GPT-4o
El primer modelo «omnimodal» de OpenAI — texto, audio e imagen en la misma red neuronal. Conversación de voz en tiempo real con ~320 ms de latencia.
Lanzado en mayo de 2024. La demo del modelo de voz desató el escándalo «Sky» (Scarlett Johansson sostuvo que la voz copiaba la suya sin permiso). La generación de imágenes nativa (marzo de 2025) jubiló a DALL·E 3 — las imágenes al estilo Studio Ghibli se hicieron virales y tumbaron ChatGPT durante horas. La mitad de precio que GPT-4 Turbo. La Realtime API permite asistentes de voz con un patrón de interrupción natural. Sucesores: GPT-4.5 (febrero de 2025) y GPT-5 (verano de 2025).