Hình ảnh GPT là chức năng tạo hình ảnh gốc mà OpenAI đã tích hợp vào ChatGPT. Không giống như hệ thống DALL-E thông thường, văn bản và hình ảnh được xử lý trong cùng một mô hình.
Hình ảnh GPT là một chức năng tạo hình ảnh gốc mà OpenAI đã tích hợp vào dòng nền tảng đa phương thức GPT-5. Không giống như phương pháp thông thường gọi một mô hình riêng biệt như DALL-E, việc hiểu văn bản và tạo hình ảnh được thực hiện trong cùng một mô hình, do đó, nó được cho là có độ chính xác cao trong việc chèn văn bản (logo và văn bản áp phích), mối quan hệ vị trí của nhiều đối tượng và khả năng làm theo hướng dẫn. Nó có thể được sử dụng qua ChatGPT Plus/Pro/Team hoặc qua API (gpt-image-1) và khác với hệ thống tốc độ cố định của Midjourney và Stable Diffusion ở chỗ nó được tính phí cho mỗi lần sử dụng tùy thuộc vào cài đặt độ phân giải và chất lượng của hình ảnh được tạo. Trong sử dụng thực tế, chi phí cho mỗi hình ảnh tăng khi độ phân giải và chất lượng tăng lên, do đó, đối với mục đích sản xuất hàng loạt, việc đầu tiên xác định giá thị trường, sau đó tạo ra một số lượng lớn các bản thô có độ phân giải thấp và sau đó chỉ tái tạo các vết cắt đã chọn ở chất lượng cao đang được thiết lập trên thực địa. Những cạm bẫy bao gồm nguy cơ tạo ra đầu ra gần giống với các ký tự và biểu tượng có bản quyền cũng như thiếu xác nhận quyền sở hữu bản quyền khi sử dụng cho mục đích thương mại. Kể từ năm 2026, nó sẽ được áp dụng rộng rãi để sản xuất các biểu ngữ quảng cáo chứa thông tin văn bản và hình ảnh đăng trên SNS.