DALL-E 3 nel 2026: come funziona e se è ancora disponibile

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 2025 è stato progressivamente affiancato e poi sostituito dal modello nativo multimodale GPT-4o Image Generation (noto anche come GPT Image 1) come motore predefinito di generazione immagini in ChatGPT. In questa guida vediamo come funziona DALL-E 3, quali sono i suoi limiti, le misure di sicurezza e se è ancora utilizzabile nel 2026.

In questo articolo scoprirai:

• Cos’è DALL-E 3 e come si differenzia dalle versioni precedenti del modello OpenAI
• Come funziona tecnicamente, dal recaptioning del dataset al blending delle didascalie sintetiche
• Quali sono i limiti del modello su consapevolezza spaziale, rendering del testo e specificità
• Le misure di sicurezza, i filtri sui contenuti e i rischi etici legati al suo utilizzo
• Se DALL-E 3 è ancora disponibile nel 2026 e quale modello lo ha sostituito
• Quando conviene ancora usarlo e quando è meglio passare ai modelli più recenti
• Come accedere oggi alla generazione immagini in ChatGPT e tramite Microsoft Designer

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. DALL-E 3 resta comunque disponibile tramite API per casi d’uso specifici.

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 disponibile per i possessori di un account ChatGPT Plus o Enterprise ed ecco il nostro risultato:

Miglioramenti rispetto alle versioni precedenti

Rispetto a DALL-E 2, DALL-E 3 offre 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.

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”: 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.

Costruzione del Captioner di Immagini

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. 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

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 del modello è stata ulteriormente validata utilizzando la metrica CLIP-S, 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. DALL-E 3 ha mostrato miglioramenti significativi quando addestrato su una combinazione di didascalie sintetiche e reali, indicando l’importanza di un equilibrato “rapporto di miscelazione” durante l’addestramento.

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”, scritte da annotatori umani. Le descrizioni sintetiche si rivelano più vantaggiose perché includono dettagli visivi che gli annotatori umani 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.

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 presenta tre limiti principali: consapevolezza spaziale ridotta, difficoltà nel rendering accurato del testo dentro le immagini e una tendenza ad “allucinare” dettagli non richiesti. Molti di questi limiti sono stati in larga parte superati dal successivo modello GPT-4o Image Generation, che beneficia di un’architettura nativamente multimodale.

Consapevolezza Spaziale

Nonostante i progressi significativi, DALL-E 3 ha delle difficoltà nel posizionamento degli oggetti e nella comprensione spaziale delle scene. Ad esempio, è poco affidabile quando deve 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

DALL-E 3 ha la capacità di generare testo all’interno delle immagini, ma questa funzione può risultare poco affidabile: potrebbero mancare o esserci caratteri extra nelle parole. Il problema è stato significativamente mitigato dai modelli successivi di OpenAI come GPT-4o Image, che gestiscono il rendering del testo con maggiore precisione.

Specificità

Il modello tende 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 può aiutare a mitigare questo comportamento e 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: filtri sui dati di addestramento, classificatori di input e output, liste di blocco e rifiuti automatici su prompt sensibili. Queste protezioni agiscono 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 incorpora 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.

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 affronta ciascuno di questi rischi con mitigazioni dedicate.

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 a GPT-4o Image

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 nativamente integrato nell’architettura multimodale di GPT-4o, che ha progressivamente sostituito DALL-E 3 come opzione predefinita per la creazione di immagini all’interno dell’interfaccia di ChatGPT.

La disponibilità di DALL-E 3 nel 2026

DALL-E 3 è ancora raggiungibile, ma non è più il modello predefinito. Nel 2026 la generazione di immagini in ChatGPT è affidata alla linea di modelli multimodali nativi, mentre DALL-E 3 resta accessibile tramite le API di OpenAI per chi ha pipeline già costruite su quell’endpoint. In pratica: se cerchi la qualità migliore oggi conviene usare i modelli più recenti, come GPT Image 1.5; se invece devi mantenere compatibilità con integrazioni esistenti, DALL-E 3 continua a funzionare.

Il rilascio di modelli linguistici più recenti come GPT-5.1 ha ulteriormente consolidato l’integrazione multimodale nell’ecosistema OpenAI, con la generazione di immagini che non richiede più un modello specializzato separato ma viene gestita nativamente dal modello linguistico principale.

Per le aziende e gli sviluppatori, DALL-E 3 resta accessibile tramite l’endpoint dall-e-3, consentendo di automatizzare la creazione di contenuti visivi su larga scala con costi prevedibili. Chi desidera approfondire questo aspetto può consultare la nostra guida alle API di ChatGPT. Anche nel contesto delle integrazioni nei software aziendali, la generazione automatizzata di immagini apre scenari interessanti per la produzione di materiali visivi e creativi su scala, dalla comunicazione interna alle campagne di marketing.

Quando conviene ancora usare DALL-E 3

Dipende da cosa devi ottenere. I tre limiti descritti sopra — consapevolezza spaziale, rendering del testo e tendenza ad allucinare dettagli — sono proprio quelli su cui i modelli multimodali nativi hanno guadagnato di più: se il tuo lavoro richiede scritte leggibili dentro l’immagine, composizioni con oggetti posizionati in modo preciso o modifiche mirate su un’immagine già generata, DALL-E 3 è la scelta sbagliata e conviene usare la generazione immagini attuale di ChatGPT, descritta nel dettaglio in ChatGPT Images 2.0.

Restano invece due casi in cui ha senso non spostarsi. Il primo è la compatibilità: se hai un’integrazione già in produzione sull’endpoint dall-e-3, con prompt calibrati e costi noti, non c’è motivo di riscriverla finché l’endpoint risponde. Il secondo è la prevedibilità dello stile: chi ha costruito librerie di prompt su DALL-E 3 ottiene da quel modello una resa costante, mentre passare a un modello diverso significa ritarare i prompt da capo. Se invece stai partendo adesso e vuoi confrontare anche opzioni fuori dall’ecosistema OpenAI, il nostro confronto sui migliori strumenti AI per la generazione di immagini mette in fila le alternative disponibili oggi.

Come generare immagini con ChatGPT

Nel 2026 la generazione di immagini in ChatGPT avviene di default tramite i modelli multimodali nativi di OpenAI, senza necessità di selezionare manualmente DALL-E 3. È comunque possibile richiedere esplicitamente l’uso di DALL-E 3 in alcuni scenari tramite API o custom GPTs. 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 in Plus, Pro, Team ed Enterprise).
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.

Utilizzare DALL-E 3 con Microsoft Designer

Chi non ha un abbonamento a ChatGPT può accedere gratuitamente alla generazione di immagini basata sui modelli OpenAI tramite Microsoft Designer / Image Creator (l’ex Bing Image Creator). La piattaforma ha storicamente utilizzato DALL-E 3 e ha progressivamente integrato anche modelli successivi: basta un account Microsoft per iniziare a generare immagini da prompt testuali, con alcuni limiti giornalieri sulla velocità di generazione (boost coins).

1. Apri Microsoft Designer / 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 Microsoft Designer ha reso DALL-E 3 (e i successivi modelli di generazione immagini OpenAI) disponibile a una base di utenti molto più ampia, promuovendo un modello gratuito da testo a immagine accessibile a tutti. Quando un utente fornisce una descrizione dell’immagine, il modello IA la analizza, creando prompt intermedi che può comprendere più facilmente e generando così più versioni dell’immagine desiderata.

È comunque importante tenere presente che la qualità e le capacità della generazione gratuita tramite Microsoft Designer possono risultare inferiori rispetto a quelle disponibili all’interno di ChatGPT a pagamento, dove operano i modelli più recenti con funzionalità avanzate di editing e controllo.

Fonti

• OpenAI — Improving Image Generation with Better Captions (paper DALL-E 3)
• OpenAI Platform — Scheda del modello dall-e-3
• OpenAI Platform — Image generation guide
• Radford et al. — Learning Transferable Visual Models From Natural Language Supervision (CLIP)
• C2PA — Coalition for Content Provenance and Authenticity
• ChatGPT — interfaccia ufficiale OpenAI
• Microsoft Designer
• Microsoft Image Creator (ex Bing Image Creator)
• Midjourney — sito ufficiale