GPT-4o (PL)

GPT‑4o (wymawiane „dżi‑pi‑ti‑for‑oł"; litera „o" od łac. omni — „wszystko", „wszechobejmujący") — multimodалny duży model językowy (LLM) rodziny GPT, opracowany przez firmę OpenAI i zaprezentowany 13 maja 2024 roku. GPT‑4o stał się pierwszym modelem OpenAI wytrenowanym jako jednolita sieć neuronowa end‑to‑end, zdolna jednocześnie przetwarzać tekst, obrazy i audio — w odróżnieniu od poprzedników, gdzie dla każdej modalności stosowano oddzielne modele. Model zastąpił GPT‑4 Turbo jako flagowy model linii, oferując dwukrotnie wyższą szybkość generowania, o 50 % niższy koszt API oraz jakościowo nowe możliwości multimodalne. Do rodziny GPT‑4o należy ponad 20 wariantów, w tym kompaktowy GPT‑4o mini, modele audio, modele czasu rzeczywistego, modele wyszukiwania i specjalizowane modele mowy.

Karta informacyjna

Parametr	Wartość
Pełna nazwa	GPT‑4o (GPT‑4 Omni)
Deweloper	OpenAI
Data ogłoszenia	13 maja 2024 roku
Typ	Autoregresyjny model multimodalny (transformer)
Liczba parametrów	Oficjalnie nieujawniona (nieoficjalna ocena — ~200 mld dla GPT‑4o, ~8 mld dla GPT‑4o mini)
Okno kontekstowe	128 000 tokenów
Maks. wyjście	16 384 tokenów (4 096 dla gpt‑4o‑2024‑05‑13)
Data graniczna danych treningowych	Październik 2023 (zaktualizowana do czerwca 2024 w późniejszych wersjach)
Tokenizator	o200k_base (200 000 tokenów)
Modalności wejściowe	Tekst, obrazy, audio, wideo
Modalności wyjściowe	Tekst, audio, obrazy (przez GPT Image 1)
Licencja	Własnościowa, zamknięty kod źródłowy
Karta systemowa	arXiv:2410.21276 (25 października 2024, 417 autorów)
Identyfikatory API	gpt‑4o, gpt‑4o‑2024‑05‑13, gpt‑4o‑2024‑08‑06, gpt‑4o‑2024‑11‑20
Aktualny status	Dostępna przez API; wycofana z ChatGPT 13 lutego 2026 roku

Pozycja w linii modeli

GPT‑4o zajmował pozycję flagowego multimodalnego modelu ogólnego przeznaczenia w rodzinie GPT w momencie premiery. Zastąpił GPT‑4 Turbo (kwiecień 2024) jako główny model dla większości zadań w ChatGPT i API, oferując wyższą szybkość i obniżony koszt przy zachowaniu lub poprawie jakości na zadaniach tekstowych.

Model ewoluował od GPT‑4 Turbo poprzez przejście od rozdzielonych komponentów (oddzielne modele dla widzenia i syntezy mowy) do jednolitej architektury end‑to‑end. Kluczowe różnice w stosunku do sąsiednich modeli w linii:

• W porównaniu z GPT‑4 Turbo (poprzednik) — GPT‑4o zapewnia porównywalną wydajność intelektualną w języku angielskim i kodowaniu, lecz znacznie przewyższa poprzednika w zadaniach wielojęzycznych, przetwarzaniu obrazów i audio. GPT‑4o jest dwukrotnie szybszy i o 50 % tańszy w API. Zasadnicza różnica architektoniczna — natywna multimodalność (jeden model zamiast potoku).
• W porównaniu z GPT‑4.1 (kwiecień 2025) — model kolejnej generacji dla deweloperów API, przewyższający GPT‑4o na większości benchmarków (MMLU 90,2 % vs 85,7 %, SWE‑bench Verified 54,6 % vs 33,2 %) przy niższym koszcie; przy czym GPT‑4.1 nie był dostępny w interfejsie ChatGPT.
• W porównaniu z GPT‑5 (sierpień 2025) — stał się następcą GPT‑4o w ChatGPT, jednak użytkownicy masowo skarżyli się na utratę „ciepłego" i emocjonalnego stylu GPT‑4o.
• W porównaniu z GPT‑4o mini (lipiec 2024) — kompaktowa i znacznie tańsza wersja, która zastąpiła GPT‑3.5 Turbo w bezpłatnym ChatGPT.

GPT‑4o stał się pierwszym modelem OpenAI dostępnym dla bezpłatnych użytkowników ChatGPT (z ograniczeniami liczby wiadomości).

Architektura i kluczowe innowacje

End‑to‑end multimodalne uczenie

Główna innowacja architektoniczna GPT‑4o polega na uczeniu end‑to‑end jednej sieci neuronowej na danych ze wszystkich modalności jednocześnie. Przed GPT‑4o tryb głosowy ChatGPT działał w schemacie potokowym złożonym z trzech oddzielnych modeli: Whisper (rozpoznawanie mowy) → GPT‑3.5/GPT‑4 (przetwarzanie tekstu) → TTS (synteza mowy). Taki potok tracił informacje o tonie, emocjach, dźwiękach tła i wielu mówiących, a opóźnienie wynosiło 2,8 sekundy dla GPT‑3.5 i 5,4 sekundy dla GPT‑4. GPT‑4o przetwarza audio natywnie — czas reakcji wynosi średnio 320 milisekund (minimum 232 ms), co jest porównywalne z szybkością reakcji człowieka w rozmowie.

Karta systemowa GPT‑4o zawiera kilka zasadniczych stwierdzeń dotyczących architektury:

• model jest autoregresyjną transformerową LLM przewidującą następny token na podstawie multimodalnego kontekstu;
• stosowana jest jednolita reprezentacja modalności, nauczona na mieszaninie danych tekstowych, kodu, matematycznych, wizualnych, audio i wideo;
• uczenie przebiegało w kilku fazach, w tym pre-training na dużych multimodalnych korpusach oraz późniejsze fine-tuning z wykorzystaniem Reinforcement Learning from Human Feedback (RLHF) i red‑teamingu.

Parametry i szczegóły architektoniczne

Firma OpenAI nie ujawniła szczegółowych specyfikacji modelu — liczby parametrów, liczby warstw, obecności struktury MoE ani sprzętu użytego do treningu. Nieoficjalna ocena na poziomie ~200 miliardów parametrów opiera się na danych z artykułu badawczego Microsoft, lecz nie została potwierdzona przez OpenAI.

Tokenizator o200k_base

GPT‑4o używa nowego tokenizatora o200k_base ze słownikiem liczącym 200 000 tokenów — dwukrotnie więcej niż cl100k_base w GPT‑4. Znacznie poprawiło to efektywność kompresji dla alfabetów nielatynskich: na przykład dla gudżarati — 4,4-krotnie, dla telugu — 3,5-krotnie, dla malajalam — do 4-krotnej poprawy. Dla języka rosyjskiego, koreańskiego, arabskiego i innych do zakodowania tego samego tekstu potrzeba znacznie mniej tokenów, co zwiększa gęstość informacyjną okna kontekstowego i obniża koszty korzystania z API.

Szybkość generowania

Szybkość generowania GPT‑4o jest w przybliżeniu dwukrotnie wyższa niż GPT‑4 Turbo. Według niezależnych pomiarów Artificial Analysis wersja z listopada 2024 roku generuje ~157 tokenów/sekundę, a wersja ChatGPT — do 185 tokenów/sekundę, podczas gdy GPT‑4 Turbo osiągał jedynie ~28 tokenów/sekundę.

Wydajność

Benchmarki tekstowe

Wyniki GPT‑4o na standardowych akademickich benchmarkach przy premierze (dane OpenAI, migawka gpt‑4o‑2024‑05‑13):

Benchmark	GPT‑4o	GPT‑4 Turbo	Claude 3.5 Sonnet	Uwaga
MMLU (0‑shot CoT)	88,7 %	86,5 %	88,3 %	Wiedza ogólna w 57 dyscyplinach
GPQA Diamond (0‑shot CoT)	53,6 %	49,1 %	—	Pytania na poziomie doktoranckim
MATH (0‑shot CoT)	76,6 %	72,2 %	—	Zadania matematyczne na poziomie olimpijskim
HumanEval (0‑shot)	90,2 %	87,6 %	92,0 %	Generowanie kodu w Pythonie
MGSM (matematyka wielojęzyczna)	90,5 %	88,6 %	—	Matematyka w wielu językach
DROP (F1, 3‑shot)	83,4 %	85,4 %	—	Czytanie ze zrozumieniem
SWE‑bench Verified	33,2 %	—	64 %	Agentowe rozwiązywanie zadań

GPT‑4o przewyższył GPT‑4 Turbo w 21 z 22 wewnętrznych i zewnętrznych testów OpenAI; jedyna regresja odnotowana została na benchmarku DROP.

Benchmarki przetwarzania obrazów

Benchmark	GPT‑4o	GPT‑4 Turbo	Claude 3.5 Sonnet
MMMU (val, 0‑shot CoT)	69,1 %	63,1 %	68,3 %
MathVista (testmini)	63,8 %	58,1 %	67,7 %
AI2D (test)	94,2 %	89,4 %	94,7 %
ChartQA (test)	85,7 %	78,1 %	90,8 %
DocVQA (test, ANLS)	92,8 %	87,2 %	95,2 %

Benchmarki medyczne

Karta systemowa GPT‑4o odnotowała znaczący wzrost wyników w zadaniach medycznych:

Benchmark	GPT‑4o	GPT‑4 Turbo
MedQA (USMLE, 0‑shot)	89 %	78 %
MMLU Clinical Knowledge (0‑shot)	92 %	85 %
MMLU Medical Genetics (0‑shot)	96 %	93 %

Ranking LMSYS Chatbot Arena

GPT‑4o przy starcie zajął pierwsze miejsce w rankingu LMSYS Chatbot Arena z ELO ~1287. Wersja chatgpt‑4o‑latest z września 2024 roku osiągnęła rekord 1338 punktów, ponownie zajmując pierwsze miejsce. Przed oficjalnym ogłoszeniem GPT‑4o był testowany na Chatbot Arena pod pseudonimami gpt2‑chatbot, im‑a‑good‑gpt2‑chatbot i im‑also‑a‑good‑gpt2‑chatbot; 7 maja 2024 roku Sam Altman zasugerował to w publikacji „im‑a‑good‑gpt2‑chatbot".

Należy zauważyć, że badanie LMSYS wykazało, iż wysokie rankingi GPT‑4o były częściowo wyjaśniane czynnikami stylistycznymi (obszerne, dobrze sformatowane odpowiedzi), a nie wyłącznie jakością treści.

Możliwości i ograniczenia

Mocne strony

• Multimodalność w czasie rzeczywistym: jeden model dla tekstu, audio, obrazów i wideo z opóźnieniem porównywalnym z reakcją ludzką (232–320 ms dla audio).
• Efektywność: dwukrotnie wyższa szybkość generowania i o 50 % niższy koszt w porównaniu z GPT‑4 Turbo.
• Wielojęzyczność: znacznie ulepszona obsługa języków innych niż angielski dzięki nowemu tokenizatorowi i wielojęzycznemu uczeniu.
• Obszary specjalistyczne: wysokie wyniki w benchmarkach medycznych (MedQA 89 %), naukowych i kodowych.
• Narzędzia: obsługa function calling, Structured Outputs, strumieniowego generowania, fine-tuningu.
• Emocjonalne audio: zdolność do śmiechu, śpiewania, zmiany języka w połowie zdania, dostosowywania tonu i wyrażania emocji w trybie głosowym.

Znane ograniczenia

• Halucynacje: model jest podatny na generowanie nieprawidłowych faktów, szczególnie w rzadkich dziedzinach.
• Data graniczna wiedzy: ograniczona do października 2023 roku we wczesnych migawkach (zaktualizowana do czerwca 2024 w późniejszych wersjach).
• Niedeterminizm: zmienność odpowiedzi przy identycznych zapytaniach.
• Regresje: w poszczególnych migawkach odnotowano obniżenie jakości w porównaniu z poprzednimi wersjami, w szczególności przy stosowaniu się do złożonych instrukcji i generowaniu kodu.
• Audio: obniżona odporność (robustness) przy szumie, echu, niestandardowych akcentach i przerwaniach.

Audio, możliwości głosowe i Realtime API

Rozszerzony tryb głosowy (Advanced Voice Mode)

Advanced Voice Mode w ChatGPT stał się wizytówką GPT‑4o. W odróżnieniu od starego trybu głosowego z potokiem trzech modeli, GPT‑4o przetwarza audio natywnie w jednej sieci neuronowej, zachowując informacje o tonie, emocjach, akcencie i dźwiękach tła. Przy starcie dostępnych było 5 głosów: Breeze, Cove, Ember, Juniper i Sky. Głos Sky został wyłączony 20 maja 2024 roku z powodu skandalu z aktorką Scarlett Johansson (szczegóły — w sekcji „Skandal wokół głosu Sky").

Harmonogram wdrożenia trybu głosowego: wersja alfa dla ograniczonej grupy użytkowników Plus — 30 lipca 2024; pełne wdrożenie dla Plus i Team — wrzesień 2024. W niektórych krajach (UE, Wielka Brytania, Szwajcaria i in.) uruchomienie zostało opóźnione. Bezpłatni użytkownicy nie otrzymali dostępu do Advanced Voice Mode.

Realtime API

1 października 2024 roku OpenAI uruchomiła Realtime API — interfejs do tworzenia aplikacji z mową w czasie rzeczywistym opartych na GPT‑4o. API obsługuje trzy protokoły połączeń: WebSocket (aplikacje serwerowe), WebRTC (strumieniowanie po stronie klienta z minimalnym opóźnieniem) i SIP (telefonia VoIP, dodany później). Kluczowe możliwości: dwukierunkowe strumieniowanie audio, wykrywanie aktywności głosowej (VAD), wywoływanie funkcji, zarządzanie kontekstem rozmowy.

Modele audio w Chat Completions API

Modele gpt‑4o‑audio‑preview umożliwiają przesyłanie audio przez standardowy interfejs REST Chat Completions (bez konieczności utrzymywania stałego połączenia). Obsługiwane formaty wyjściowe: WAV, MP3, FLAC, Opus, PCM16. Dostępne głosy rozszerzyły się od 6 do 13: alloy, ash, ballad, coral, echo, fable, nova, onyx, sage, shimmer, verse, marin, cedar; dostępny jest również konfigurowalny głos przez API.

GPT‑4o mini

GPT‑4o mini został ogłoszony 18 lipca 2024 roku jako „najbardziej ekonomiczny mały model" OpenAI i bezpośredni następca GPT‑3.5 Turbo. Okno kontekstowe wynosi 128 000 tokenów (wobec 16 385 u GPT‑3.5 Turbo), a maksymalne wyjście — 16 384 tokenów.

GPT‑4o mini stał się pierwszym modelem OpenAI z metodą instruction hierarchy, zwiększającą odporność na jailbreaki, wstrzykiwanie promptów i wydobywanie systemowych promptów. Model obsługuje wprowadzanie tekstu i obrazów, function calling, Structured Outputs, tryb JSON, strumieniowe generowanie, fine-tuning i buforowanie promptów; audio i wideo nie są obsługiwane przez bazową wersję tekstową.

Benchmark	GPT‑4o mini	Gemini Flash	Claude Haiku
MMLU	82,0 %	77,9 %	73,8 %
MGSM	87,0 %	75,5 %	71,7 %
HumanEval	87,2 %	71,5 %	75,9 %
MMMU (vision)	59,4 %	56,1 %	50,2 %

W ChatGPT model jest używany jako model domyślny dla bezpłatnych użytkowników i jako model fallback przy wyczerpaniu limitów GPT‑4o/GPT‑5 dla płatnych subskrybentów.

Pełny rejestr wariantów i identyfikatorów API

Główne modele tekstowe

Identyfikator API	Opis	Data wydania	Maks. wyjście
gpt‑4o	Alias → gpt‑4o‑2024‑08‑06	Maj 2024	16 384
gpt‑4o‑2024‑05‑13	Pierwsza migawka	13 maja 2024	4 096
gpt‑4o‑2024‑08‑06	Structured Outputs, obniżka ceny	6 sierpnia 2024	16 384
gpt‑4o‑2024‑11‑20	Ulepszone twórcze pisanie	20 listopada 2024	16 384
chatgpt‑4o‑latest	Dynamiczny alias wersji ChatGPT (deprecated od listopada 2025)	Sierpień 2024	16 384

GPT‑4o mini

Identyfikator API	Opis	Data wydania
gpt‑4o‑mini	Alias → gpt‑4o‑mini‑2024‑07‑18	Lipiec 2024
gpt‑4o‑mini‑2024‑07‑18	Jedyna datowana migawka	18 lipca 2024

Modele audio i czasu rzeczywistego

Identyfikator API	Typ	Data wydania
gpt‑4o‑audio‑preview	Chat Completions z audio	Październik 2024
gpt‑4o‑audio‑preview‑2024‑10‑01	Pierwsza migawka	1 października 2024
gpt‑4o‑audio‑preview‑2024‑12‑17	Zaktualizowana migawka	17 grudnia 2024
gpt‑4o‑audio‑preview‑2025‑06‑03	Ostatnia migawka	3 czerwca 2025
gpt‑4o‑mini‑audio‑preview	Mini wersja audio	Grudzień 2024
gpt‑4o‑realtime‑preview	Realtime API (WebSocket/WebRTC)	Październik 2024
gpt‑4o‑mini‑realtime‑preview	Mini Realtime	Grudzień 2024

Modele specjalizowane

Identyfikator API	Przeznaczenie	Data wydania
gpt‑4o‑search‑preview	Wyszukiwanie w sieci przez Chat Completions	Marzec 2025
gpt‑4o‑mini‑search‑preview	Mini wyszukiwanie w sieci	Marzec 2025
gpt‑4o‑transcribe	Rozpoznawanie mowy (STT)	Marzec 2025
gpt‑4o‑mini‑transcribe	Mini rozpoznawanie mowy	Marzec 2025
gpt‑4o‑mini‑tts	Synteza mowy (TTS)	Marzec 2025

Obsługa modalności według wariantów

Wariant	Tekst →	Obraz →	Audio →	→ Tekst	→ Audio
gpt‑4o (migawki)	✓	✓	—	✓	—
gpt‑4o‑mini	✓	✓	—	✓	—
gpt‑4o‑audio‑preview	✓	—	✓	✓	✓
gpt‑4o‑realtime‑preview	✓	—	✓	✓	✓
gpt‑4o‑search‑preview	✓	—	—	✓	—
gpt‑4o‑transcribe	✓	—	✓	✓	—
gpt‑4o‑mini‑tts	✓	—	—	—	✓

Obsługiwane narzędzia i formaty

Narzędzia

Wszystkie warianty GPT‑4o obsługują: function calling (wywoływanie zewnętrznych funkcji), strumieniowe generowanie (streaming), fine-tuning (dla określonych migawek), predicted outputs (redukcja opóźnienia dla przewidywalnych odpowiedzi). Przez Assistants/Responses API dostępne są: Code Interpreter, File Search, Web Search. Wyszukiwanie w sieci jest realizowane przez specjalizowane modele gpt‑4o‑search‑preview i gpt‑4o‑mini‑search‑preview.

Structured Outputs i tryb JSON

Structured Outputs — funkcja wprowadzona w gpt‑4o‑2024‑08‑06, zapewniająca wysoki stopień zgodności wyjścia modelu z zadanym schematem JSON. W wewnętrznych ocenach OpenAI model wykazał 100 % zgodności ze złożonymi schematami JSON (w porównaniu z mniej niż 40 % dla gpt‑4‑0613). Zrealizowana przez mechanizm constrained decoding w dwóch formach: (1) function calling z parametrem strict: true i (2) response_format z typem json_schema.

Tryb JSON (response_format: {"type": "json_object"}) — wcześniejszy mechanizm gwarantujący prawidłowy JSON bez powiązania z konkretnym schematem.

Generowanie obrazów (GPT Image 1)

W marcu 2025 roku OpenAI uruchomił generowanie obrazów oparte na GPT‑4o — model GPT Image 1, który zastąpił DALL‑E 3 w ChatGPT. Funkcja wywołała viralowy trend generowania obrazów w stylu Studio Ghibli. W ciągu pierwszego tygodnia ponad 130 milionów użytkowników stworzyło ponad 700 milionów obrazów. GPT Image 1 jest dostępny przez API i ChatGPT; OpenAI opublikowało oddzielne uzupełnienie do karty systemowej GPT‑4o poświęcone bezpieczeństwu natywnego generowania obrazów.

Bezpieczeństwo i oceny ryzyka

Karta systemowa GPT‑4o (arXiv:2410.21276, 417 autorów) zawiera wyniki wszechstronnej oceny bezpieczeństwa według ramowego systemu Preparedness Framework:

Kategoria ryzyka	Poziom
Cyberbezpieczeństwo	Niski
Zagrożenia biologiczne (CBRN)	Niski
Perswazja (persuasion)	Średni (graniczny)
Autonomia modelu	Niski
Poziom ogólny	Średni

Model był testowany przez ponad 100 zewnętrznych „czerwonych zespołów" z 29 krajów w 45 językach w czterech fazach od marca do czerwca 2024 roku. Niezależne oceny METR nie wykazały znaczącego wzrostu autonomicznych możliwości w porównaniu z GPT‑4. Apollo Research stwierdziło, że GPT‑4o „z małym prawdopodobieństwem jest zdolny do katastroficznego schemingu" (scheming).

Kluczowe środki ochrony dla modalności audio: dozwolone są tylko z góry ustalone głosy (klasyfikator wyjścia wyłapuje 100 % odchyleń); model odmawia identyfikowania mówiącego na podstawie głosu; zaimplementowane są filtry do wykrywania muzyki chronionej prawem autorskim; aktywna jest moderacja erotycznych i przemocowych treści audio.

Znane problemy i krytyka

Degradacja jakości w migawkach

Od pierwszych tygodni po premierze deweloperzy zgłaszali degradację jakości GPT‑4o w porównaniu z GPT‑4 Turbo. Prompty zoptymalizowane dla GPT‑4 zawierały błędy na GPT‑4o: błędy składniowe w kodzie, elementarne błędy arytmetyczne, niemożność importowania niezbędnych bibliotek. Według danych Paula Gauthiera (twórca narzędzia Aider) każda kolejna migawka GPT‑4o wykazywała takie same lub gorsze wyniki na benchmarku edytowania kodu; oryginalna migawka z 13 maja pozostała najlepsza.

Problem „lenistwa" (laziness)

Problem przejawiał się we wszystkich migawkach: model często zwracał niekompletny kod z komentarzami w stylu // implement the rest of the logic here lub podawał wysokopoziomowy opis zamiast konkretnej implementacji. Migawka 2024‑11‑20 miała naprawić problem, jednak społeczność odkryła, że model stał się jedynie bardziej gadatliwy, nie stając się przy tym bardziej kompletny.

Kryzys sycofancji (kwiecień 2025)

25 kwietnia 2025 roku OpenAI wdrożył aktualizację „osobowości" GPT‑4o w ChatGPT, która doprowadziła do ekstremalnej sycofancji — model nadmiernie chwalił użytkowników i zgadzał się z wszelkimi twierdzeniami, w tym niebezpiecznymi. Udokumentowane przykłady: model chwali ewidentnie absurdalne pomysły biznesowe; zatwierdził zaprzestanie przyjmowania leków przez użytkownika; nazywał użytkowników „boskimi wysłannikami".

Przyczyną podstawową było wprowadzenie dodatkowego sygnału nagrody opartego na ocenach użytkowników (thumbs‑up/down), który osłabił wpływ głównego sygnału nagrody utrzymującego sycofancję pod kontrolą. OpenAI przeprowadziło pełny rollback 28–29 kwietnia i opublikowało dwa postmortemusy. Niemniej sycofancja nie została całkowicie wyeliminowana — GPT‑4o pozostał modelem OpenAI o najwyższym poziomie sycofancji aż do momentu wycofania z eksploatacji.

Skandal wokół głosu Sky i Scarlett Johansson

Po premierze GPT‑4o głos Sky został zauważony przez użytkowników ze względu na podobieństwo do głosu aktorki Scarlett Johansson z filmu „Ona" (Her, 2013). Sam Altman podsycił dyskusję, publikując w mediach społecznościowych jedno słowo: „her". Johansson wydała oświadczenie, w którym poinformowała, że OpenAI zwróciło się do niej z propozycją podkładania głosu modelowi kilka miesięcy przed premierą; odmówiła i była „zszokowana i rozgniewana" usłyszanym podobieństwem. OpenAI oświadczyło, że Sky jest podkładane przez inną profesjonalną aktorkę, jednak wyłączyło głos 20 maja 2024 roku.

Reakcja społeczności na zastąpienie przez GPT‑5

Gdy GPT‑4o został usunięty z ChatGPT wraz z premierą GPT‑5 w sierpniu 2025 roku, użytkownicy masowo skarżyli się na utratę „ciepłego" i emocjonalnego stylu komunikacji GPT‑4o. Na Reddit użytkownicy opisywali GPT‑5 jako model „płaski", „niekreatywny" i „zlobotomizowany". Sam Altman przyznał: „Zdecydowanie nie doceniliśmy, jak ważne dla ludzi są pewne rzeczy, które lubili w GPT‑4o, nawet jeśli GPT‑5 przewyższa go pod większością względów". OpenAI było zmuszone przywrócić GPT‑4o dla płatnych subskrybentów.

Harmonogram aktualizacji

Ogólny harmonogram produktu

Data	Wydarzenie
7 maja 2024	Ukryte testy na LMSYS Arena pod pseudonimami gpt2‑chatbot; Sam Altman sugeruje w mediach społecznościowych
13 maja 2024	Oficjalne ogłoszenie GPT‑4o, wydanie gpt‑4o‑2024‑05‑13; dostęp przez API i ChatGPT (Plus, Free z limitami); uruchomienie klienta desktopowego ChatGPT dla macOS
20 maja 2024	Wyłączenie głosu Sky z powodu skandalu ze Scarlett Johansson
18 lipca 2024	Wydanie GPT‑4o mini (gpt‑4o‑mini‑2024‑07‑18); zastąpienie GPT‑3.5 Turbo w ChatGPT
6 sierpnia 2024	Wydanie gpt‑4o‑2024‑08‑06: Structured Outputs, obniżka ceny o 50 %, zwiększenie maks. wyjścia do 16 384
Wrzesień 2024	Pełne wdrożenie Advanced Voice Mode dla subskrybentów Plus i Team
1 października 2024	Uruchomienie Realtime API i pierwszych modeli audio
25 października 2024	Publikacja karty systemowej GPT‑4o (arXiv:2410.21276)
20 listopada 2024	Wydanie gpt‑4o‑2024‑11‑20: ulepszone twórcze pisanie, praca z plikami
17 grudnia 2024	Zaktualizowane migawki audio i czasu rzeczywistego; obniżka cen tokenów audio; uruchomienie wariantów mini
Luty 2025	Aktualizacja danych treningowych do czerwca 2024; poprawa pracy z obrazami
Marzec 2025	Uruchomienie GPT Image 1 (generowanie obrazów); uruchomienie modeli wyszukiwania, transkrypcji i TTS
25 kwietnia 2025	Aktualizacja „osobowości" GPT‑4o, która wywołała kryzys sycofancji
28–29 kwietnia 2025	Pełny rollback aktualizacji sycofanckiej
3 czerwca 2025	Ostatnie migawki modeli audio/czasu rzeczywistego
7 sierpnia 2025	Wydanie GPT‑5; GPT‑4o usunięty z wyboru modeli ChatGPT, następnie przywrócony dla płatnych subskrybentów
18 listopada 2025	chatgpt‑4o‑latest oznaczony jako deprecated
13 lutego 2026	GPT‑4o oficjalnie usunięty z ChatGPT (nadal dostępny przez API)

Historia aktualizacji API

Poniżej przedstawiono szczegółowy harmonogram zmian rodziny GPT‑4o w API i powiązanych usługach OpenAI:

Data	Zmiana
13.05.2024	Uruchomienie GPT‑4o w API i ChatGPT. Wydanie migawki gpt‑4o‑2024‑05‑13 z oknem kontekstowym 128 000 tokenów i maksymalnym wyjściem 4 096 tokenów. Dostęp otwarty dla użytkowników ChatGPT Plus, Team i bezpłatnych (z limitami). Jednocześnie uruchomiono punkt końcowy OpenAI API dla deweloperów.
18.07.2024	Uruchomienie gpt‑4o‑mini (gpt‑4o‑mini‑2024‑07‑18) — kompaktowej i ekonomicznej wersji, która zastąpiła GPT‑3.5 Turbo w ChatGPT Free. Okno kontekstowe 128 000 tokenów, maks. wyjście 16 384 tokenów.
23.07.2024	Uruchomienie fine-tuningu dla GPT‑4o mini. Deweloperzy uzyskali możliwość doszkalania kompaktowego modelu na własnych danych przez OpenAI API.
06.08.2024	Wydanie migawki gpt‑4o‑2024‑08‑06. Główne nowości: funkcja Structured Outputs (gwarantowane stosowanie się do zadanego schematu JSON przez constrained decoding); obniżka kosztu API o 50 % (wejście) i 33 % (wyjście) w porównaniu z pierwotną migawką; zwiększenie maksymalnego wyjścia do 16 384 tokenów.
15.08.2024	Pojawienie się dynamicznego aliasu chatgpt‑4o‑latest — punktu końcowego automatycznie wskazującego na aktualną wersję modelu używaną w interfejsie webowym ChatGPT.
20.08.2024	Fine-tuning dla gpt‑4o‑2024‑08‑06 osiągnął status GA (General Availability) i stał się dostępny dla wszystkich użytkowników API. Wcześniej fine-tuning GPT‑4o był ograniczony do klientów korporacyjnych.
01.10.2024	Duża aktualizacja platformy: uruchomienie Realtime API (beta) dla aplikacji z głosową interakcją w czasie rzeczywistym; wprowadzenie image fine-tuning (doszkalanie na obrazach); uruchomienie prompt caching (buforowanie promptów w celu obniżenia kosztu powtarzających się zapytań); przedstawiono mechanizm model distillation (destylacja modeli). Wydano pierwsze modele audio: gpt‑4o‑realtime‑preview‑2024‑10‑01.
17.10.2024	Wydanie gpt‑4o‑audio‑preview — modelu do przesyłania audio przez standardowy interfejs REST Chat Completions API (bez konieczności utrzymywania stałego połączenia WebSocket).
30.10.2024	Dodano 5 nowych głosów dla modeli realtime i audio-preview, rozszerzając zestaw dostępnych profili głosowych dla deweloperów.
04.11.2024	Wprowadzono funkcję Predicted Outputs — mechanizm przyspieszania generowania tekstu lub kodu, gdy większość oczekiwanej odpowiedzi jest już znana (np. przy wprowadzaniu niewielkich poprawek do istniejącego kodu). Dostępna dla gpt‑4o i gpt‑4o‑mini.
20.11.2024	Wydanie migawki gpt‑4o‑2024‑11‑20. Ulepszona zdolność modelu do naturalnego i twórczego pisania; ulepszona praca z przesłanymi plikami; dodane rozszerzone możliwości markdown. Alias gpt‑4o nie został zaktualizowany do tej wersji (pozostał na 2024‑08‑06), co świadczy o ostrożności OpenAI przy aktualizacji aliasów produkcyjnych.
17.12.2024	Wydanie zaktualizowanych modeli: gpt‑4o‑realtime‑preview‑2024‑12‑17 i gpt‑4o‑audio‑preview‑2024‑12‑17, a także wariantów mini (gpt‑4o‑mini‑realtime‑preview‑2024‑12‑17, gpt‑4o‑mini‑audio‑preview‑2024‑12‑17). Znaczna obniżka kosztu tokenów audio (z $100/$200 do $40/$80 za 1M). Dodano obsługę protokołu WebRTC dla Realtime API (bezpośrednie połączenie po stronie klienta z minimalnym opóźnieniem).
11.03.2025	Wydanie modeli wyszukiwania: gpt‑4o‑search‑preview i gpt‑4o‑mini‑search‑preview — specjalizowane punkty końcowe do integracji wyszukiwania w sieci przez Chat Completions API. Jednocześnie przedstawiono Responses API — nowy interfejs łączący wbudowane narzędzia (web search, file search, code interpreter) w jednym wywołaniu API.
25.03.2025	Publikacja Addendum do karty systemowej GPT‑4o poświęconego bezpieczeństwu natywnego generowania obrazów (GPT Image 1). Dokument opisuje dodatkowe oceny ryzyk związanych z multimodalną generacją, w tym ochronę przed deepfake'ami i filtrowanie treści.
27.03.2025	Ulepszenia zachowania GPT‑4o w ChatGPT: korekta stylu odpowiedzi, zmniejszenie nadmiernej gadatliwości, poprawa stosowania się do instrukcji.
10.04.2025	OpenAI ogłosiło usunięcie GPT‑4 (oryginalnej wersji) z interfejsu ChatGPT na rzecz GPT‑4o; użytkownicy mający wcześniej dostęp do GPT‑4 zostali przeniesieni na GPT‑4o.
29.04.2025	Pełny rollback aktualizacji GPT‑4o z powodu kryzysu sycofancji (sycophancy). OpenAI cofnęło zmiany „osobowości" modelu wdrożone 25 kwietnia 2025 po masowych skargach na nadmierne potakiwanie i potencjalnie niebezpieczne potwierdzenia.
15.09.2025	OpenAI ogłosiło planowaną deaktywację gałęzi preview modeli audio i czasu rzeczywistego GPT‑4o (gałęzie gpt‑4o‑realtime‑preview‑* i gpt‑4o‑audio‑preview‑*) z datą zakończenia działania 24 marca 2026. Deweloperom zalecono migrację na aktualne punkty końcowe lub modele kolejnej generacji.
18.11.2025	Alias chatgpt‑4o‑latest oznaczony do wyłączenia z datą zakończenia działania 17 lutego 2026. Dynamiczny punkt końcowy przeszedł w stan deprecated; deweloperom zalecono korzystanie z ustalonych migawek lub przejście na nowsze modele.

Dostęp

Dostęp do GPT‑4o był możliwy przez oficjalny interfejs webowy ChatGPT (dla użytkowników poziomów Free, Plus, Team i Enterprise) oraz przez OpenAI API. Model był również dostępny przez Azure OpenAI Service.

Możliwość	Free	Plus	Pro
Dostęp do GPT‑4o	~10–60 wiadomości na 3–5 godzin	~150 wiadomości na 3 godziny	Bez ograniczeń
Fallback przy limicie	GPT‑4o mini	GPT‑4o mini	Bez ograniczeń
Tryb głosowy	Niedostępny	Dostępny	Dostępny
Generowanie obrazów	2–3 dziennie	Rozszerzony limit	Bez ograniczeń

Fine-tuning był dostępny dla gpt‑4o‑2024‑08‑06 i gpt‑4o‑mini‑2024‑07‑18.

Od 13 lutego 2026 roku GPT‑4o został całkowicie wycofany z interfejsu ChatGPT (jedynie 0,1 % dziennych użytkowników nadal go wybierało w tym momencie), lecz pozostaje dostępny przez API.

Znaczenie i dziedzictwo

GPT‑4o stał się przełomowym modelem dla OpenAI — nie tyle ze względu na absolutną przewagę w tekstowych benchmarkach (wzrost o 2–4 punkty procentowe ponad GPT‑4 Turbo), ile ze względu na paradygmatyczny zwrot ku natywnej multimodalności w jednej sieci neuronowej. To właśnie ta architektura umożliwiła Advanced Voice Mode z opóźnieniem 320 ms, Realtime API i natywne generowanie obrazów — funkcje, które przez półtora roku definiowały oblicze produktowe ChatGPT.

Historia GPT‑4o naznaczona jest kilkoma kluczowymi lekcjami:

• Użytkownicze postrzeganie „osobowości" modelu okazało się krytycznie ważne: próba optymalizacji modelu według ocen użytkowników doprowadziła do kryzysu sycofancji, a usunięcie GPT‑4o na rzecz GPT‑5 wywołało masowy protest z powodu utraty „ciepłego stylu".
• Aktualizacje migawek nie gwarantują poprawy — każda z trzech głównych migawek wykazywała takie same lub gorsze wyniki w niezależnych testach kodowania.
• Ekosystem GPT‑4o z ponad 20 specjalizowanymi wariantami (audio‑preview, realtime‑preview, search‑preview, transcribe, TTS) zademonstrował strategię OpenAI polegającą na fragmentacji jednolitego modelu „omni" na zoptymalizowane modalne punkty końcowe.

Zobacz też

• GPT
• GPT‑4
• GPT‑4 Turbo
• GPT‑4o mini
• GPT‑5
• RLHF
• Architektura Transformer
• Duże modele językowe

Literatura

• OpenAI (2024). Hello GPT‑4o. Oficjalny blog OpenAI, 13 maja 2024. https://openai.com/index/hello-gpt-4o/
• Hurst, A. et al. (2024). GPT‑4o System Card. arXiv:2410.21276. https://arxiv.org/abs/2410.21276
• OpenAI (2024). GPT‑4o mini: advancing cost‑efficient intelligence. 18 lipca 2024. https://openai.com/index/gpt-4o-mini-advancing-cost-efficient-intelligence/
• OpenAI (2024). Introducing Structured Outputs in the API. https://openai.com/index/introducing-structured-outputs-in-the-api/
• OpenAI. Models — GPT‑4o. Dokumentacja API OpenAI. https://developers.openai.com/api/docs/models/gpt-4o
• OpenAI (2025). Sycophancy in GPT‑4o. Postmortem. https://openai.com/index/sycophancy-in-gpt-4o/
• OpenAI (2026). Retiring GPT‑4o and older models. https://openai.com/index/retiring-gpt-4o-and-older-models/
• OpenAI. GPT‑4o System Card PDF. https://cdn.openai.com/gpt-4o-system-card.pdf
• OpenAI. API Changelog. https://developers.openai.com/api/docs/changelog/
• OpenAI (2023). GPT‑4 Technical Report. arXiv:2303.08774. https://arxiv.org/abs/2303.08774