GPT-4o
OpenAIs erstes "omni-modales" Modell — Text, Audio und Bild in einem einzigen Netzwerk. Sprachkonversation in Echtzeit mit rund 320 ms Latenz.
Vorgestellt im Mai 2024. Die Demo mit dem Sprachmodell löste den "Sky"-Skandal aus: Scarlett Johansson erklärte, die Stimme sei ohne ihre Zustimmung ihrer nachempfunden. Native Bildgenerierung (März 2025) ersetzte DALL·E 3 — Bilder im Studio-Ghibli-Stil gingen viral und legten ChatGPT stundenlang lahm. Halber Preis gegenüber GPT-4 Turbo. Die Realtime-API erlaubt Sprachassistenten, die sich natürlich unterbrechen lassen. Nachfolger: GPT-4.5 (Februar 2025), GPT-5 (Sommer 2025).