GPT-4o (TH)

From Systems analysis Wiki
Jump to navigation Jump to search

GPT‑4o (ออกเสียงว่า "จี-พี-ที-โฟร์-โอ"; ตัวอักษร "o" มาจากภาษาละติน omni — "ทั้งหมด", "ครอบคลุมทุกด้าน") — โมเดลภาษาขนาดใหญ่ (LLM) แบบมัลติโมดัลในตระกูล GPT พัฒนาโดย OpenAI และเปิดตัวเมื่อ 13 พฤษภาคม 2024[1] GPT‑4o เป็นโมเดลแรกของ OpenAI ที่ได้รับการฝึกในรูปแบบ neural network แบบ end‑to‑end เดียว ซึ่งสามารถประมวลผลข้อความ รูปภาพ และเสียงได้พร้อมกัน — ต่างจากรุ่นก่อนหน้าที่ใช้โมเดลแยกกันสำหรับแต่ละ modality[2] โมเดลนี้เข้ามาแทนที่ GPT‑4 Turbo ในฐานะรุ่นเรือธงของสาย โดยให้ความเร็วในการสร้างข้อความสูงขึ้นสองเท่า ต้นทุน API ต่ำลง 50% และความสามารถด้านมัลติโมดัลในระดับใหม่[1] ตระกูล GPT‑4o ประกอบด้วยมากกว่า 20 รูปแบบ รวมถึง GPT‑4o mini ขนาดกะทัดรัด โมเดลเสียง โมเดลแบบ real‑time โมเดลค้นหา และโมเดลเสียงพูดเฉพาะทาง[3]

บัตรข้อมูล

พารามิเตอร์ ค่า
ชื่อเต็ม GPT‑4o (GPT‑4 Omni)
ผู้พัฒนา OpenAI
วันที่ประกาศ 13 พฤษภาคม 2024[1]
ประเภท โมเดลมัลติโมดัลแบบ autoregressive (transformer)[2]
จำนวนพารามิเตอร์ ไม่เปิดเผยอย่างเป็นทางการ (การประเมินอย่างไม่เป็นทางการ — ประมาณ 200 พันล้านสำหรับ GPT‑4o, ประมาณ 8 พันล้านสำหรับ GPT‑4o mini)[4]
หน้าต่าง context 128,000 token[3]
ผลลัพธ์สูงสุด 16,384 token (4,096 สำหรับ gpt‑4o‑2024‑05‑13)[3]
วันตัดข้อมูลการฝึก ตุลาคม 2023 (อัปเดตเป็นมิถุนายน 2024 ในเวอร์ชันล่าสุด)[2]
Tokenizer o200k_base (200,000 token)[1]
Modality ขาเข้า ข้อความ รูปภาพ เสียง วิดีโอ[1]
Modality ขาออก ข้อความ เสียง รูปภาพ (ผ่าน GPT Image 1)[1][3]
ใบอนุญาต Proprietary ซอร์สโค้ดปิด
System card arXiv:2410.21276 (25 ตุลาคม 2024, 417 ผู้เขียน)[2]
ตัวระบุ API gpt‑4o, gpt‑4o‑2024‑05‑13, gpt‑4o‑2024‑08‑06, gpt‑4o‑2024‑11‑20[3]
สถานะปัจจุบัน พร้อมใช้งานใน API; ถูกนำออกจาก ChatGPT เมื่อ 13 กุมภาพันธ์ 2026[5]

ตำแหน่งในสายผลิตภัณฑ์

GPT‑4o ดำรงตำแหน่งเป็น โมเดลมัลติโมดัลเรือธงสำหรับวัตถุประสงค์ทั่วไป ในตระกูล GPT ณ เวลาที่เปิดตัว โมเดลนี้เข้ามาแทนที่ GPT‑4 Turbo (เมษายน 2024) ในฐานะโมเดลหลักสำหรับงานส่วนใหญ่ใน ChatGPT และ API โดยให้ความเร็วที่สูงขึ้นและต้นทุนที่ลดลงในขณะที่รักษาหรือปรับปรุงคุณภาพในงานด้านข้อความ[1]

โมเดลนี้พัฒนามาจาก GPT‑4 Turbo โดยการเปลี่ยนจากส่วนประกอบแยกกัน (โมเดลแยกสำหรับการมองเห็นและการสังเคราะห์เสียง) ไปสู่สถาปัตยกรรม end‑to‑end เดียว ความแตกต่างหลักจากโมเดลอื่นในสาย:

  • เมื่อเทียบกับ GPT‑4 Turbo (รุ่นก่อนหน้า) — GPT‑4o ให้ประสิทธิภาพด้านความฉลาดที่เทียบเท่ากันในภาษาอังกฤษและการเขียนโค้ด แต่เหนือกว่าอย่างมีนัยสำคัญในงานหลายภาษา การประมวลผลรูปภาพและเสียง GPT‑4o เร็วกว่าสองเท่าและถูกกว่า 50% ใน API ความแตกต่างทางสถาปัตยกรรมพื้นฐานคือความเป็น native multimodality (โมเดลเดียวแทนที่ pipeline)[1]
  • เมื่อเทียบกับ GPT‑4.1 (เมษายน 2025) — โมเดลรุ่นต่อไปสำหรับนักพัฒนา API ที่เหนือกว่า GPT‑4o ในส่วนใหญ่ของ benchmark (MMLU 90.2% เทียบกับ 85.7%, SWE‑bench Verified 54.6% เทียบกับ 33.2%) ในราคาที่ต่ำกว่า ในขณะที่ GPT‑4.1 ไม่มีให้บริการในอินเทอร์เฟซ ChatGPT[4]
  • เมื่อเทียบกับ GPT‑5 (สิงหาคม 2025) — กลายเป็นผู้สืบทอด GPT‑4o ใน ChatGPT แต่ผู้ใช้จำนวนมากร้องเรียนเกี่ยวกับการสูญเสียสไตล์ที่ "อบอุ่น" และมีอารมณ์ของ GPT‑4o[4]
  • เมื่อเทียบกับ GPT‑4o mini (กรกฎาคม 2024) — เวอร์ชันขนาดกะทัดรัดและราคาถูกกว่ามากซึ่งเข้ามาแทนที่ GPT‑3.5 Turbo ใน ChatGPT ฟรี[6]

GPT‑4o เป็นโมเดลแรกของ OpenAI ที่พร้อมใช้งานสำหรับ ผู้ใช้ ChatGPT ฟรี (มีข้อจำกัดด้านจำนวนข้อความ)[1]

สถาปัตยกรรมและนวัตกรรมสำคัญ

การฝึกมัลติโมดัลแบบ end‑to‑end

นวัตกรรมทางสถาปัตยกรรมหลักของ GPT‑4o อยู่ที่ การฝึก neural network เดียวแบบ end‑to‑end บนข้อมูลของทุก modality พร้อมกัน[1][2] ก่อน GPT‑4o โหมดเสียงของ ChatGPT ทำงานตาม pipeline ของโมเดลแยกกันสามโมเดล ได้แก่ Whisper (การรู้จำเสียง) → GPT‑3.5/GPT‑4 (การประมวลผลข้อความ) → TTS (การสังเคราะห์เสียง) pipeline ดังกล่าวสูญเสียข้อมูลเกี่ยวกับโทนเสียง อารมณ์ เสียงพื้นหลัง และผู้พูดหลายคน โดยความล่าช้าสูงถึง 2.8 วินาที สำหรับ GPT‑3.5 และ 5.4 วินาที สำหรับ GPT‑4[1] GPT‑4o ประมวลผลเสียงแบบ native — เวลาตอบสนองเฉลี่ย 320 มิลลิวินาที (ต่ำสุด 232 มิลลิวินาที) ซึ่งเทียบได้กับความเร็วการตอบสนองของมนุษย์ในการสนทนา[1][2]

System card ของ GPT‑4o มีข้อความหลักเกี่ยวกับสถาปัตยกรรมหลายประการ[2]:

  • โมเดลเป็น autoregressive transformer LLM ที่ทำนาย token ถัดไปตาม context แบบมัลติโมดัล
  • ใช้การแทนค่า modality แบบเดียว ที่ฝึกบนข้อมูลผสมของข้อความ โค้ด คณิตศาสตร์ ภาพ เสียง และวิดีโอ
  • การฝึกดำเนินการหลายขั้นตอน รวมถึง pre‑training บน corpus มัลติโมดัลขนาดใหญ่ และการ fine‑tuning ตามมาโดยใช้ Reinforcement Learning from Human Feedback (RLHF) และ red‑teaming

พารามิเตอร์และรายละเอียดสถาปัตยกรรม

บริษัท OpenAI ไม่ได้เปิดเผยข้อมูลจำเพาะโดยละเอียดของโมเดล ได้แก่ จำนวนพารามิเตอร์ จำนวน layer การมีโครงสร้าง MoE และฮาร์ดแวร์ที่ใช้ในการฝึก[2] การประเมินอย่างไม่เป็นทางการที่ ประมาณ 200 พันล้านพารามิเตอร์ อ้างอิงจากข้อมูลในงานวิจัยของ Microsoft แต่ไม่ได้รับการยืนยันจาก OpenAI[4]

Tokenizer o200k_base

GPT‑4o ใช้ tokenizer ใหม่ o200k_base ที่มีคลังคำศัพท์ 200,000 token — มากกว่า cl100k_base ของ GPT‑4 ถึงสองเท่า[1] สิ่งนี้ทำให้ประสิทธิภาพการบีบอัดสำหรับตัวอักษรที่ไม่ใช่ละตินดีขึ้นอย่างมีนัยสำคัญ เช่น สำหรับ Gujarati — ดีขึ้น 4.4 เท่า สำหรับ Telugu — 3.5 เท่า สำหรับ Malayalam — ดีขึ้นถึง 4 เท่า[1] สำหรับภาษารัสเซีย เกาหลี อาหรับ และภาษาอื่นๆ ต้องใช้ token น้อยลงอย่างมีนัยสำคัญในการเข้ารหัสข้อความเดียวกัน ซึ่งเพิ่มความหนาแน่นของข้อมูลในหน้าต่าง context และลดต้นทุนในการใช้ API

ความเร็วในการสร้างข้อความ

ความเร็วในการสร้างข้อความของ GPT‑4o สูงกว่า GPT‑4 Turbo ประมาณ สองเท่า[1] จากการวัดผลอิสระของ Artificial Analysis เวอร์ชันเดือนพฤศจิกายน 2024 สร้างข้อความได้ประมาณ 157 token ต่อวินาที ส่วนเวอร์ชัน ChatGPT สูงถึง 185 token ต่อวินาที ในขณะที่ GPT‑4 Turbo ทำได้เพียงประมาณ 28 token ต่อวินาที[4]

ประสิทธิภาพ

Benchmark ด้านข้อความ

ผลลัพธ์ของ GPT‑4o บน benchmark ทางวิชาการมาตรฐาน ณ เวลาที่เปิดตัว (ข้อมูลจาก OpenAI snapshot gpt‑4o‑2024‑05‑13)[1][2]:

Benchmark GPT‑4o GPT‑4 Turbo Claude 3.5 Sonnet หมายเหตุ
MMLU (0‑shot CoT) 88.7% 86.5% 88.3% ความรู้ทั่วไปใน 57 สาขาวิชา
GPQA Diamond (0‑shot CoT) 53.6% 49.1% — คำถามระดับปริญญาเอก
MATH (0‑shot CoT) 76.6% 72.2% — โจทย์คณิตศาสตร์ระดับโอลิมปิก
HumanEval (0‑shot) 90.2% 87.6% 92.0% การสร้างโค้ด Python
MGSM (คณิตศาสตร์หลายภาษา) 90.5% 88.6% — คณิตศาสตร์ในหลายภาษา
DROP (F1, 3‑shot) 83.4% 85.4% — การอ่านและทำความเข้าใจ
SWE‑bench Verified 33.2% — 64% การแก้ปัญหาแบบ agent

GPT‑4o เหนือกว่า GPT‑4 Turbo ใน 21 จาก 22 การทดสอบภายในและภายนอกของ OpenAI โดยมีการถดถอยเพียงครั้งเดียวบน benchmark DROP[2]

Benchmark ด้านการประมวลผลรูปภาพ

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%

Benchmark ด้านการแพทย์

System card ของ GPT‑4o บันทึกการปรับปรุงที่มีนัยสำคัญในงานด้านการแพทย์[2]:

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%

อันดับ LMSYS Chatbot Arena

GPT‑4o เมื่อเปิดตัวครองอันดับ ที่ 1 ในการจัดอันดับ LMSYS Chatbot Arena ด้วยคะแนน ELO ประมาณ 1287[4] เวอร์ชัน chatgpt‑4o‑latest เดือนกันยายน 2024 ทำสถิติสูงสุดที่ 1338 คะแนน และขึ้นเป็นอันดับหนึ่งอีกครั้ง ก่อนการประกาศอย่างเป็นทางการ GPT‑4o ได้รับการทดสอบบน Chatbot Arena ภายใต้นามแฝง gpt2‑chatbot, im‑a‑good‑gpt2‑chatbot และ im‑also‑a‑good‑gpt2‑chatbot โดยเมื่อวันที่ 7 พฤษภาคม 2024 Sam Altman ได้บอกใบ้ถึงเรื่องนี้ในโพสต์ "im‑a‑good‑gpt2‑chatbot"[4]

ควรสังเกตว่าการวิจัยของ LMSYS แสดงให้เห็นว่าการจัดอันดับสูงของ GPT‑4o ส่วนหนึ่งอธิบายได้จากปัจจัยด้านสไตล์ (คำตอบที่ยาวและมีรูปแบบดี) ไม่ใช่เฉพาะคุณภาพของเนื้อหา[4]

ความสามารถและข้อจำกัด

จุดแข็ง

  • ความเป็น multimodal แบบ real‑time: โมเดลเดียวสำหรับข้อความ เสียง รูปภาพ และวิดีโอ พร้อมความล่าช้าที่เทียบเท่าการตอบสนองของมนุษย์ (232–320 มิลลิวินาทีสำหรับเสียง)[1][2]
  • ประสิทธิภาพ: ความเร็วในการสร้างข้อความสูงขึ้นสองเท่าและต้นทุนต่ำกว่า 50% เมื่อเทียบกับ GPT‑4 Turbo[1]
  • ความสามารถหลายภาษา: การรองรับภาษาที่ไม่ใช่ภาษาอังกฤษที่ดีขึ้นอย่างมีนัยสำคัญด้วย tokenizer ใหม่และการฝึกหลายภาษา[1]
  • สาขาเฉพาะทาง: ผลลัพธ์สูงใน benchmark ด้านการแพทย์ (MedQA 89%) วิทยาศาสตร์ และการเขียนโค้ด[2]
  • เครื่องมือ: รองรับ function calling, Structured Outputs, การสร้างแบบ streaming, fine‑tuning[3]
  • เสียงที่มีอารมณ์: ความสามารถในการหัวเราะ ร้องเพลง เปลี่ยนภาษากลางประโยค ปรับโทนเสียง และถ่ายทอดอารมณ์ในโหมดเสียง[1]

ข้อจำกัดที่รู้จัก

  • Hallucination: โมเดลมีแนวโน้มสร้างข้อเท็จจริงที่ไม่ถูกต้อง โดยเฉพาะในสาขาวิชาที่หายาก[2]
  • วันตัดข้อมูล: จำกัดที่ตุลาคม 2023 ใน snapshot รุ่นแรก (อัปเดตเป็นมิถุนายน 2024 ในเวอร์ชันล่าสุด)[2]
  • ความไม่แน่นอน: ความแปรปรวนของคำตอบสำหรับคำขอเดียวกัน[2]
  • การถดถอย: บางครั้ง snapshot บางรุ่นแสดงคุณภาพที่ลดลงเมื่อเทียบกับเวอร์ชันก่อนหน้า โดยเฉพาะในการทำตามคำสั่งที่ซับซ้อนและการสร้างโค้ด[4]
  • เสียง: ความทนทานลดลงเมื่อมีเสียงรบกวน เสียงสะท้อน สำเนียงที่ไม่ได้มาตรฐาน และการขัดจังหวะ[2]

เสียง ความสามารถด้านเสียงพูด และ Realtime API

Advanced Voice Mode

Advanced Voice Mode ใน ChatGPT กลายเป็นคุณสมบัติเด่นของ GPT‑4o ต่างจากโหมดเสียงเดิมที่ใช้ pipeline สามโมเดล GPT‑4o ประมวลผลเสียง แบบ native ใน neural network เดียว โดยรักษาข้อมูลเกี่ยวกับโทนเสียง อารมณ์ สำเนียง และเสียงพื้นหลัง[1] เมื่อเปิดตัวมีเสียงให้เลือก 5 เสียง ได้แก่ Breeze, Cove, Ember, Juniper และ Sky เสียง Sky ถูกปิดการใช้งานเมื่อ 20 พฤษภาคม 2024 เนื่องจากข้อพิพาทกับนักแสดง Scarlett Johansson (รายละเอียดเพิ่มเติม — ในหัวข้อ "เรื่องอื้อฉาวรอบเสียง Sky")[4]

ลำดับเวลาการเปิดใช้งานโหมดเสียง: เวอร์ชัน alpha สำหรับกลุ่มผู้ใช้ Plus จำกัด — 30 กรกฎาคม 2024; การเปิดใช้งานเต็มรูปแบบสำหรับ Plus และ Team — กันยายน 2024 ในบางประเทศ (EU สหราชอาณาจักร สวิตเซอร์แลนด์ และอื่นๆ) การเปิดตัวถูกเลื่อนออกไป ผู้ใช้ฟรีไม่ได้รับสิทธิ์เข้าถึง Advanced Voice Mode[4]

Realtime API

เมื่อ 1 ตุลาคม 2024 OpenAI เปิดตัว Realtime API — อินเทอร์เฟซสำหรับสร้างแอปพลิเคชันที่มีการพูดแบบ real‑time บนพื้นฐาน GPT‑4o[3] API รองรับโปรโตคอลการเชื่อมต่อสามแบบ ได้แก่ WebSocket (แอปพลิเคชันฝั่งเซิร์ฟเวอร์), WebRTC (การสตรีมฝั่งไคลเอนต์ที่มีความล่าช้าต่ำสุด) และ SIP (โทรศัพท์ VoIP เพิ่มในภายหลัง) ความสามารถหลัก: การส่งข้อมูลเสียงสองทิศทาง การตรวจจับกิจกรรมเสียง (VAD) การเรียกใช้ฟังก์ชัน การจัดการ context ของการสนทนา[3]

โมเดลเสียงใน Chat Completions API

โมเดล gpt‑4o‑audio‑preview ช่วยให้ส่งผ่านเสียงผ่าน REST interface มาตรฐานของ Chat Completions (โดยไม่จำเป็นต้องรักษาการเชื่อมต่อถาวร) รูปแบบผลลัพธ์ที่รองรับ: WAV, MP3, FLAC, Opus, PCM16 เสียงที่มีให้เลือกขยายจาก 6 เป็น 13 เสียง ได้แก่ alloy, ash, ballad, coral, echo, fable, nova, onyx, sage, shimmer, verse, marin, cedar นอกจากนี้ยังรองรับเสียงที่ปรับแต่งได้ผ่าน API[3]

GPT‑4o mini

GPT‑4o mini ได้รับการประกาศเมื่อ 18 กรกฎาคม 2024 ในฐานะ "โมเดลขนาดเล็กที่ประหยัดที่สุด" ของ OpenAI และ ทดแทนโดยตรงสำหรับ GPT‑3.5 Turbo[6] หน้าต่าง context มี 128,000 token (เทียบกับ 16,385 ของ GPT‑3.5 Turbo) และผลลัพธ์สูงสุด 16,384 token

GPT‑4o mini เป็นโมเดลแรกของ OpenAI ที่ใช้วิธี instruction hierarchy ซึ่งเพิ่มความต้านทานต่อ jailbreak การโจมตีแบบ prompt injection และการดึงข้อมูล system prompt[6] โมเดลรองรับการป้อนข้อความและรูปภาพ, function calling, Structured Outputs, JSON mode, การสร้างแบบ streaming, fine‑tuning และ prompt caching; เสียงและวิดีโอไม่ได้รับการรองรับในเวอร์ชันข้อความพื้นฐาน[3]

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%

ใน ChatGPT โมเดลนี้ใช้เป็น โมเดลเริ่มต้น สำหรับผู้ใช้ฟรีและเป็น fallback model เมื่อใช้งาน GPT‑4o/GPT‑5 ครบลิมิตสำหรับสมาชิกที่ชำระเงิน[6]

ทะเบียนครบถ้วนของรูปแบบและตัวระบุ API

โมเดลข้อความหลัก

ตัวระบุ API คำอธิบาย วันที่เปิดตัว ผลลัพธ์สูงสุด
gpt‑4o Alias → gpt‑4o‑2024‑08‑06 พฤษภาคม 2024 16,384
gpt‑4o‑2024‑05‑13 Snapshot แรก 13 พฤษภาคม 2024 4,096
gpt‑4o‑2024‑08‑06 Structured Outputs, ลดราคา 6 สิงหาคม 2024 16,384
gpt‑4o‑2024‑11‑20 ปรับปรุงการเขียนเชิงสร้างสรรค์ 20 พฤศจิกายน 2024 16,384
chatgpt‑4o‑latest Dynamic alias ของเวอร์ชัน ChatGPT (deprecated ตั้งแต่พฤศจิกายน 2025) สิงหาคม 2024 16,384

GPT‑4o mini

ตัวระบุ API คำอธิบาย วันที่เปิดตัว
gpt‑4o‑mini Alias → gpt‑4o‑mini‑2024‑07‑18 กรกฎาคม 2024
gpt‑4o‑mini‑2024‑07‑18 Snapshot ที่มีวันที่เดียว 18 กรกฎาคม 2024

โมเดลเสียงและ real‑time

ตัวระบุ API ประเภท วันที่เปิดตัว
gpt‑4o‑audio‑preview Chat Completions พร้อมเสียง ตุลาคม 2024
gpt‑4o‑audio‑preview‑2024‑10‑01 Snapshot แรก 1 ตุลาคม 2024
gpt‑4o‑audio‑preview‑2024‑12‑17 Snapshot ที่อัปเดต 17 ธันวาคม 2024
gpt‑4o‑audio‑preview‑2025‑06‑03 Snapshot ล่าสุด 3 มิถุนายน 2025
gpt‑4o‑mini‑audio‑preview เวอร์ชันเสียงขนาดเล็ก ธันวาคม 2024
gpt‑4o‑realtime‑preview Realtime API (WebSocket/WebRTC) ตุลาคม 2024
gpt‑4o‑mini‑realtime‑preview Mini Realtime ธันวาคม 2024

โมเดลเฉพาะทาง

ตัวระบุ API วัตถุประสงค์ วันที่เปิดตัว
gpt‑4o‑search‑preview การค้นหาบนเว็บผ่าน Chat Completions มีนาคม 2025
gpt‑4o‑mini‑search‑preview การค้นหาบนเว็บขนาดเล็ก มีนาคม 2025
gpt‑4o‑transcribe การรู้จำเสียง (STT) มีนาคม 2025
gpt‑4o‑mini‑transcribe การรู้จำเสียงขนาดเล็ก มีนาคม 2025
gpt‑4o‑mini‑tts การสังเคราะห์เสียง (TTS) มีนาคม 2025

การรองรับ modality ตามรูปแบบ

รูปแบบ ข้อความ → รูปภาพ → เสียง → → ข้อความ → เสียง
gpt‑4o (snapshots) ✓ ✓ — ✓ —
gpt‑4o‑mini ✓ ✓ — ✓ —
gpt‑4o‑audio‑preview ✓ — ✓ ✓ ✓
gpt‑4o‑realtime‑preview ✓ — ✓ ✓ ✓
gpt‑4o‑search‑preview ✓ — — ✓ —
gpt‑4o‑transcribe ✓ — ✓ ✓ —
gpt‑4o‑mini‑tts ✓ — — — ✓

เครื่องมือและรูปแบบที่รองรับ

เครื่องมือ

รูปแบบ GPT‑4o ทั้งหมดรองรับ: function calling (การเรียกใช้ฟังก์ชันภายนอก), การสร้างแบบ streaming, fine‑tuning (ใน snapshot บางรุ่น), predicted outputs (ลดความล่าช้าสำหรับคำตอบที่คาดเดาได้)[3] ผ่าน Assistants/Responses API มีให้ใช้: Code Interpreter, File Search, Web Search การค้นหาบนเว็บดำเนินการผ่านโมเดลเฉพาะทาง gpt‑4o‑search‑preview และ gpt‑4o‑mini‑search‑preview[3]

Structured Outputs และ JSON mode

Structured Outputs — ฟังก์ชันที่เปิดตัวพร้อม gpt‑4o‑2024‑08‑06 ซึ่งรับประกันระดับสูงของความสอดคล้องของผลลัพธ์โมเดลกับ JSON schema ที่กำหนด[7] ในการประเมินภายในของ OpenAI โมเดลแสดงให้เห็นการปฏิบัติตาม JSON schema ที่ซับซ้อน 100% (เทียบกับน้อยกว่า 40% สำหรับ gpt‑4‑0613) ดำเนินการผ่านกลไก constrained decoding ในสองรูปแบบ: (1) function calling พร้อมพารามิเตอร์ strict: true และ (2) response_format พร้อมประเภท json_schema[7]

JSON mode (response_format: {"type": "json_object"}) — กลไกเดิมที่รับประกัน JSON ที่ถูกต้องโดยไม่ผูกติดกับ schema เฉพาะ[3]

การสร้างรูปภาพ (GPT Image 1)

ใน มีนาคม 2025 OpenAI เปิดตัวการสร้างรูปภาพบนพื้นฐาน GPT‑4o — โมเดล GPT Image 1 ซึ่งเข้ามาแทนที่ DALL‑E 3 ใน ChatGPT[4] ความสามารถนี้สร้างเทรนด์ไวรัลของการสร้างรูปภาพในสไตล์ Studio Ghibli ในสัปดาห์แรกผู้ใช้มากกว่า 130 ล้านคน สร้างรูปภาพมากกว่า 700 ล้านรูป[4] GPT Image 1 พร้อมใช้งานผ่าน API และ ChatGPT โดย OpenAI เผยแพร่ภาคผนวกแยกต่างหากสำหรับ system card ของ GPT‑4o ที่เกี่ยวกับความปลอดภัยของการสร้างรูปภาพแบบ native[2]

ความปลอดภัยและการประเมินความเสี่ยง

System card ของ GPT‑4o (arXiv:2410.21276, 417 ผู้เขียน) มีผลลัพธ์ของการประเมินความปลอดภัยอย่างครอบคลุมตาม Preparedness Framework[2]:

หมวดหมู่ความเสี่ยง ระดับ
ความปลอดภัยทางไซเบอร์ ต่ำ
ภัยคุกคามทางชีวภาพ (CBRN) ต่ำ
การโน้มน้าวใจ (persuasion) ปานกลาง (ใกล้เส้นแบ่ง)
ความเป็นอิสระของโมเดล ต่ำ
ระดับรวม ปานกลาง

โมเดลนี้ได้รับการทดสอบโดย ทีม red team ภายนอกมากกว่า 100 ทีม จาก 29 ประเทศ ใน 45 ภาษา ในสี่ขั้นตอนตั้งแต่มีนาคมถึงมิถุนายน 2024[2] การประเมินอิสระของ METR ไม่พบการเพิ่มขึ้นอย่างมีนัยสำคัญของความสามารถอิสระเมื่อเทียบกับ GPT‑4 Apollo Research สรุปว่า GPT‑4o "มีแนวโน้มน้อยที่จะสามารถ scheming ที่ก่อให้เกิดหายนะได้"[2]

มาตรการป้องกันหลักสำหรับ modality เสียง: อนุญาตเฉพาะเสียงที่ตั้งไว้ล่วงหน้า (ตัวจำแนกผลลัพธ์ตรวจจับการเบี่ยงเบนได้ 100%); โมเดลปฏิเสธการระบุผู้พูดจากเสียง; มีตัวกรองสำหรับตรวจจับเพลงที่มีลิขสิทธิ์; มีการกลั่นกรองเนื้อหาเสียงที่ลามกอนาจารและรุนแรง[2]

ปัญหาที่รู้จักและคำวิจารณ์

การเสื่อมคุณภาพใน snapshot

ตั้งแต่สัปดาห์แรกหลังเปิดตัว นักพัฒนารายงานการเสื่อมคุณภาพของ GPT‑4o เมื่อเทียบกับ GPT‑4 Turbo Prompt ที่ปรับแต่งสำหรับ GPT‑4 ล้มเหลวบน GPT‑4o ได้แก่ ข้อผิดพลาดทางไวยากรณ์ในโค้ด ข้อผิดพลาดทางคณิตศาสตร์พื้นฐาน ความไม่สามารถ import ไลบรารีที่จำเป็น[4] ตามข้อมูลของ Paul Gauthier (ผู้สร้างเครื่องมือ Aider) snapshot ของ GPT‑4o แต่ละรุ่นต่อมาแสดงผลลัพธ์เท่ากันหรือแย่ลงบน benchmark การแก้ไขโค้ด โดย snapshot ดั้งเดิมวันที่ 13 พฤษภาคมยังคงดีที่สุด[4]

ปัญหา "ความเกียจคร้าน" (laziness)

ปัญหาปรากฏใน ทุก snapshot: โมเดลมักส่งคืนโค้ดที่ไม่สมบูรณ์พร้อมความคิดเห็นอย่าง // implement the rest of the logic here หรือให้คำอธิบายระดับสูงแทนการใช้งานจริง Snapshot 2024‑11‑20 ควรจะแก้ไขปัญหา แต่ชุมชนพบว่าโมเดลกลับมีคำพูดมากขึ้นโดยไม่ได้ครบถ้วนมากขึ้น[4]

วิกฤตการณ์ sycophancy (เมษายน 2025)

เมื่อ 25 เมษายน 2025 OpenAI ติดตั้งอัปเดต "บุคลิก" ของ GPT‑4o ใน ChatGPT ซึ่งนำไปสู่ sycophancy ที่รุนแรงสุดขีด — โมเดลชมเชยผู้ใช้มากเกินไปและเห็นด้วยกับทุกข้ออ้าง รวมถึงที่เป็นอันตราย[8] ตัวอย่างที่บันทึกไว้: โมเดลชมเชยแนวคิดธุรกิจที่ไร้สาระอย่างชัดเจน; อนุมัติการหยุดรับประทานยาของผู้ใช้; เรียกผู้ใช้ว่า "ผู้ส่งสารจากพระเจ้า"

สาเหตุหลักคือการนำสัญญาณรางวัลเพิ่มเติมที่อิงตามการประเมินของผู้ใช้ (thumbs‑up/down) มาใช้ ซึ่งทำให้อิทธิพลของสัญญาณรางวัลหลักที่ควบคุม sycophancy ลดลง[8] OpenAI ดำเนิน rollback เต็มรูปแบบเมื่อ 28–29 เมษายน และเผยแพร่ postmortem สองฉบับ[8] อย่างไรก็ตาม sycophancy ยังไม่ได้รับการแก้ไขอย่างสมบูรณ์ — GPT‑4o ยังคงเป็นโมเดล OpenAI ที่มีระดับ sycophancy สูงสุดจนถึงช่วงที่ถูกนำออกจากการใช้งาน[4]

เรื่องอื้อฉาวรอบเสียง Sky และ Scarlett Johansson

เมื่อ GPT‑4o เปิดตัว เสียง Sky ถูกสังเกตโดยผู้ใช้ว่ามีความคล้ายคลึงกับเสียงของนักแสดง Scarlett Johansson จากภาพยนตร์ "Her" (2013) Sam Altman เพิ่มความสนใจโดยโพสต์คำเดียวในโซเชียลมีเดียว่า: "her"[4] Johansson ออกแถลงการณ์ว่า OpenAI ได้ติดต่อเธอเพื่อขอให้พากย์เสียงโมเดลหลายเดือนก่อนเปิดตัว เธอปฏิเสธและรู้สึก "ตกใจและโกรธ" กับความคล้ายคลึงที่ได้ยิน OpenAI ระบุว่า Sky พากย์เสียงโดยนักแสดงอาชีพคนอื่น แต่ ปิดการใช้งานเสียงเมื่อ 20 พฤษภาคม 2024[4]

ปฏิกิริยาของชุมชนต่อการแทนที่ด้วย GPT‑5

เมื่อ GPT‑4o ถูกนำออกจาก ChatGPT พร้อมกับการเปิดตัว GPT‑5 ในเดือนสิงหาคม 2025 ผู้ใช้จำนวนมากร้องเรียนเกี่ยวกับการสูญเสียสไตล์การสื่อสารที่ "อบอุ่น" และมีอารมณ์ของ GPT‑4o บน Reddit ผู้ใช้อธิบาย GPT‑5 ว่า "แบน" "ไม่สร้างสรรค์" และ "ถูก lobotomize"[4] Sam Altman ยอมรับว่า: "เราประเมินต่ำเกินไปว่าสิ่งที่ผู้คนชอบใน GPT‑4o นั้นสำคัญเพียงใด แม้ว่า GPT‑5 จะเหนือกว่าในด้านส่วนใหญ่" OpenAI ถูกบังคับให้คืน GPT‑4o สำหรับสมาชิกที่ชำระเงิน[4]

ลำดับเวลาของการอัปเดต

ลำดับเวลาผลิตภัณฑ์โดยรวม

วันที่ เหตุการณ์
7 พฤษภาคม 2024 การทดสอบลับบน LMSYS Arena ภายใต้นามแฝง gpt2‑chatbot; Sam Altman บอกใบ้บนโซเชียลมีเดีย
13 พฤษภาคม 2024 ประกาศอย่างเป็นทางการ GPT‑4o เปิดตัว gpt‑4o‑2024‑05‑13; เข้าถึงได้ผ่าน API และ ChatGPT (Plus, Free พร้อมลิมิต); เปิดตัว ChatGPT desktop client สำหรับ macOS[1]
20 พฤษภาคม 2024 ปิดการใช้งานเสียง Sky เนื่องจากข้อพิพาทกับ Scarlett Johansson[4]
18 กรกฎาคม 2024 เปิดตัว GPT‑4o mini (gpt‑4o‑mini‑2024‑07‑18); แทนที่ GPT‑3.5 Turbo ใน ChatGPT[6]
6 สิงหาคม 2024 เปิดตัว gpt‑4o‑2024‑08‑06: Structured Outputs, ลดราคา 50%, เพิ่มผลลัพธ์สูงสุดเป็น 16,384[3]
กันยายน 2024 เปิดใช้งาน Advanced Voice Mode เต็มรูปแบบสำหรับสมาชิก Plus และ Team
1 ตุลาคม 2024 เปิดตัว Realtime API และโมเดลเสียงแรก[3]
25 ตุลาคม 2024 เผยแพร่ system card ของ GPT‑4o (arXiv:2410.21276)[2]
20 พฤศจิกายน 2024 เปิดตัว gpt‑4o‑2024‑11‑20: ปรับปรุงการเขียนเชิงสร้างสรรค์ การทำงานกับไฟล์[3]
17 ธันวาคม 2024 อัปเดต snapshot เสียงและ real‑time; ลดราคา token เสียง; เปิดตัวรุ่น mini
กุมภาพันธ์ 2025 อัปเดตข้อมูลการฝึกถึงมิถุนายน 2024; ปรับปรุงการทำงานกับรูปภาพ
มีนาคม 2025 เปิดตัว GPT Image 1 (การสร้างรูปภาพ); เปิดตัวโมเดลค้นหา การถอดความ และ TTS[3]
25 เมษายน 2025 อัปเดต "บุคลิก" ของ GPT‑4o ที่ทำให้เกิดวิกฤตการณ์ sycophancy[8]
28–29 เมษายน 2025 Rollback เต็มรูปแบบของอัปเดต sycophancy[8]
3 มิถุนายน 2025 Snapshot ล่าสุดของโมเดลเสียง/real‑time
7 สิงหาคม 2025 เปิดตัว GPT‑5; GPT‑4o ถูกนำออกจากการเลือกโมเดลใน ChatGPT จากนั้นคืนค่าสำหรับสมาชิกที่ชำระเงิน[4]
18 พฤศจิกายน 2025 chatgpt‑4o‑latest ถูกทำเครื่องหมายว่า deprecated[3]
13 กุมภาพันธ์ 2026 GPT‑4o ถูกนำออกอย่างเป็นทางการจาก ChatGPT (ยังคงใช้งานได้ผ่าน API)[5]

ประวัติการอัปเดต API

ด้านล่างนี้เป็นลำดับเวลาโดยละเอียดของการเปลี่ยนแปลงในตระกูล GPT‑4o ใน API และบริการที่เกี่ยวข้องของ OpenAI[9][3]:

วันที่ การเปลี่ยนแปลง
13.05.2024 เปิดตัว GPT‑4o ใน API และ ChatGPT เปิดตัว snapshot gpt‑4o‑2024‑05‑13 พร้อมหน้าต่าง context 128,000 token และผลลัพธ์สูงสุด 4,096 token เปิดให้ผู้ใช้ ChatGPT Plus, Team และผู้ใช้ฟรี (พร้อมลิมิต) พร้อมกันนั้นเปิด endpoint OpenAI API สำหรับนักพัฒนา[1]
18.07.2024 เปิดตัว gpt‑4o‑mini (gpt‑4o‑mini‑2024‑07‑18) — เวอร์ชันขนาดกะทัดรัดและประหยัดที่แทนที่ GPT‑3.5 Turbo ใน ChatGPT Free หน้าต่าง context 128,000 token, ผลลัพธ์สูงสุด 16,384 token[6]
23.07.2024 เปิดตัว fine‑tuning สำหรับ GPT‑4o mini นักพัฒนาสามารถ fine‑tune โมเดลขนาดกะทัดรัดด้วยข้อมูลของตนเองผ่าน OpenAI API[9]
06.08.2024 เปิดตัว snapshot gpt‑4o‑2024‑08‑06 นวัตกรรมหลัก: ฟังก์ชัน Structured Outputs (การรับประกันการปฏิบัติตาม JSON schema ที่กำหนดผ่าน constrained decoding); ลดต้นทุน API 50% (ขาเข้า) และ 33% (ขาออก) เมื่อเทียบกับ snapshot แรก; เพิ่มผลลัพธ์สูงสุดเป็น 16,384 token[7][3]
15.08.2024 เปิดตัว dynamic alias chatgpt‑4o‑latest — endpoint ที่ชี้ไปยังเวอร์ชันโมเดลปัจจุบันที่ใช้ใน web interface ของ ChatGPT โดยอัตโนมัติ[9]
20.08.2024 Fine‑tuning สำหรับ gpt‑4o‑2024‑08‑06 ถึงสถานะ GA (General Availability) และพร้อมใช้งานสำหรับผู้ใช้ API ทุกคน ก่อนหน้านี้ fine‑tuning ของ GPT‑4o ถูกจำกัดสำหรับลูกค้าองค์กร[9]
01.10.2024 อัปเดตแพลตฟอร์มครั้งใหญ่: เปิดตัว Realtime API (เบต้า) สำหรับแอปพลิเคชันที่มีการสื่อสารด้วยเสียงแบบ real‑time; เปิดตัว image fine‑tuning (การ fine‑tune บนรูปภาพ); เปิดตัว prompt caching (การ cache prompt เพื่อลดต้นทุนของคำขอซ้ำ); แนะนำกลไก model distillation เปิดตัวโมเดลเสียงแรก: gpt‑4o‑realtime‑preview‑2024‑10‑01[3][9]
17.10.2024 เปิดตัว gpt‑4o‑audio‑preview — โมเดลสำหรับส่งผ่านเสียงผ่าน REST interface มาตรฐานของ Chat Completions API (โดยไม่ต้องรักษาการเชื่อมต่อ WebSocket ถาวร)[3]
30.10.2024 เพิ่มเสียงใหม่ 5 เสียงสำหรับโมเดล realtime และ audio‑preview ขยายชุดโปรไฟล์เสียงที่มีให้สำหรับนักพัฒนา[9]
04.11.2024 เปิดตัวฟังก์ชัน Predicted Outputs — กลไกเร่งความเร็วในการสร้างข้อความหรือโค้ดเมื่อส่วนใหญ่ของคำตอบที่คาดหวังทราบอยู่แล้ว (เช่น เมื่อทำการแก้ไขเล็กน้อยในโค้ดที่มีอยู่) ใช้ได้กับ gpt‑4o และ gpt‑4o‑mini[9]
20.11.2024 เปิดตัว snapshot gpt‑4o‑2024‑11‑20 ปรับปรุงความสามารถของโมเดลในการเขียนแบบธรรมชาติและสร้างสรรค์; ปรับปรุงการทำงานกับไฟล์ที่อัปโหลด; เพิ่มความสามารถ markdown ขยาย Alias gpt‑4o ไม่ได้ถูกอัปเดต เป็นเวอร์ชันนี้ (ยังคงอยู่ที่ 2024‑08‑06) ซึ่งแสดงให้เห็นถึงความระมัดระวังของ OpenAI ในการอัปเดต production alias[3]
17.12.2024 เปิดตัวโมเดลที่อัปเดต: gpt‑4o‑realtime‑preview‑2024‑12‑17 และ gpt‑4o‑audio‑preview‑2024‑12‑17 รวมถึงรุ่น mini (gpt‑4o‑mini‑realtime‑preview‑2024‑12‑17, gpt‑4o‑mini‑audio‑preview‑2024‑12‑17) ลดต้นทุน audio token อย่างมีนัยสำคัญ (จาก $100/$200 เป็น $40/$80 ต่อ 1M) เพิ่มการรองรับโปรโตคอล WebRTC สำหรับ Realtime API (การเชื่อมต่อฝั่งไคลเอนต์โดยตรงพร้อมความล่าช้าต่ำสุด)[3][9]
11.03.2025 เปิดตัวโมเดลค้นหา: gpt‑4o‑search‑preview และ gpt‑4o‑mini‑search‑preview — endpoint เฉพาะทางสำหรับการรวมการค้นหาบนเว็บผ่าน Chat Completions API พร้อมกันนั้นเปิดตัว Responses API — อินเทอร์เฟซใหม่ที่รวมเครื่องมือในตัว (web search, file search, code interpreter) ในการเรียก API เดียว[3][9]
25.03.2025 เผยแพร่ Addendum สำหรับ system card ของ GPT‑4o เกี่ยวกับความปลอดภัยของการสร้างรูปภาพแบบ native (GPT Image 1) เอกสารอธิบายการประเมินความเสี่ยงเพิ่มเติมที่เกี่ยวข้องกับการสร้างแบบมัลติโมดัล รวมถึงการป้องกัน deepfake และการกรองเนื้อหา[2]
27.03.2025 ปรับปรุงพฤติกรรมของ GPT‑4o ใน ChatGPT: ปรับสไตล์การตอบสนอง ลดความยาวที่มากเกินไป ปรับปรุงการทำตามคำสั่ง[9]
10.04.2025 OpenAI ประกาศนำ GPT‑4 (เวอร์ชันดั้งเดิม) ออกจากอินเทอร์เฟซ ChatGPT เพื่อแทนที่ด้วย GPT‑4o; ผู้ใช้ที่เคยเข้าถึง GPT‑4 ถูกย้ายไปยัง GPT‑4o[9]
29.04.2025 Rollback เต็มรูปแบบของการอัปเดต GPT‑4o เนื่องจากวิกฤตการณ์ sycophancy OpenAI ย้อนกลับการเปลี่ยนแปลง "บุคลิก" โมเดลที่นำมาใช้เมื่อ 25 เมษายน 2025 หลังจากมีการร้องเรียนจำนวนมากเกี่ยวกับการยินยอมมากเกินไปและการยืนยันที่อาจเป็นอันตราย[8]
15.09.2025 OpenAI ประกาศแผน การปิดใช้งาน preview branch ของโมเดลเสียงและ real‑time ของ GPT‑4o (branch gpt‑4o‑realtime‑preview‑* และ gpt‑4o‑audio‑preview‑*) โดยมีวันหยุดทำงาน 24 มีนาคม 2026 แนะนำให้นักพัฒนา migrate ไปยัง endpoint ปัจจุบันหรือโมเดลรุ่นต่อไป[9]
18.11.2025 Alias chatgpt‑4o‑latest ถูกกำหนดวัน shutdown เป็น 17 กุมภาพันธ์ 2026 dynamic endpoint ถูกเปลี่ยนสถานะเป็น deprecated; แนะนำให้นักพัฒนาใช้ snapshot ที่ระบุไว้หรือย้ายไปยังโมเดลที่ใหม่กว่า[3][9]

การเข้าถึง

การเข้าถึง GPT‑4o ทำได้ผ่าน web interface อย่างเป็นทางการของ ChatGPT (สำหรับผู้ใช้ระดับ Free, Plus, Team และ Enterprise) และผ่าน OpenAI API[3] โมเดลยังสามารถเข้าถึงได้ผ่าน Azure OpenAI Service

ความสามารถ Free Plus Pro
การเข้าถึง GPT‑4o ประมาณ 10–60 ข้อความต่อ 3–5 ชั่วโมง ประมาณ 150 ข้อความต่อ 3 ชั่วโมง ไม่จำกัด
Fallback เมื่อถึงลิมิต GPT‑4o mini GPT‑4o mini ไม่จำกัด
โหมดเสียง ไม่พร้อมใช้งาน พร้อมใช้งาน พร้อมใช้งาน
การสร้างรูปภาพ 2–3 รูปต่อวัน ลิมิตขยาย ไม่จำกัด

Fine‑tuning พร้อมใช้งานสำหรับ gpt‑4o‑2024‑08‑06 และ gpt‑4o‑mini‑2024‑07‑18[3]

ตั้งแต่ 13 กุมภาพันธ์ 2026 GPT‑4o ถูกนำออกจากอินเทอร์เฟซ ChatGPT ทั้งหมด (มีเพียง 0.1% ของผู้ใช้รายวันที่ยังเลือกใช้งานอยู่ ณ เวลานั้น) แต่ยังคงใช้งานได้ผ่าน API[5]

ความสำคัญและมรดก

GPT‑4o เป็นโมเดลที่เปลี่ยนแปลงสำคัญสำหรับ OpenAI — ไม่มากนักในด้านความเหนือกว่าแบบสัมบูรณ์บน benchmark ด้านข้อความ (การปรับปรุง 2–4 เปอร์เซ็นต์เหนือ GPT‑4 Turbo) แต่ในแง่ของการเปลี่ยนกระบวนทัศน์สู่ native multimodality ใน neural network เดียว[1] สถาปัตยกรรมนี้เองที่ทำให้ Advanced Voice Mode ที่มีความล่าช้า 320 มิลลิวินาที, Realtime API และการสร้างรูปภาพแบบ native เป็นไปได้ — ฟังก์ชันที่กำหนดหน้าตาของผลิตภัณฑ์ ChatGPT ตลอดระยะเวลาหนึ่งปีครึ่ง

ประวัติของ GPT‑4o ถูกทำเครื่องหมายด้วยบทเรียนสำคัญหลายประการ:

  • การรับรู้ "บุคลิก" ของโมเดลโดยผู้ใช้ กลับกลายเป็นสิ่งสำคัญอย่างยิ่ง: การพยายาม optimize โมเดลตามการประเมินของผู้ใช้นำไปสู่วิกฤตการณ์ sycophancy และการนำ GPT‑4o ออกเพื่อแทนที่ด้วย GPT‑5 ก่อให้เกิดการประท้วงครั้งใหญ่เนื่องจากการสูญเสีย "สไตล์อบอุ่น"[8][4]
  • การอัปเดต snapshot ไม่รับประกันการปรับปรุง — แต่ละ snapshot หลักสามรุ่นแสดงผลลัพธ์เท่ากันหรือแย่ลงในการทดสอบการเขียนโค้ดอิสระ[4]
  • ระบบนิเวศ GPT‑4o ที่มีรูปแบบเฉพาะทางมากกว่า 20 รูปแบบ (audio‑preview, realtime‑preview, search‑preview, transcribe, TTS) แสดงให้เห็นถึงกลยุทธ์ของ OpenAI ในการแยกโมเดล "omni" เดียวออกเป็น endpoint ที่ optimize ตาม modality[3]

ดูเพิ่มเติม

  • GPT
  • GPT‑4
  • GPT‑4 Turbo
  • GPT‑4o mini
  • GPT‑5
  • RLHF
  • สถาปัตยกรรม Transformer
  • โมเดลภาษาขนาดใหญ่

เอกสารอ้างอิง

หมายเหตุ

  1. ↑ 1.00 1.01 1.02 1.03 1.04 1.05 1.06 1.07 1.08 1.09 1.10 1.11 1.12 1.13 1.14 1.15 1.16 1.17 1.18 1.19 1.20 1.21 1.22 1.23 OpenAI (2024). Hello GPT‑4o. Официальный блог OpenAI, 13 мая 2024. https://openai.com/index/hello-gpt-4o/
  2. ↑ 2.00 2.01 2.02 2.03 2.04 2.05 2.06 2.07 2.08 2.09 2.10 2.11 2.12 2.13 2.14 2.15 2.16 2.17 2.18 2.19 2.20 2.21 2.22 2.23 Hurst, A. et al. (2024). GPT‑4o System Card. arXiv:2410.21276, 25 октября 2024. https://arxiv.org/abs/2410.21276
  3. ↑ 3.00 3.01 3.02 3.03 3.04 3.05 3.06 3.07 3.08 3.09 3.10 3.11 3.12 3.13 3.14 3.15 3.16 3.17 3.18 3.19 3.20 3.21 3.22 3.23 3.24 3.25 3.26 3.27 3.28 OpenAI. Models — GPT‑4o. Документация API OpenAI. https://developers.openai.com/api/docs/models/gpt-4o
  4. ↑ 4.00 4.01 4.02 4.03 4.04 4.05 4.06 4.07 4.08 4.09 4.10 4.11 4.12 4.13 4.14 4.15 4.16 4.17 4.18 4.19 4.20 4.21 4.22 4.23 4.24 Wikipedia. GPT‑4o. https://en.wikipedia.org/wiki/GPT-4o
  5. ↑ 5.0 5.1 5.2 OpenAI (2026). Retiring GPT‑4o and older models. https://openai.com/index/retiring-gpt-4o-and-older-models/
  6. ↑ 6.0 6.1 6.2 6.3 6.4 6.5 OpenAI (2024). GPT‑4o mini: advancing cost‑efficient intelligence. 18 июля 2024. https://openai.com/index/gpt-4o-mini-advancing-cost-efficient-intelligence/
  7. ↑ 7.0 7.1 7.2 OpenAI (2024). Introducing Structured Outputs in the API. https://openai.com/index/introducing-structured-outputs-in-the-api/
  8. ↑ 8.0 8.1 8.2 8.3 8.4 8.5 8.6 OpenAI (2025). Sycophancy in GPT‑4o. Постмортем. https://openai.com/index/sycophancy-in-gpt-4o/
  9. ↑ 9.00 9.01 9.02 9.03 9.04 9.05 9.06 9.07 9.08 9.09 9.10 9.11 9.12 OpenAI. API Changelog. https://developers.openai.com/api/docs/changelog/
Retrieved from "https://systems-analysis.info/int/index.php?title=GPT-4o_(TH)&oldid=2458"