GPT-4o（「omni」の略）は、OpenAIによって開発された、画期的なマルチモーダルAIモデルです。2024年5月に発表され、テキスト、音声、画像を単一のニューラルネットワーク内でネイティブに処理する能力を特徴としています。これにより、複数のモデルを組み合わせる必要があった従来のシステムと比較して、非常に高速でシームレスな人間とコンピュータの対話が実現しました。GPT-4oは、発表時点で音声認識、翻訳、ビジョンのベンチマークで最先端の性能を達成し、特にリアルタイムでの音声対話能力は人間のような応答速度（平均320ミリ秒）に達しています。

技術的には、GPT-4oは128kのコンテキスト長を持ち、2023年10月までの情報でトレーニングされています。Massive Multitask Language Understanding（MMLU）ベンチマークでは88.7%という高いスコアを記録し、前モデルであるGPT-4を上回る推論能力を示しました。 当初、ChatGPTの無料プランでも利用可能となり、AIへのアクセスを大幅に民主化しましたが、有料プランのユーザーにはより高い利用制限が設けられていました。しかし、OpenAIがGPT-5シリーズのような後継モデルへと移行するにつれて、2026年2月13日をもってGPT-4oはChatGPTの主要インターフェースからは廃止されました。ただし、API経由での利用は継続されています。

開発者にとって、GPT-4oは強力な選択肢であり続けています。APIは、その高度なマルチモーダル機能をアプリケーションに統合するためのアクセスを提供します。料金体系はトークンベースで、入力と出力の量に応じて課金されます。その性能と比較的低いコスト（前モデルのGPT-4 Turboより50%安い）のバランスから、リアルタイム翻訳、インテリジェントな顧客サポート、コンテンツ作成、データ分析など、多岐にわたる用途で活用されています。後継モデルが登場したものの、GPT-4oが示したマルチモーダル統合のアプローチは、AI開発の新たな標準を確立しました。