GPT-4o
「o＝omni」全模態模型，讓 ChatGPT 能即時語音對話的功臣。
基本規格
| 開發商 | OpenAI（美國） |
|---|---|
| 發布時間 | 2024 年 5 月 |
| 類型 | 語言模型 |
| 模態 | 文字、圖片、音訊輸入／文字、音訊輸出 |
| 上下文視窗 | 128K tokens |
| 開放權重 | 否（封閉模型，透過官方服務／API 使用） |
| 官方網站 | openai.com/index/hello-gpt-4o |
規格取自官方公告與模型卡，整理於 2026 年 7 月；模型迭代快，實際以官方最新資訊為準。
GPT-4o 是 OpenAI 於 2024 年 5 月發布的多模態模型，「o」代表 omni（全）：文字、圖片、音訊都能輸入，並能以近乎人類對話的延遲即時語音回應——ChatGPT 的進階語音模式就是由它開始的。
雖然旗艦地位已被 GPT-5 接替，GPT-4o 仍是理解「多模態 AI」的重要里程碑：它證明了單一模型能同時聽、看、說，也把 AI 語音助理的體驗推進一大步。
GPT-4o 的亮點
- 即時語音對話的先驅
- 文字、圖、音訊一體
- 奠定 ChatGPT 多模態體驗
適合誰：（已由 GPT-5 接替日常用途）研究 AI 發展脈絡的人。
想實際用用看？
這個模型可以透過下面的工具直接體驗，完整介紹、定價與替代方案都在工具頁。
常見問題
現在還會用到 GPT-4o 嗎？
ChatGPT 已以 GPT-5 系列為主，但 API 上 GPT-4o 仍可用，部分應用因成本或相容性繼續採用它。
GPT-4o 的語音是怎麼做到即時的？
它把語音直接當成模型的輸入輸出（而非先轉文字再合成），省去中間轉換，延遲才能低到接近真人對話。