GPT-4o: первая мультимодальная модель OpenAI из коробки
Мультимодальная модель: текст, изображения и звук в одном интерфейсе.
Что это за версия
GPT-4o вышел 13 мая 2024 года. Буква o в названии — от omni: модель обрабатывала и генерировала текст, картинки и звук без переключения между отдельными сервисами.
Для своего времени она была эталоном, с которым сравнивали все остальные: именно относительно GPT-4o измеряли себя первые версии DeepSeek и других открытых моделей.
Данные обучения у неё расширены до июня 2024 года. Для работы с кодом сегодня она безнадёжно устарела: контекст меньше, качество ниже, а цена не компенсирует разницу.
Характеристики
| Разработчик | OpenAI |
|---|---|
| Вышла | 13 мая 2024 |
| Модальности | текст, изображения, звук |
| Данные обучения | до июня 2024 года |
| Открытые веса | нет |
Особенности
- Обработка текста, картинок и аудио в одном интерфейсе
- Данные обучения расширены до июня 2024 года
- Долго служила отраслевой точкой отсчёта для сравнения моделей
Что изменилось
Первая модель OpenAI, где мультимодальность работала из коробки.
Сравнение
Набор реальных задач из открытых репозиториев: модель чинит настоящий баг, правку проверяют тестами. Здесь только модели из одного среза лидерборда за август 2026 года — замеры из прогонов с разной методикой несопоставимы.
Меньше — дешевле. Цена вывода обычно в несколько раз выше цены ввода, но соотношение версий между собой сохраняется.
Сколько текста модель удерживает в одном запросе. Больше не всегда лучше: большой контекст дороже и не гарантирует аккуратности.
Когда брать эту версию
Не использовать для кода: устарела по всем параметрам.