ChatGPT Images: Panduan untuk Editor Gambar Baru OpenAI

Apa Itu ChatGPT Images? 

Tab Images baru di ChatGPT berfungsi sebagai pusat kreatif untuk segala hal visual di dalam UI ChatGPT dan menggantikan pustaka gambar pribadi. Perubahan paling menonjol adalah integrasi alat pengeditan langsung yang memungkinkan penargetan detail spesifik dalam sebuah gambar sembari menjaga detail lainnya tetap utuh.

ChatGPT Images ditenagai oleh GPT-Image-1.5, model AI teks-ke-gambar terbaru dan tercanggih dari OpenAI. Ini dibangun berdasarkan rilis GPT-Image-1 pada Maret 2025, yang sukses besar dengan lebih dari 700 juta gambar dihasilkan dalam minggu pertama.

Model ini menawarkan pelestarian detail dan perenderan teks yang lebih baik, serta diklaim "hingga 4x" lebih cepat dari pendahulunya.

Fitur-fitur baru telah diluncurkan untuk semua pengguna, baik gratis maupun berbayar, di web, UI seluler, dan API. Hanya akun Business dan Enterprise yang masih harus menunggu akses.

Fitur Utama ChatGPT Images

Jadi, apa yang ditawarkan ChatGPT Images dibandingkan model sebelumnya dan kompetitornya? OpenAI terutama menonjolkan "edit presisi yang mempertahankan hal-hal penting." Mari kita lihat fitur-fiturnya untuk memahami maksudnya.

Ruang kerja kreatif khusus

Tab Images diperkenalkan sebagai pusat kreasi visual di dalam UI ChatGPT. Gagasannya adalah memisahkan pembuatan dan pengeditan gambar dari interaksi chat biasa.

Sementara fitur Library sebelumnya juga menyimpan semua gambar yang dihasilkan, fitur itu hanya menawarkan untuk membawa Anda kembali ke percakapan tempat gambar dibuat. Fitur tersebut menggunakan konteks dari seluruh riwayat percakapan untuk menghasilkan gambar baru dari awal, yang sering kali menyebabkan halusinasi pada utas yang panjang.

Pendekatan baru ini, bagaimanapun, lebih berpusat pada gambar: Setiap pengeditan mengambil sebuah gambar sebagai titik awal dan hanya mengubah aspek-aspek terpilih darinya, alih-alih membuat generasi yang sepenuhnya baru.

Gambar adalah artefak yang persisten, tidak terkubur dalam riwayat percakapan. Ini memungkinkan siklus umpan balik yang lebih cepat dengan variasi baru dan mendorong eksperimen, secara efektif mengubah pengalaman dari utas chat menjadi seperti kanvas. 

Untuk memperlancar alur kreatif ini, ruang kerja memperkenalkan alat eksplorasi baru untuk menjembatani kesenjangan antara ide dan eksekusi. Pengguna dapat menerapkan preset gaya bawaan (seperti "sketsa" atau "dramatis") atau menelusuri estetika yang sedang tren untuk menangkap "Studio Ghibli" berikutnya. Bagi kreator pemula, UI menawarkan saran kreatif dan dukungan prompt proaktif untuk membantu memoles hasil.

Pelestarian detail dan pengeditan presisi

Sebagai fitur baru terpenting, pembaruan ini memungkinkan pengguna memilih bagian spesifik dari sebuah gambar dan memodifikasinya secara langsung, tanpa mengubah komposisi lainnya. Model ini sadar konteks, artinya memahami apa yang harus diedit sambil menjaga elemen di sekitarnya tetap konsisten.

Edit tajam semacam ini dimungkinkan oleh kemampuan pelestarian detail yang ditingkatkan pada model baru.

Model ini mampu menjaga objek, pencahayaan, komposisi, dan kemiripan wajah orang tetap konsisten di berbagai keluaran dan edit lanjutan. Selain itu, peningkatan kepatuhan terhadap instruksi berkontribusi pada presisi yang meningkat dengan membantu mempertahankan hubungan antarelemen dengan lebih baik.

Pengeditan presisi sangat cocok untuk memperbaiki masalah kecil dan bereksperimen dengan detail tertentu ketika tidak diperlukan generasi penuh. Ini juga memungkinkan transformasi kreatif, seperti membawa satu elemen dari sebuah gambar ke dalam adegan gambar lain.

Namun, perlu disebutkan bahwa model ini kesulitan mempertahankan identitas persis setiap orang ketika ada banyak orang dalam satu gambar.

Perenderan teks dan realisme yang ditingkatkan

Salah satu fitur utama model pendahulu GPT-Image-1 adalah kemampuannya menangani teks panjang dan kalimat yang koheren. Rilis baru membangun fondasi tersebut dan kini mampu menangani teks yang lebih padat dan lebih kecil dari sebelumnya.

Ini sangat berguna untuk infografik, di mana hasil awalnya cukup mengesankan, dan membuka kemungkinan baru seperti markdown teks di dalam gambar, misalnya di koran. Kami akan melakukan uji coba infografik nanti.

Namun, menurut pernyataan rilis OpenAI, keterbatasan terkait beberapa bahasa tertentu, seperti Tiongkok, Arab, dan Ibrani, tampaknya masih ada.

Meskipun bukan fokus utama pembaruan, realisme keluaran meningkat signifikan dibandingkan model sebelumnya. Dua kasus yang terlihat jelas adalah pantulan, misalnya silau pada foto, dan banyak wajah kecil di kerumunan besar.

Seperti sering terjadi, peningkatan besar datang dengan trade-off di area tertentu. Dalam hal ini, kemampuan menghasilkan beberapa gaya seni spesifik mengalami kemunduran. OpenAI menyarankan menggunakan filter preset di tab Images atau kembali ke model sebelumnya, yang masih tersedia sebagai GPT kustom⁠.

Performa yang dipercepat

Kemampuan edit terarah juga menjadi sumber utama peningkatan kecepatan generasi. Sementara pembuatan gambar penuh terasa lebih cepat, klaim dalam catatan rilis OpenAI tidak sepenuhnya tercapai. GPT-Images-1.5 tampak "hingga 4x lebih cepat" terutama karena hanya meregenerasi bagian yang berubah saat pengeditan.

Demikian pula, penurunan biaya API sekitar 20% terutama berasal dari regenerasi gambar parsial selama pengeditan, dengan tambahan keuntungan dari inferensi yang lebih efisien alih-alih generasi penuh yang lebih murah.

Secara keseluruhan, fitur baru ini memungkinkan penggunaan yang lebih efisien dan andal, terutama untuk alur kerja API.

Contoh ChatGPT Images

Fitur yang diumumkan memang terdengar menarik. Saya mengujinya menggunakan beberapa prompt sederhana dikombinasikan dengan alat seleksi baru.

Menguji ketepatan edit

Tujuan uji pertama saya adalah menilai kemampuan model menangani perubahan iteratif tanpa menurunkan kualitas. Pertama, saya memintanya membuat gambar beruang cokelat yang berjalan melalui hutan Finlandia saat matahari tengah malam.

Prompt: "Seekor beruang cokelat berjalan melalui hutan Finlandia yang rimbun saat matahari tengah malam."

Menurut saya, kualitas keluaran pertama sangat tinggi. Beruangnya tampak alami, jenis pohon dan semak merepresentasikan hutan Finlandia dengan sangat baik (saya tahu!), dan posisi matahari yang rendah sesuai dengan yang Anda harapkan di Finlandia Utara saat matahari tengah malam.

Selain itu, pencahayaan dan bayangan pada bulu beruang, serta pada latar belakang, terlihat cukup realistis. Anda masih bisa menebak ini buatan AI, entah bagaimana, meski detailnya bagus.

Mari kita coba mengubah beruangnya menjadi beruang kutub dan lihat apa yang terjadi. Tidak ada beruang kutub di Finlandia, tetapi jika semuanya bekerja sebagaimana mestinya, latar belakang seharusnya tetap sama.

Prompt: "Ubah beruangnya menjadi beruang kutub."

Seperti yang kita lihat, latar belakang dipertahankan sepenuhnya, persis seperti yang diinginkan.

Untuk edit berikutnya, saya memilih kepala dan mata beruang kutub dan memakaikannya kacamata hitam vintage.

Prompt: "Pasangkan kacamata hitam vintage pada beruang." (kepala dipilih)

Tampaknya kita mengetahui apa yang terjadi saat Anda memilih area yang terlalu besar. Meskipun latar belakang gambar dan tubuh beruang tetap konsisten, kepalanya berubah menjadi sepasang kacamata hitam raksasa. Mari coba lagi, hanya memilih matanya.

Prompt: "Pasangkan kacamata hitam vintage pada beruang." (mata dipilih)

Sangat keren, dan jelas jauh lebih baik! Dalam uji pertama ini, kita bisa melihat betapa kuatnya fitur pelestarian detail: Kita hanya perlu menyebutkan detail penting tentang pemandangan sekali, lalu bisa mengiterasi karakter utama tanpa harus mengkhawatirkan latar belakang. Pelajaran penting lainnya adalah ukuran jendela seleksi berpengaruh.

Menguji konsistensi transformasi

Berikutnya, saya menguji keberlanjutan objek terkait berbagai latar dan keterbatasan model pada kerumunan besar. Untuk itu, saya "mengajak" beruang kutub kita bepergian dan mencoba memindahkannya ke adegan stasiun subway yang sangat ramai di Tokyo.

Prompt: "Tempatkan beruang ini ke dalam adegan subway yang sangat ramai di Tokyo."

Pertama-tama, konsistensi karakter mengesankan: model mempertahankan postur dan identitas beruang secara persis, dan menghilangkan silau matahari dari bulunya.

Namun, pelestarian yang kaku ini menyebabkan ketidakselarasan visual yang dikenal sebagai "efek stiker." Karena model tidak memperbarui konteks pencahayaan (mempertahankan bayangan arah dan pantulan hutan pada kacamata hitam), beruang tampak seperti potongan 2D yang ditempelkan ke adegan alih-alih objek 3D yang menempatinya.

Perspektifnya semakin merusak ilusi: beruang tampak melayang di depan seorang pejalan yang secara fisik lebih dekat ke kamera.

Mencoba memperbaiki masalah terakhir cukup membuat frustrasi. Saya memilih area pejalan dan titik potongnya dengan beruang, lalu meminta ChatGPT memperbaiki perspektif. Pada setiap variasi, model memasukkan orang baru dekat kamera, seperti ini:

Prompt: "Perbaiki perspektif: Punggung pejalan yang dipilih berada di latar depan dan seharusnya sebagian menutupi beruang. Beruang berdiri di belakang punggung orang tersebut." 

Tampaknya model tidak mampu mengidentifikasi orang tersebut, bahkan ketika dipilih, sehingga ia memerlukan karakter baru untuk mengikuti perintah dalam prompt.

Memperbaiki bayangan dan pantulan kacamata hitam lebih berhasil. Saya menggunakan iterasi berikut:

• Bayangan: Pilih lantai di sekitar kaki beruang dan berikan prompt "Alihkan bayangan saat ini menjadi bayangan lembut dan menyebar di lantai ubin subway yang konsisten dengan pencahayaan lampu neon di atas."
• Kacamata hitam: Pilih kacamata hitam dan berikan prompt "Perbarui pantulan pada kacamata hitam agar sesuai dengan lingkungan subway."

Beruang kutub kita di subway Tokyo setelah memperbaiki bayangan dan pantulan kacamata hitam

Jauh lebih baik, meski belum sempurna.

Secara keseluruhan, uji kedua tidak sesukses yang pertama. Sementara konsistensi elemen di berbagai gambar tampaknya berjalan baik, pengenalan karakter tampak mencapai batasnya di lingkungan ramai.

Menguji perenderan teks

Terakhir, saya ingin menguji kemampuan perenderan teks yang baru, terutama untuk teks padat dan edit. Peningkatan perenderan teks akan sangat membantu karena, secara historis, model visi lebih unggul pada objek, tekstur, dan adegan, bukan simbol.

Saya meminta ChatGPT membuat tata letak kompleks untuk infografik tentang daur hidup sebuah bintang:

Prompt: "Infografik horizontal yang menjelaskan 'Lifecycle of a Star'. Tiga bagian: Nebula, Main Sequence, Black Hole. Gunakan gaya vektor datar."

Keluaran mengikuti instruksi dengan sempurna dan merender teks tanpa kesalahan. Gayanya akurat dan konsisten di seluruh infografik.

Multimodalitas keluaran ChatGPT menuntut ketepatan saat menyisipkan teks. Ketika diminta menambahkan poin-poin "di sini" (pada area yang dipilih di gambar), ia hanya memberikan poin tersebut sebagai keluaran teks. Menambahkan klarifikasi "ke gambar" menyelesaikan masalah:

Prompt: "Tambahkan satu poin ke gambar di sini yang bertuliskan: 'Lasts for billions of years'."

Setelah klarifikasi, poin tersebut disisipkan pada posisi yang tepat. Jenis huruf, ukuran, dan warna sesuai dengan gaya grafisnya.

Bagaimana Cara Mengakses ChatGPT Images? 

ChatGPT Images kini tersedia untuk hampir semua pengguna di berbagai platform. Hanya dukungan untuk pengguna pada tingkat Business dan Enterprise yang masih belum tersedia dan akan menyusul kemudian.

Di UI, Anda dapat mengakses fitur-fitur tersebut segera di antarmuka web atau aplikasi seluler ChatGPT melalui tab Images. Meskipun angka pastinya tidak diketahui, batas harian yang ketat berlaku untuk akun Gratis dan jatah yang semakin tinggi serta lebih stabil pada paket Plus dan Pro.

Bagi pengembang, model baru GPT-Image-1.5 dapat digunakan melalui OpenAI API dan Azure OpenAI Service, yang tersedia untuk pembuatan dan pengeditan gambar. Meski kami memperkirakan model ini segera diintegrasikan ke suite kreatif pihak ketiga utama, pengembang sudah dapat membangun alur pengeditan langsung ke aplikasi mereka menggunakan endpoint v1/images/generations dan v1/images/edits.

Berbeda dengan pendahulunya, GPT-Image-1.5 mengekspos keluaran gambar sebagai token berharga terpisah, menggunakan endpoint API khusus gambar alih-alih /v1/responses terpadu. Anda hanya membayar token yang diperlukan untuk menghasilkan perubahan, alih-alih gambar baru sepenuhnya setiap kali.

Inilah sebabnya model baru ini diklaim sekitar 20% lebih murah dari pendahulunya, meskipun harga per token tidak berubah dibandingkan GPT-Image-1.

Seberapa Baik ChatGPT Images? 

GPT-Image-1.5 langsung naik ke puncak papan peringkat LMArena dan ArtificialAnalysis untuk teks-ke-gambar, menyingkirkan Nano Banana Pro ke posisi kedua. Karena saat ini belum ada data tolok ukur yang tersedia, kita harus mengandalkan peringkat berbasis voting ini untuk klasifikasi yang objektif.

Meminjam kata-kata seorang astronot terkenal: GPT-Image-1.5 adalah satu langkah kecil bagi industri, tetapi lompatan besar bagi OpenAI. 

Meskipun pengeditan presisi bukan hal yang sepenuhnya baru, menghadirkannya secara native ke ChatGPT menandai perubahan terbesar dalam rilis ini. Namun, presisi adalah kuncinya: ingatlah untuk hanya memilih area yang diperlukan guna menghindari gangguan seperti 'beruang kutub tanpa kepala' yang ditemui saat pengujian.

Menurut pengalaman saya, pembaruan ini memberikan lonjakan kualitas yang signifikan, yang juga tercermin pada peringkat papan peringkat. Gambar standar terasa lebih hidup, dan infografik terlihat jauh kurang disederhanakan dibandingkan sebelumnya.

Pengguna kini memiliki kontrol yang jauh lebih besar atas setiap keluaran, menggantikan alur kerja lama yang mengandalkan prompt lanjutan yang kompleks dan berharap hasil terbaik. Ini terutama karena pelestarian detail bekerja sangat baik. Di seluruh pengujian kami, elemen-elemen tetap terjaga sepenuhnya.

Konsistensi karakter kuat, meski pengguna harus mewaspadai 'efek stiker' dan masalah perspektif logis. Walau edit terarah mempermudah perbaikannya, keterbatasan masih ada di adegan ramai dengan banyak orang.

ChatGPT Images vs. Nano Banana Pro

Penantang utama yang perlu dikalahkan ChatGPT Images jelas Nano Banana Pro dari Google. Tabel berikut membandingkan kedua model:

Meskipun GPT-Image-1.5 dan Nano Banana Pro sama-sama menawarkan hasil yang sangat baik, kedua model berbeda dalam filosofi pengeditan, alur kerja, dan fokus pelanggan.

ChatGPT Images berfokus pada isolasi tingkat piksel yang presisi, yang unggul dalam kontrol manual: Anda dapat memilih area persis, dan model memperlakukannya seperti kanvas untuk in-painting sementara sisa gambar dikunci. Di sisi lain, Nano Banana Pro mencoba memahami apa yang ingin Anda lakukan agar dapat membuat perubahan yang tepat.

Dalam hal alur kerja, kedua perusahaan juga memilih jalur berbeda: Tab Images di ChatGPT terasa seperti studio kreatif yang dipisahkan dari percakapan, sedangkan Nano Banana Pro sepenuhnya terintegrasi ke dalam aliran chat.

Pembaruan: Versi baru model pembuatan gambar non-pro dari Google, Nano Banana 2, memperkenalkan beberapa peningkatan signifikan. Walau Nano Banana Pro masih sedikit unggul, model baru menawarkan kualitas (hampir) sama dengan kecepatan yang jauh lebih tinggi.

Kapan menggunakan ChatGPT Images vs. Nano Banana Pro

Saya menyarankan menggunakan ChatGPT Images jika Anda perlu memperbaiki tata letak, mengedit teks, atau melakukan perubahan presisi pada gambar yang sudah ada tanpa mengubah gayanya. Pilih Nano Banana Pro jika Anda perlu menghasilkan visual kaya data, me-remix banyak gambar, atau lebih suka asisten cerdas yang menebak maksud Anda dibandingkan kontrol manual.

Dengan menggunakan prompt yang sama seperti di atas, saya membuat ulang gambar uji. Secara pribadi, saya lebih menyukai infografik Nano Banana Pro, sementara gambar beruangnya setara.

Prompt: "A horizontal infographic explaining the 'Lifecycle of a Star'. Three sections: Nebula, Main Sequence, Black Hole. Use flat vector style." (Nano Banana Pro)

Kasus Penggunaan ChatGPT Images 

Berdasarkan pengujian langsung kami dan kekuatan spesifik GPT-Image-1.5, model ini unggul dalam proses iteratif dan pengeditan teks. Berikut beberapa kasus penggunaan teratas:

• Alur kerja pemasaran: Membuat iklan media sosial atau foto produk dengan detail tertentu yang dapat berubah (mis., "Ubah sweter dari merah menjadi biru")
• Infografik edukatif: Menghasilkan diagram untuk buku teks, presentasi, atau blog, seperti contoh "daur hidup bintang" kami
• Storyboard: Memvisualisasikan naskah atau komik di mana karakter yang sama perlu tampil di lokasi berbeda
• Fashion: Menggunakan kreasi konten hibrida untuk mengeksplorasi kombinasi busana secara visual, seperti pada tutorial visualizer lemari pakaian FLUX.2
• Desain interior: Menggabungkan sketsa kasar atau foto dengan prompt untuk mendekor ulang ruangan dalam gaya tertentu
• Mockup UI/UX: Memvisualisasikan dengan cepat seperti apa halaman landing situs web atau kemasan untuk produk baru

Pemikiran Akhir 

Sejak rilis Nano Banana Pro, OpenAI berada di bawah tekanan besar untuk tetap bersaing. Dengan pembaruan yang menjanjikan ini, mereka kembali dalam perlombaan untuk model AI teks-ke-gambar paling andal. Ini tidak sempurna, tetapi dengan berfokus pada hal-hal esensial seperti tipografi yang tajam dan pengeditan presisi, Anda bisa mendapatkan hasil yang baik. Untuk memulai, coba fitur ini di UI ChatGPT Anda atau di OpenAI Playground⁠. Untuk inspirasi, Anda bisa melihat galeri dan panduan prompt.

Jika Anda ingin mulai membangun alat menggunakan model GPT, OpenAI Fundamentals skill track kami cocok untuk Anda.