先看结论
- GPT-4o 是 OpenAI 在 2024 年 5 月发布的多模态模型，本文最初记录的是发布当时的信息。
- GPT-4o 已于 2026-02-13 起从 ChatGPT 退役（同批退役的还有 GPT-4.1、GPT-4.1 mini 与 o4-mini）。
- API 中的
gpt-4o-2024-08-06、gpt-4o-2024-11-20、gpt-4o-mini-2024-07-18等快照排期 2027-01-14 下线，OpenAI 建议迁移到gpt-6-luna。完整日期见停用时间表。 - 仍在使用 GPT-4o 的应用，应尽早在测试环境验证替代模型。
发布当时的要点
以下内容来自 OpenAI 2024 年 5 月的发布说明。
- 名称：GPT-4o 中的 “o” 是 omni（全方位）。它可以接收文本、音频、图像的任意组合作为输入，并生成文本、音频、图像的任意组合作为输出。
- 响应速度：对音频输入的响应最短 232 毫秒，平均 320 毫秒，接近人类在对话中的反应时间。
- 文本与代码：英语文本和编码任务上与 GPT-4 Turbo 相当，非英语文本有显著提升；在 API 中更快，成本降低 50%。
- 视觉与音频理解：OpenAI 称其在这两项上优于当时已有的模型。
语音模式为什么变了
此前的语音模式是三个模型组成的流水线：一个把音频转成文本，GPT-3.5 或 GPT-4 接收文本并输出文本，另一个再把文本转成音频。OpenAI 给出的平均延迟分别是 GPT-3.5 的 2.8 秒与 GPT-4 的 5.4 秒；这种流水线还会丢失音调、多位说话者、背景噪音等信息，也无法输出笑声、歌声或表达情感。
GPT-4o 改为端到端训练一个新模型，所有输入和输出由同一个神经网络处理。OpenAI 当时说明，这是首次把文本、视觉和音频结合在一个模型里，仍在探索其能力和局限。
桌面应用
发布会同时推出了 ChatGPT 桌面应用，当时仅支持 macOS，Windows 版计划在当年晚些时候推出。如今 ChatGPT 桌面应用已覆盖 macOS 与 Windows，见 ChatGPT 桌面应用内置浏览器的官方说明。
现状对照
| 项目 | 现状 | 来源 |
|---|---|---|
| ChatGPT 中的 GPT-4o | 2026-02-13 起退役 | ChatGPT Release Notes |
| API 中的 GPT-4o、GPT-4o mini、GPT-4.1 等快照 | 排期 2027-01-14 下线，建议替代 gpt-6-luna | OpenAI API Deprecations |
| 当时的 232 毫秒、50% 成本等数字 | 仅代表发布时的对比，不适用于现在的选型 | OpenAI 发布说明 |
这篇文章删掉了什么
初版里的社交媒体转述、对演示片段的逐段描写与推测性评价，已经和当前的模型选型无关，因此移除。要了解当年的发布细节，请阅读 OpenAI 的原始发布说明。
官方来源
核验日期：2026-10-23。
