GPT-4o

概览

OpenAI 在 2024 年发布的多模态模型，统一处理文本、图像与音频，曾长期是 ChatGPT 与大量应用的核心。截至 2026-08 它仍留在 API 价目表上（$2.50 / $10 每百万 token），但已属遗留档位：OpenAI 现役主线是 GPT-5.6 家族（Sol / Terra / Luna），上下文窗口从 128K 提升到 1.05M，并在编程、智能体与长上下文上全面领先，其中 Luna 的价格还只有 GPT-4o 的十分之一左右。ChatGPT 的语音模式也已在 2026-07-08 由 GPT-Live-1 接手，图像生成由 GPT-Image-2 接手。新项目不建议再选 GPT-4o，存量项目迁移时优先考虑 GPT-5.6 Terra 或 Luna。

模态

多模态

能力

• +多模态输入（文本 / 图像），文本输出；音频能力已由 GPT-Realtime 系列接手
• +代码生成与工具调用
• +结构化输出（JSON Schema）
• +128,000 token 上下文、16,384 token 最大输出

基准测试

分数按各测试原始量表列示，不同测试之间不作百分比换算。

版本历史

1. 2024-08

   2024-08-06
   输入 $2.50 / 百万 tokens输出 $10.00 / 百万 tokens
   • 支持结构化输出（JSON Schema），格式化响应更稳定
   • 输入价格从 $5 下调至 $2.5 每百万 token

2. 2024-05

   2024-05-13
   上下文 128K
   • 首次发布，统一文本 / 图像 / 音频的全模态处理能力