OpenAIが2024年5月に発表したGPT-4o（「o」は「omni」（すべて）を意味します）は、テキスト、音声、画像を統合的に処理できるフラッグシップのマルチモーダルAIモデルです。このモデルは、テキスト、音声、画像を入力として受け入れ、テキスト、音声、画像を生成することができます。特に、リアルタイムの音声対話能力に優れており、感情や抑揚を理解し、応答に含めることが可能です。GPT-4oは、GPT-4 Turboと比較して約3倍高速で、API料金も低く設定されています。また、50以上の言語に対応し、多言語処理能力も強化されています。MMLUベンチマークでは88.7%のスコアを記録し、高度な推論、コーディング、創造的なタスクにおいて高い性能を発揮します。2026年2月13日をもって、ChatGPTのUI上ではGPT-5.2などの後継モデルに移行しましたが、APIを通じて引き続き利用可能です。API利用者は、ファインチューニング機能も利用できます。