GPT-4o
OpenAI旗舰多模态大语言模型，输入价格约每百万Token 2.5美元
核心事实
时间轴 (近 90 天)
所有结果均为单次运行，且GPT-4o同时担任教师和评测裁判，报告的增益可能部分来自教师与裁判同源带来的偏差。
在AlpacaEval 2.0基准上（GPT-4o作为评判者），经过三轮DNO-Prct迭代后，Llama 3.1 8B Instruct对GPT-4o的长度控制（LC）胜率从31.7%提升到45.3%。
使用同家族开放权重模型作为标注器时，DNO-Prct使Llama模型保留了对GPT-4o标注器所获LC增益的62%，Mistral模型保留了82%。
在AlpacaEval 2.0基准上（GPT-4o作为评判者），经过三轮DNO-Prct迭代后，Mistral 7B Instruct v0.1对GPT-4o的LC胜率从6.8%提升到18.4%。
在Earth-Bench和DisasterM3-Reason两个基准测试上，搭载GPT-4o的OSGR将执行步骤比率从2.9降低至2.5。
在Earth-Bench和DisasterM3-Reason两个基准测试上，搭载GPT-4o的OSGR将准确率从49.3%提升至63.7%。
据论文报告，GPT-4o在Earth-Bench基准上的基线准确率为49.3%。
同一句印地语在GPT-4的分词器下需要21个token，而在GPT-4o（o200k_base）下只需要5个token。
在o200k_base分词器中，带前导空格的单词' strawberry'被编码为单个token，id为101830。
2024年AIME数学考试上，OpenAI o1平均得分70%，单次尝试74%，64次采样投票后达83%，而GPT-4o只有12%。
还有 40 条时间轴事件
全部知识事实 (20)
GPT-4系列采用cl100k_base词表（约10万词元），GPT-4o系列升级至o200k_base（约20万词元）
90%已验证GPT-5.5是OpenAI于2025年中期发布的模型，相比GPT-4o在推理深度和上下文理解方面有显著提升
90%已验证GPT-4o 由 OpenAI 开发，凭借 Function Calling 能力在工具集成场景占优
90%已验证GPT-3时代的上下文窗口仅有2,048个Token，而Google Gemini已支持百万级Token，Claude支持200K Token，GPT-4 Turbo支持128K Token
90%已验证2024年发布的GPT-4o将图像生成能力直接整合进多模态大语言模型中
90%已验证GPT-4V、Claude 3、Gemini是现代多模态大模型的代表，能够同时处理文本、图像等多种数据类型
90%已验证GPT-4o结合视觉编码器的多模态架构能在统一的语义空间中对齐不同类型的信息
85%已验证OpenAI的GPT-4o with Tools和Anthropic的Claude Computer Use是AI Agent方向的代表性实现
85%已验证VLM（视觉语言模型）通常由视觉编码器（如ViT）、语言模型和连接两者的投影层组成，代表性模型包括GPT-4V/4o、Claude 3.5、LLaVA系列和InternVL
80%已验证GPT-4o（'o'代表'omni'）采用原生多模态架构，文本、图像、音频在同一个模型内部统一处理
80%已验证大模型API中输出Token的单价通常是输入Token的2-4倍
80%已验证Claude 3.5、GPT-4o等模型将上下文窗口扩展到10万乃至100万token
80%已验证OpenAI推出GPT-4o mini作为对轻量级高性能模型市场需求的回应
80%已验证GPT-4o等多模态模型已支持对实时音频的原生处理
80%已验证OpenAI的GPT-4o语音模式是端到端语音融合的代表性探索
80%已验证Claude 3.5 Sonnet是Anthropic于2024年推出的模型，在代码生成基准测试HumanEval上超越了同期GPT-4o
80%已验证Cursor 目前支持的模型阵容涵盖 OpenAI GPT-4o 系列、Anthropic Claude 3.x 系列、Google Gemini 系列以及部分开源模型
75%已验证前沿级别（frontier-grade）是AI行业用来描述当前最顶尖大模型能力层次的术语，通常指代GPT-4、Claude 3、Gemini Ultra等模型
75%已验证OpenAI的GPT系列以整数版本号递增（GPT-3、GPT-4），并以字母后缀区分变体，如「o」代表优化版本（GPT-4o），「mini」代表轻量版本
75%已验证GPT-4o的响应延迟大幅降低至约320毫秒，接近人类对话的自然反应速度
75%