据悉，GPT-4o里的“o”是Omni（全能模型）的缩写，可实时进行音频、视觉和文本推理，它可以在短至232毫秒、平均320毫秒的时间内响应音频输入，与人类在对话中的反应速度一致。
与现有模型相比，GPT-4o在视觉和音频理解方面也会更出色。GPT-4o可以在音频、视觉和文本中进行实时推理，接受文本、音频和图像的任何组合作为输入，并生成文本、音频和图像的任何组合进行输出。
openai指出，在API使用方面，相比去年11月发布的GPT-4-turbo，GPT-4o价格降低一半（50%），速度提升两倍（200%），成本下降对于大模型的调用至关重要，从这一点不难看出，OpenAI脚步变慢，开始将大模型推向市场，而非追求技术的绝对领先。
OpenAI CEO奥尔特曼（Sam Altman）发实时推文表示，新的GPT-4o是OpenAI有史以来最好的模型，它很智能，速度很快，是原生多模态，并且它可供所有ChatGPT用户使用，无论是免费版本还是付费GPT-4版。
推荐阅读：
