GPT-4o
Первая «омни-модальная» модель OpenAI: текст, звук и изображение в одной нейросети. Голосовой диалог в реальном времени с задержкой около 320 мс.
Запущена в мае 2024 года. Демонстрация голоса обернулась скандалом вокруг голоса «Sky»: Скарлетт Йоханссон заявила, что его скопировали с её голоса без разрешения. Встроенная генерация изображений (март 2025) заменила DALL·E 3 — картинки в стиле Studio Ghibli стали вирусными и на несколько часов положили ChatGPT. Вдвое дешевле GPT-4 Turbo. Realtime API позволяет делать голосовых ассистентов, которых можно естественно перебивать. Преемники: GPT-4.5 (февраль 2025), GPT-5 (лето 2025).