GPT 4o是OpenAI最新推出的最先进的大型多模态语言模型，它在原有的GPT 4基础上进行了显著的改进和扩展。GPT 4o不仅继承了GPT 4处理文本和图像的能力，还新增了对音频输入的识别功能，使其成为一个更全面的多模态AI模型。该模型的主要特点包括更快的响应时间和更高级的多模态处理能力。GPT 4o能够实时识别和分析用户通过聊天界面提供的音频、图像和文本信息，从而提供更为丰富和互动的用户体验。

GPT 4o不仅免费可用，能力更是横跨听👂、看👀、说👄，丝滑流畅毫无延迟，就像在打一个视频电话。它能感受到你的呼吸节奏，也能用比以前更丰富的语气实时回复，甚至可以做到随时打断。

GPT 4o里的“o”是Omni的缩写，也就是“全能”的意思，接受文本、音频和图像的任意组合作为输入，并生成文本、音频和图像输出。研究员William Fedus揭秘，GPT 4o就是之前在大模型竞技场搞A/B测试的模型之一，im-also-a-good-gpt2-chatbot，ELO分数一骑绝尘。