dựa vào loại đầu ra và mức kiểm soát cần thiết, không chỉ tên họ model.

Nguồn: OpenAI, Introducing 4o Image Generation, 25/03/2025.