DALL-E 3 nel 2026: come funziona e perché è stato ritirato

DALL-E 3 è il modello text-to-image di OpenAI rilasciato nell’ottobre 2023 che, per oltre un anno, è stato il riferimento per la generazione di immagini da testo, in diretta competizione con Midjourney. Ha segnato un passo avanti fondamentale nella capacità di interpretare i prompt testuali e tradurli in immagini coerenti e dettagliate. Dal 12 maggio 2026 non è più utilizzabile: OpenAI ha rimosso l’endpoint dall-e-3 dalle API, dopo averlo già sostituito dentro ChatGPT con la generazione immagini nativa multimodale, arrivata a settembre 2026 alla versione GPT Image 2.5. In questa guida, aggiornata a ottobre 2026, vediamo come funzionava DALL-E 3, quali erano i suoi limiti e cosa usare oggi al suo posto.

In questo articolo scoprirai:

• Perché DALL-E 3 non è più disponibile e qual è la data esatta del ritiro dalle API
• Come funzionava tecnicamente, dal recaptioning del dataset al blending delle didascalie sintetiche
• Quali erano i limiti del modello e le misure di sicurezza adottate da OpenAI
• Che fine fanno le immagini già generate e come migrare un’integrazione in produzione
• Cosa usare oggi al suo posto, tra GPT Image 2.5, ChatGPT e Microsoft Designer

Disponibilità di DALL-E 3 nel 2026

DALL-E 3 non è più disponibile. OpenAI ha annunciato il 14 novembre 2025 la deprecazione di dall-e-2 e dall-e-3 e ha spento entrambi gli endpoint il 12 maggio 2026. Da quella data le chiamate all’API di generazione immagini vanno indirizzate ai modelli della famiglia GPT Image, come indicato nella pagina ufficiale delle deprecazioni OpenAI. Non esiste un piano, gratuito o a pagamento, che permetta oggi di generare immagini con DALL-E 3.

Il ritiro dall’API è arrivato dopo la sostituzione lato prodotto: in ChatGPT il modello aveva già ceduto il posto alla generazione immagini nativa di GPT-4o nel marzo 2025, ad aprile 2026 l’interfaccia è passata a GPT Image 2, presentato come ChatGPT Images 2.0, e dall’8 settembre 2026 si appoggia a GPT Image 2.5, lanciato come ChatGPT Images 2.5 per tutti i piani. Quello che segue resta quindi la spiegazione di come funzionava un modello che ha definito una generazione di strumenti text-to-image: serve a capire perché i generatori di oggi si comportano come si comportano, non è più una guida operativa a uno strumento in servizio.

Cos’è DALL-E 3

DALL-E 3 è un modello generativo text-to-image sviluppato da OpenAI che traduce descrizioni testuali in immagini dettagliate e coerenti. Rispetto alle versioni precedenti, è stato addestrato su didascalie altamente descrittive, migliorando significativamente l’aderenza ai prompt e la qualità estetica. Rilasciato nell’ottobre 2023, è rimasto il motore di default per la generazione immagini in ChatGPT fino al marzo 2025, quando OpenAI ha introdotto GPT-4o Image Generation come modello predefinito. L’endpoint API è poi rimasto attivo ancora per oltre un anno, fino allo spegnimento del 12 maggio 2026.

La sua architettura è stata progettata per essere flessibile e per permettere una vasta gamma di applicazioni, dai semplici compiti di generazione di immagini a progetti più complessi che richiedono un elevato livello di dettaglio e coerenza.

Al momento del rilascio, la performance di DALL-E 3 è stata confrontata con quella dei concorrenti, dimostrando un margine di vantaggio significativo. Ciò è principalmente dovuto all’utilizzo di didascalie generative altamente descrittive durante la fase di addestramento, un approccio che ha migliorato la sua capacità di seguire i prompt in modo preciso.

Abbiamo poi provato ad utilizzare la stessa identica prompt (la prima a sinistra) nella versione di DALL-E 3 allora disponibile per i possessori di un account ChatGPT Plus o Enterprise ed ecco il risultato che avevamo ottenuto:

Miglioramenti di DALL-E 3 rispetto a DALL-E 2

Rispetto a DALL-E 2, DALL-E 3 offriva un’aderenza ai prompt nettamente superiore, una coerenza visiva più stabile e una resa estetica più raffinata. Il salto qualitativo deriva principalmente dall’addestramento su didascalie sintetiche altamente descrittive, come documentato nel paper originale di OpenAI. I due modelli hanno infine condiviso anche la stessa uscita di scena: entrambi gli endpoint sono stati spenti il 12 maggio 2026.

Uno degli aspetti più significativi è l’addestramento del modello su didascalie di immagini altamente descrittive. Questo approccio ha portato a un incremento sostanziale delle performance del modello, in particolare per quanto riguarda l’adesione ai prompt e la coerenza delle immagini generate.

Inoltre, gli sviluppatori sottolineano che i miglioramenti a DALL-E 3 non si limitano a quelli descritti nel paper di presentazione. Alcune delle ottimizzazioni sono state escluse dalla pubblicazione per ragioni di tempo e risorse computazionali.

Come funziona DALL-E 3: il funzionamento tecnico

DALL-E 3 si basa su una tecnica chiamata “Dataset Recaptioning”, descritta nel paper di OpenAI: invece di utilizzare le didascalie originali delle immagini scaricate dal web, spesso sintetiche e incomplete, OpenAI ha generato automaticamente nuove descrizioni molto più dettagliate. Queste descrizioni includono posizione, numero, colori e dimensioni degli oggetti, elementi tipicamente omessi nelle didascalie standard e cruciali per la generazione accurata. Se il passaggio dal testo ai pixel ti è poco familiare, il nostro pezzo su come funziona davvero un modello di AI spiega la meccanica di fondo che vale anche qui.

Il captioner di immagini di DALL-E 3

Il captioner è un modello di linguaggio addestrato appositamente da OpenAI per generare didascalie dettagliate partendo dalle immagini. È stato affinato integrando le funzioni di embedding fornite da CLIP, un modello multimodale che misura la somiglianza semantica tra testo e immagine, presentato da OpenAI nel paper di Radford e colleghi. Il risultato è un sistema capace di produrre didascalie precise elaborando in modo efficiente un gran numero di valori di pixel.

Valutazione dei dataset rietichettati di DALL-E 3

Una volta creato il dataset rietichettato, il team di OpenAI ha valutato l’impatto di tali didascalie sintetiche sull’addestramento del modello. Hanno scoperto che l’uso di didascalie sintetiche ha migliorato le prestazioni del modello, sia in termini di aderenza ai prompt che di coerenza generale delle immagini.

Metodologia di Valutazione e Rapporti di Miscelazione

L’efficacia dell’approccio è stata validata con la metrica CLIP-S (CLIPScore), che misura la similarità tra il testo e l’immagine generata: un punteggio più alto indica che l’immagine è più fedele alla descrizione testuale. I modelli di prova addestrati da OpenAI su una combinazione di didascalie sintetiche e reali hanno mostrato miglioramenti significativi, a conferma dell’importanza di un equilibrato “rapporto di miscelazione” durante l’addestramento, che ha poi guidato la ricetta di DALL-E 3.

Dataset e Addestramento di DALL-E 3

DALL-E 3 è stato addestrato su coppie di immagini e descrizioni testuali, combinando due tipologie di didascalie: “sintetiche”, generate automaticamente da un altro modello di machine learning, e “ground truth”, cioè le didascalie originali raccolte dal web insieme alle immagini, in gran parte alt-text scritto dagli autori delle pagine. Le descrizioni sintetiche si rivelano più vantaggiose perché includono dettagli visivi che le didascalie scritte da persone tendono a omettere.

Fine-Tuning e Captioning

Il fine-tuning è un processo di addestramento aggiuntivo che specializza un modello già addestrato su compiti o domini specifici. Nel contesto di DALL-E 3, il fine-tuning viene utilizzato per migliorare le descrizioni generate, rendendole più dettagliate o focalizzate su aspetti specifici dell’immagine.

Blending di Caption

Il blending di caption è una tecnica che mescola, in proporzioni definite, didascalie sintetiche e ground truth durante l’addestramento. Questo bilanciamento evita che il modello si specializzi eccessivamente sullo stile delle didascalie generate automaticamente, mantenendo robustezza sui prompt scritti da esseri umani. Nel paper OpenAI ha testato miscele con il 65%, l’80%, il 90% e il 95% di didascalie sintetiche: il 65% è stato scartato a metà esperimento perché nettamente indietro, e la quota più alta di didascalie sintetiche ha sempre dato il punteggio CLIP migliore.

Oltre alle metriche automatizzate, DALL-E 3 è anche sottoposto a valutazioni umane per misurare la sua efficacia nel generare immagini che sono non solo tecnicamente accurate ma anche esteticamente gradevoli.

Limitazioni di DALL-E 3

Nonostante i notevoli progressi, DALL-E 3 presentava tre limiti principali: consapevolezza spaziale ridotta, difficoltà nel rendering accurato del testo dentro le immagini e una tendenza ad “allucinare” dettagli non richiesti. Sono esattamente i tre fronti su cui i modelli successivi hanno guadagnato di più, grazie a un’architettura nativamente multimodale: capire questi limiti aiuta a capire perché il ritiro del modello non ha lasciato un vuoto.

Consapevolezza Spaziale

Nonostante i progressi significativi, DALL-E 3 aveva delle difficoltà nel posizionamento degli oggetti e nella comprensione spaziale delle scene. Ad esempio, era poco affidabile quando doveva interpretare termini come “a sinistra di”, “sotto”, “dietro”, ecc. Questo è dovuto in parte alle limitazioni delle descrizioni sintetiche usate durante l’addestramento.

Rendering del testo nelle immagini di DALL-E 3

DALL-E 3 aveva la capacità di generare testo all’interno delle immagini, ma questa funzione risultava poco affidabile: potevano mancare caratteri o comparirne di extra nelle parole. Il problema è stato progressivamente risolto dai modelli successivi di OpenAI, fino alla generazione GPT Image, che gestisce il rendering del testo con una precisione nettamente superiore.

Specificità

Il modello tendeva a “allucinare” dettagli specifici non presenti nel testo originale, come il genere e la specie di una pianta in un disegno botanico. L’utilizzo di istruzioni personalizzate e prompt ben strutturati aiutava a mitigare questo comportamento e a ottenere immagini più fedeli alla descrizione testuale.

Misure di controllo in DALL-E 3

OpenAI ha implementato in DALL-E 3 un insieme stratificato di misure di sicurezza, descritte nella system card del modello: filtri sui dati di addestramento, classificatori di input e output, liste di blocco e rifiuti automatici su prompt sensibili. Queste protezioni agivano sia a monte (durante l’addestramento) sia a valle (in fase di generazione), riducendo il rischio di abusi.

Filtraggio dei Contenuti

Per DALL-E 3 è stato effettuato un attento filtraggio dei dati di addestramento per rimuovere contenuti espliciti, come immagini di violenza, contenuti sessuali e simboli di odio. Questo processo di filtraggio è una versione estesa di quello utilizzato per DALL-E 2. I filtri sono stati calibrati per ridurre il bias nei confronti delle rappresentazioni femminili, che erano sovrarappresentate nei contenuti filtrati.

Ulteriori Strumenti di Mitigazione

• Rifiuti da parte di ChatGPT: ChatGPT ha meccanismi per rifiutare di generare immagini basate su prompt sensibili.
• Classificatori di Input: Vengono utilizzati classificatori come la Moderation API per identificare messaggi che potrebbero violare le politiche di utilizzo. I prompt che violano queste politiche vengono rifiutati.
• Liste di Blocco: Sono mantenute liste di termini e categorie da bloccare, informate dai lavori precedenti e dai feedback degli utenti.
• Trasformazioni dei Prompt: ChatGPT riscrive i testi dei prompt per assicurare che siano in linea con le linee guida, come la rimozione dei nomi di figure pubbliche.
• Classificatori di Output delle Immagini: Sono stati sviluppati classificatori di immagini che bloccano la produzione di determinate immagini se attivati.

In questo modo, DALL-E 3 incorporava una serie di misure di sicurezza e mitigazione dei rischi, sia a livello di modello che di sistema, per garantire un utilizzo più responsabile e sicuro della tecnologia. Buona parte di questo framework di sicurezza è stato ereditato ed esteso anche nei successivi modelli multimodali di OpenAI, ed è la ragione per cui molte delle regole descritte qui sopra valgono ancora oggi sui generatori attuali.

Possibili rischi di DALL-E 3

I principali rischi associati a DALL-E 3 riguardano la perpetuazione di stereotipi, la manipolazione dell’immagine corporea, la generazione di disinformazione fotorealistica, la produzione di contenuti legati ad armi CBRN, la violazione di copyright e l’imitazione dello stile di artisti viventi. OpenAI ha affrontato ciascuno di questi rischi con mitigazioni dedicate, documentate nella system card di DALL-E 3.

Stereotipi e Pregiudizi

DALL-E 3 può generare immagini che perpetuano stereotipi e pregiudizi, un rischio particolarmente alto quando vengono usati descrittori come etnia, genere o professione. Per mitigare questo, sono stati implementati filtri e rifiuti automatici che impediscono al modello di generare contenuti potenzialmente offensivi o inappropriati.

Manipolazione dell’Immagine Corporea

Il modello tende a generare immagini che aderiscono agli ideali convenzionali di bellezza, potendo quindi influenzare negativamente la percezione dell’immagine corporea. Per contrastare ciò, il modello è stato specificamente sintonizzato per ridurre la generazione di immagini che potrebbero avere un impatto negativo su questo aspetto.

Disinformazione e Misinformazione

DALL-E 3 ha la capacità di generare immagini fotorealistiche che potrebbero essere utilizzate per diffondere disinformazione. Questo include la capacità di creare eventi fittizi o manipolare immagini di figure pubbliche. Le mitigazioni includono il rifiuto di generare immagini fuorvianti e l’implementazione di ulteriori filtri, oltre all’adozione progressiva di sistemi di provenance come C2PA per marcare le immagini generate da IA.

Rischi CBRN (Chimici, Biologici, Radiologici e Nucleari)

Anche se i test di red teaming hanno indicato un rischio minimo, DALL-E 3 ha il potenziale di essere utilizzato per generare informazioni relative ad armi CBRN. Per mitigare questo rischio, il modello è stato programmato per rifiutare richieste che potrebbero essere utilizzate per la proliferazione di tali armi.

Violazione di Copyright e Marchi

Il modello può generare immagini che toccano questioni legali come il copyright e i marchi registrati. Per affrontare questo problema, sono state implementate funzioni di rifiuto specifiche e una gestione attenta degli input che potrebbero generare immagini problematiche da un punto di vista legale.

Stili degli Artisti

DALL-E 3 può generare immagini che imitano lo stile di artisti viventi, sollevando questioni etiche all’interno della comunità creativa. Per mitigare questo, è stata implementata una lista di blocco per i nomi degli artisti viventi e il modello rifiuterà di generare immagini che imitano il loro stile.

DALL-E 3 nell’ecosistema OpenAI: dal 2023 al ritiro del 2026

Dal lancio nell’ottobre 2023, DALL-E 3 è stato per oltre un anno il motore di generazione immagini integrato di default in ChatGPT. Nel marzo 2025 OpenAI ha introdotto GPT-4o Image Generation (detto anche GPT Image 1), un sistema di generazione visiva nativa integrato nell’architettura multimodale di GPT-4o, che ha sostituito DALL-E 3 come opzione predefinita per la creazione di immagini all’interno dell’interfaccia di ChatGPT.

Cosa è successo all’endpoint dall-e-3

Perso il ruolo di default in ChatGPT, DALL-E 3 è sopravvissuto per un altro anno come modello API, usato soprattutto da chi aveva pipeline già costruite su quell’endpoint. Il 14 novembre 2025 OpenAI ne ha annunciato la deprecazione insieme a quella di DALL-E 2, dando circa sei mesi di preavviso agli sviluppatori, e il 12 maggio 2026 ha spento entrambi gli endpoint. Oggi una chiamata a dall-e-3 non restituisce più immagini: la scheda ufficiale del modello lo indica come deprecato e rimosso dall’API.

Il rilascio di modelli linguistici più recenti come GPT-5.1 ha ulteriormente consolidato l’integrazione multimodale nell’ecosistema OpenAI: in ChatGPT la generazione di immagini non è più un servizio a parte da richiamare, ma una funzione della conversazione, servita dai modelli della famiglia GPT Image. Il ritiro di DALL-E 3 è la conseguenza logica di quella scelta architetturale: un modello text-to-image a sé stante non aveva più una ragione di esistere accanto a modelli multimodali che comprendono e generano immagini nello stesso flusso.

Le immagini già create con DALL-E 3 restano utilizzabili

Sì, e la distinzione è importante: la deprecazione riguarda la generazione di nuove immagini, non quelle prodotte quando il modello era attivo. La pagina delle deprecazioni tratta la disponibilità dei modelli e non interviene in alcun modo sui file già scaricati o sulle condizioni con cui erano stati generati.

C’è però un punto tecnico che ha colto impreparato più di un team: gli URL restituiti dall’endpoint erano temporanei, pensati per essere scaricati subito e non per essere archiviati. Chi in un CMS o in un database ha salvato il link invece del file si ritrova con riferimenti che non puntano più a nulla, e lo stesso vale per le pipeline che rigeneravano l’immagine a ogni richiesta anziché conservarla: in entrambi i casi non c’è un recupero, c’è una rigenerazione da fare con i modelli attuali. È il primo controllo da fare prima di stimare il lavoro di migrazione descritto nella sezione successiva, dedicata ai sostituti di DALL-E 3.

Cosa usare al posto di DALL-E 3

Dentro l’ecosistema OpenAI il sostituto di DALL-E 3 oggi è GPT Image 2.5, disponibile in API dall’8 settembre 2026 in due varianti: gpt-image-2.5-flare, pensato per la generazione quotidiana veloce, e gpt-image-2.5-sunburst, il modello più capace per generazione ed editing, come riporta l’elenco ufficiale dei modelli OpenAI. Il modello che lo ha preceduto in ChatGPT è quello descritto nel nostro articolo su ChatGPT Images 2.0.

Migrare da DALL-E 3 a GPT Image via API

Chi migra un’integrazione da dall-e-3 deve fare attenzione a quale modello sceglie. La pagina delle deprecazioni indica ancora come sostituti gpt-image-2, gpt-image-1 e gpt-image-1-mini, ma il 2 giugno 2026 OpenAI ha annunciato il ritiro di gpt-image-1-mini, gpt-image-1.5 e chatgpt-image-latest, con rimozione fissata al 1° dicembre 2026 e GPT Image 2.5 Sunburst o Flare come sostituti raccomandati: migrare oggi su gpt-image-1-mini significa rifare il lavoro fra pochi mesi. La scelta più solida è puntare direttamente su GPT Image 2.5. È una migrazione che tocca il codice ma non l’impianto: cambia l’identificativo del modello e cambiano i parametri di qualità e formato, mentre l’endpoint di generazione immagini descritto nella guida ufficiale resta lo stesso.

Chi migra deve però mettere in conto una cosa che spesso viene sottovalutata: i prompt vanno ritarati. Una libreria di prompt calibrata negli anni su DALL-E 3 non produce gli stessi risultati su un modello multimodale nativo, che interpreta le istruzioni in modo diverso e tende a essere più letterale. Chi aveva costruito una resa visiva riconoscibile su quel modello non la ritrova identica altrove, e conviene prevedere una fase di test prima di mandare in produzione: è esattamente il tipo di costo nascosto per cui, spesso, l’AI generativa non genera il ROI atteso.

Alternative a DALL-E 3 fuori da OpenAI

Fuori dall’ecosistema OpenAI le alternative non mancano: Gemini di Google integra la generazione di immagini nello stesso modello che gestisce testo e ragionamento, con un’impostazione simile a quella scelta da OpenAI, Microsoft ha sviluppato in casa la famiglia MAI-Image, mentre Midjourney resta il riferimento per chi cerca una direzione estetica marcata. Il nostro confronto sui migliori strumenti AI per la generazione di immagini mette in fila le opzioni disponibili oggi.

Come generare immagini con ChatGPT dopo DALL-E 3

Nel 2026 la generazione di immagini in ChatGPT avviene tramite i modelli multimodali nativi di OpenAI, oggi GPT Image 2.5, senza alcuna scelta manuale del modello: DALL-E 3 non compare più tra le opzioni, né nell’interfaccia né nei custom GPT. Ecco i passaggi per usare la generazione immagini in ChatGPT:

1. Accedi a ChatGPT con il tuo account (la generazione immagini è disponibile anche nel piano Free con limiti giornalieri, oltre che nei piani a pagamento).
2. Avvia una nuova conversazione e descrivi direttamente nel messaggio l’immagine che vuoi generare (es: “Genera un’immagine di una città futuristica al tramonto in stile cinematografico”).
3. ChatGPT elabora il prompt e genera l’immagine con il modello predefinito, senza richiedere la selezione di modalità specifiche dal menu.
4. Puoi richiedere variazioni, modifiche mirate o editing di porzioni dell’immagine descrivendo le tue preferenze nei messaggi successivi della stessa conversazione.
5. Sperimenta con prompt più o meno dettagliati per osservare come il modello interpreta e visualizza le descrizioni.
6. Nota: il modello può segnalare violazioni della politica sui contenuti, specialmente se i prompt riguardano arte protetta da copyright, figure pubbliche o contenuti violenti.

Per massimizzare i risultati, è utile costruire prompt il più possibile dettagliati. Puoi anche creare GPT personalizzati ottimizzati per la generazione di immagini, con istruzioni di sistema che guidano lo stile, il formato e le proporzioni delle immagini prodotte.

Generare immagini gratis con Microsoft Designer

Chi non ha un abbonamento a ChatGPT può generare immagini gratuitamente con Microsoft Designer e con Bing Image Creator. Le piattaforme Microsoft hanno usato DALL-E 3 per anni, ma nel 2026 Microsoft sta passando ai propri modelli: dal 19 marzo 2026 MAI-Image-2 è in distribuzione su Copilot e Bing Image Creator. Basta un account Microsoft per generare immagini da prompt testuali, con alcuni limiti giornalieri sulla velocità di generazione.

1. Apri Bing Image Creator e accedi con il tuo account Microsoft.
2. Fornisci un prompt breve o dettagliato e la piattaforma genererà immagini AI di conseguenza.
3. La piattaforma genera più immagini contemporaneamente, in modo simile alla funzionalità di ChatGPT.
4. Ricorda che la versione gratuita prevede limiti giornalieri di generazione rapida, dopo i quali il processo rallenta.

Cosa cambia tra la generazione gratuita e quella a pagamento

L’integrazione con Bing Image Creator ha reso DALL-E 3 disponibile gratuitamente a una base di utenti molto più ampia di quella di ChatGPT, ed è stata per molti il primo contatto con un generatore text-to-image. Oggi lo stesso servizio gratuito sta passando ai modelli MAI-Image di Microsoft: il risultato resta adatto all’uso quotidiano, ma lo stile e l’interpretazione dei prompt non sono quelli di OpenAI.

È comunque importante tenere presente che le opzioni gratuite hanno limiti di volume e velocità più stretti rispetto a quelle disponibili all’interno di ChatGPT a pagamento, dove operano i modelli più recenti di OpenAI con funzionalità avanzate di editing e controllo.

Fonti:

• OpenAI, Improving Image Generation with Better Captions (paper DALL-E 3)
• OpenAI, DALL-E 3 System Card
• OpenAI, Deprecations (spegnimento 12/05/2026 di dall-e-2 e dall-e-3; rimozione 01/12/2026 di gpt-image-1-mini e gpt-image-1.5)
• OpenAI Platform, scheda del modello dall-e-3
• OpenAI Platform, elenco dei modelli (GPT Image 2.5 Flare e Sunburst)
• OpenAI, Introducing ChatGPT Images 2.5
• OpenAI Platform, Image generation guide
• Microsoft AI, Introducing MAI-Image-2
• Radford et al., Learning Transferable Visual Models From Natural Language Supervision (CLIP)
• Hessel et al., CLIPScore: A Reference-free Evaluation Metric for Image Captioning
• C2PA, Coalition for Content Provenance and Authenticity
• ChatGPT, interfaccia ufficiale OpenAI
• Microsoft Designer
• Bing Image Creator
• Midjourney, sito ufficiale