La familia de modelos de generación de imágenes de OpenAI. DALL-E 1 (2021) usaba un enfoque de VAE discreto + Transformer. DALL-E 2 (2022) usaba CLIP + difusión. DALL-E 3 (2023) está integrado en ChatGPT y enfatiza el seguimiento del prompt — usa un LLM para reescribir prompts de usuario en descripciones de imagen detalladas antes de la generación, mejorando significativamente el match entre lo que pides y lo que obtienes.
Por qué importa
DALL-E fue el modelo que hizo al público consciente de la generación de imágenes IA. El lanzamiento de DALL-E 2 en 2022 se volvió viral y encendió tanto entusiasmo como preocupación sobre imágenes generadas por IA. La integración de DALL-E 3 con ChatGPT hizo la generación de imágenes accesible a cientos de millones de usuarios. Su innovación de reescritura de prompts influyó en cómo otros modelos manejan la conversión text-to-image.
Deep Dive
DALL-E 3's key innovation: instead of feeding user prompts directly to the image model, it uses GPT-4 to expand vague prompts into detailed image descriptions. "A cat" becomes "A fluffy orange tabby cat sitting on a windowsill, afternoon sunlight streaming in, photorealistic style, warm tones." This prompt rewriting dramatically improves output quality because diffusion models respond better to detailed descriptions than to short prompts.
Safety Measures
DALL-E has the most aggressive safety filters in the industry: it refuses to generate images of real public figures, violent content, and sexual content. It also uses C2PA metadata (Content Credentials) to mark images as AI-generated. These safety choices limit DALL-E's flexibility compared to open alternatives (Stable Diffusion, Flux) but reflect OpenAI's approach to responsible deployment. The trade-off between safety and creative freedom is a defining tension in image generation.
API and Integration
DALL-E 3 is available through OpenAI's API and through ChatGPT. The API provides more control (image size, quality settings, style parameter) but the ChatGPT integration is more popular because it handles prompt engineering automatically. The integration model — LLM + image generator as a unified experience rather than separate tools — influenced competitors and is becoming the standard for consumer image generation.
