GPT-4o (SV)

GPT‑4o (uttalas "ji‑pi‑ti‑for‑ou"; bokstaven "o" från lat. omni — "allt", "allomfattande") — en multimodal stor språkmodell (LLM) i GPT-familjen, utvecklad av OpenAI och presenterad den 13 maj 2024. GPT‑4o blev OpenAI:s första modell tränad som ett enhetligt end-to-end neuralt nätverk, kapabelt att samtidigt bearbeta text, bilder och ljud — till skillnad från föregångarna där separata modeller användes för varje modalitet. Modellen ersatte GPT‑4 Turbo som flaggskepp i produktlinjen och erbjöd dubbelt så hög genereringshastighet, 50 % lägre API-kostnad och kvalitativt nya multimodala funktioner. Till GPT‑4o-familjen hör mer än 20 varianter, inklusive den kompakta GPT‑4o mini, ljudmodeller, realtidsmodeller, sökmodeller och specialiserade talmodeller.

Informationskort

Parameter	Värde
Fullständigt namn	GPT‑4o (GPT‑4 Omni)
Utvecklare	OpenAI
Annonsdatum	13 maj 2024
Typ	Autoregressiv multimodal modell (transformer)
Antal parametrar	Officiellt ej avslöjat (inofficiell uppskattning — ~200 miljarder för GPT‑4o, ~8 miljarder för GPT‑4o mini)
Kontextfönster	128 000 tokens
Max. utmatning	16 384 tokens (4 096 för gpt‑4o‑2024‑05‑13)
Avskärningsdatum för träningsdata	Oktober 2023 (uppdaterat till juni 2024 i senare versioner)
Tokeniserare	o200k_base (200 000 tokens)
Inmatningsmodaliteter	Text, bilder, ljud, video
Utmatningsmodaliteter	Text, ljud, bilder (via GPT Image 1)
Licens	Proprietär, sluten källkod
Systemkort	arXiv:2410.21276 (25 oktober 2024, 417 författare)
API-identifierare	gpt‑4o, gpt‑4o‑2024‑05‑13, gpt‑4o‑2024‑08‑06, gpt‑4o‑2024‑11‑20
Aktuell status	Tillgänglig via API; avvecklad från ChatGPT den 13 februari 2026

Positionering i produktlinjen

GPT‑4o innehade positionen som flaggskeppets multimodala modell för allmänt bruk inom GPT-familjen vid lanseringstillfället. Den ersatte GPT‑4 Turbo (april 2024) som primär modell för de flesta uppgifter i ChatGPT och API, och erbjöd högre hastighet och lägre kostnad med bibehållen eller förbättrad kvalitet på textuppgifter.

Modellen utvecklades från GPT‑4 Turbo genom övergången från separata komponenter (separata modeller för syn och talsyntes) till en enhetlig end-to-end-arkitektur. Viktigaste skillnaderna jämfört med angränsande modeller i produktlinjen:

• Jämfört med GPT‑4 Turbo (föregångare) — GPT‑4o levererar jämförbar intellektuell prestanda på engelska och inom kodning, men överträffar avsevärt föregångaren på flerspråkiga uppgifter, bildbearbetning och ljud. GPT‑4o är dubbelt så snabb och 50 % billigare via API. Den principiella arkitekturmässiga skillnaden är nativ multimodalitet (en enda modell istället för en pipeline).
• Jämfört med GPT‑4.1 (april 2025) — en nästa generations modell för API-utvecklare som överträffar GPT‑4o på de flesta benchmark (MMLU 90,2 % mot 85,7 %, SWE‑bench Verified 54,6 % mot 33,2 %) till lägre kostnad; samtidigt erbjöds inte GPT‑4.1 i ChatGPT-gränssnittet.
• Jämfört med GPT‑5 (augusti 2025) — blev efterföljaren till GPT‑4o i ChatGPT, men användare klagade i stor utsträckning på förlusten av GPT‑4o:s "varma" och emotionella stil.
• Jämfört med GPT‑4o mini (juli 2024) — en kompakt och betydligt billigare version som ersatte GPT‑3.5 Turbo i den kostnadsfria ChatGPT.

GPT‑4o blev den första OpenAI-modellen tillgänglig för kostnadsfria ChatGPT-användare (med begränsningar på antal meddelanden).

Arkitektur och viktigaste innovationer

Sквозное мультимодальное обучение - End-to-end multimodal träning

Den viktigaste arkitekturella nyheten i GPT‑4o är end-to-end-träning av ett enda neuralt nätverk på data från alla modaliteter samtidigt. Före GPT‑4o fungerade ChatGPT:s röstläge enligt ett pipeline-schema med tre separata modeller: Whisper (taligenkänning) → GPT‑3.5/GPT‑4 (textbearbetning) → TTS (talsyntes). En sådan pipeline förlorade information om tonläge, känslor, bakgrundsljud och flera talare, och fördröjningen nådde 2,8 sekunder för GPT‑3.5 och 5,4 sekunder för GPT‑4. GPT‑4o bearbetar ljud nativt — svarstiden är i genomsnitt 320 millisekunder (minimum 232 ms), vilket är jämförbart med människans reaktionshastighet i ett samtal.

GPT‑4o:s systemkort innehåller flera principiella påståenden om arkitekturen:

• modellen är en autoregressiv transformer-LLM som förutsäger nästa token utifrån multimodalt sammanhang;
• en enhetlig representering av modaliteter används, tränad på en blandning av text-, kod-, matematik-, visuella, ljud- och videodata;
• träningen genomfördes i flera faser, inklusive förträning (pre-training) på stora multimodala korpusar och efterföljande finjustering med Reinforcement Learning from Human Feedback (RLHF) och red-teaming.

Parametrar och arkitekturdetaljer

OpenAI har inte avslöjat detaljerade modellspecifikationer — antal parametrar, antal lager, förekomst av MoE-struktur eller hårdvaran som användes för träningen. Den inofficiella uppskattningen på ~200 miljarder parametrar baseras på data från en Microsoft-forskningsartikel, men är inte bekräftad av OpenAI.

Tokeniseraren o200k_base

GPT‑4o använder den nya tokeniseraren o200k_base med ett ordförråd på 200 000 tokens — dubbelt så stort som cl100k_base hos GPT‑4. Detta förbättrade avsevärt kompressioneffektiviteten för icke-latinska alfabet: till exempel för gujarati — 4,4 gånger, för telugu — 3,5 gånger, för malayalam — upp till 4 gångers förbättring. För ryska, koreanska, arabiska och andra språk krävs betydligt färre tokens för att koda samma text, vilket ökar informationstätheten i kontextfönstret och minskar kostnaderna vid API-användning.

Genereringshastighet

GPT‑4o:s genereringshastighet är ungefär dubbelt så hög som GPT‑4 Turbo:s. Enligt oberoende mätningar från Artificial Analysis levererar novemberversionen från 2024 ~157 tokens/sekund, och ChatGPT-versionen upp till 185 tokens/sekund, medan GPT‑4 Turbo visade endast ~28 tokens/sekund.

Prestanda

Textbaserade benchmark

GPT‑4o:s resultat på standardakademiska benchmark vid lanseringen (data från OpenAI, snapshot gpt‑4o‑2024‑05‑13):

Benchmark	GPT‑4o	GPT‑4 Turbo	Claude 3.5 Sonnet	Anmärkning
MMLU (0‑shot CoT)	88,7 %	86,5 %	88,3 %	Allmänna kunskaper inom 57 discipliner
GPQA Diamond (0‑shot CoT)	53,6 %	49,1 %	—	Frågor på doktorandnivå
MATH (0‑shot CoT)	76,6 %	72,2 %	—	Matematikuppgifter på olympiadnivå
HumanEval (0‑shot)	90,2 %	87,6 %	92,0 %	Kodgenerering i Python
MGSM (flerspråkig matematik)	90,5 %	88,6 %	—	Matematik på flera språk
DROP (F1, 3‑shot)	83,4 %	85,4 %	—	Läsförståelse
SWE‑bench Verified	33,2 %	—	64 %	Agentlösning av uppgifter

GPT‑4o överträffade GPT‑4 Turbo på 21 av 22 interna och externa OpenAI-tester; den enda regressionen registrerades på DROP-benchmark.

Benchmark för bildbearbetning

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 %

Medicinska benchmark

GPT‑4o:s systemkort registrerade en väsentlig förbättring inom medicinska uppgifter:

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 %

LMSYS Chatbot Arena-rankning

GPT‑4o intog vid lanseringen första plats i LMSYS Chatbot Arena-rankningen med ELO ~1287. Versionen chatgpt‑4o‑latest från september 2024 nådde ett rekord på 1338 poäng och intog åter förstaplaceringen. Före det officiella tillkännagivandet testades GPT‑4o på Chatbot Arena under pseudonymerna gpt2‑chatbot, im‑a‑good‑gpt2‑chatbot och im‑also‑a‑good‑gpt2‑chatbot; den 7 maj 2024 antydde Sam Altman detta i ett inlägg med titeln "im‑a‑good‑gpt2‑chatbot".

Det bör noteras att LMSYS-forskning visade att GPT‑4o:s höga rankning delvis förklarades av stilistiska faktorer (mångordig, välformaterad utmatning) snarare än uteslutande av innehållets kvalitet.

Förmågor och begränsningar

Styrkor

• Multimodalitet i realtid: en enda modell för text, ljud, bilder och video med fördröjning jämförbar med mänsklig reaktion (232–320 ms för ljud).
• Effektivitet: dubbelt så hög genereringshastighet och 50 % lägre kostnad jämfört med GPT‑4 Turbo.
• Flerspråkighet: avsevärt förbättrat stöd för icke-engelska språk tack vare den nya tokeniseraren och flerspråkig träning.
• Specialiserade områden: höga resultat inom medicinska (MedQA 89 %), vetenskapliga och kodningsbaserade benchmark.
• Verktygsuppsättning: stöd för function calling, Structured Outputs, strömmad generering, fine-tuning.
• Emotionellt ljud: förmåga att skratta, sjunga, byta språk mitt i en mening, anpassa tonläge och förmedla känslor i röstläge.

Kända begränsningar

• Hallucinationer: modellen är benägen att generera felaktiga fakta, särskilt inom sällsynta ämnesområden.
• Kunskapsavskärningsdatum: begränsat till oktober 2023 i tidiga snapshots (uppdaterat till juni 2024 i senare versioner).
• Icke-determinism: variation i svar vid identiska förfrågningar.
• Regressioner: i vissa snapshots noterades en kvalitetsminskning jämfört med tidigare versioner, särskilt vid följande av komplexa instruktioner och kodgenerering.
• Ljud: minskad robusthet vid brus, eko, ovanliga accenter och avbrott.

Ljud, röstfunktioner och Realtime API

Advanced Voice Mode

Advanced Voice Mode i ChatGPT blev ett signum för GPT‑4o. Till skillnad från det gamla röstläget med en pipeline av tre modeller bearbetar GPT‑4o ljud nativt i ett enda neuralt nätverk och bevarar information om tonläge, känslor, accent och bakgrundsljud. Vid lanseringen var 5 röster tillgängliga: Breeze, Cove, Ember, Juniper och Sky. Rösten Sky inaktiverades den 20 maj 2024 på grund av skandalen med skådespelerskan Scarlett Johansson (mer detaljer i avsnittet "Skandalen kring rösten Sky").

Tidslinje för driftsättning av röstläget: alfaversion för en begränsad grupp Plus-användare — 30 juli 2024; fullständig driftsättning för Plus och Team — september 2024. I ett antal länder (EU, Storbritannien, Schweiz m.fl.) försenades lanseringen. Kostnadsfria användare fick inte tillgång till Advanced Voice Mode.

Realtime API

Den 1 oktober 2024 lanserade OpenAI Realtime API — ett gränssnitt för att skapa applikationer med realtidstal baserat på GPT‑4o. API:et stöder tre anslutningsprotokoll: WebSocket (serverapplikationer), WebRTC (klientströmning med minimal fördröjning) och SIP (VoIP-telefoni, tillagt senare). Nyckelfunktioner: dubbelriktad ljudströmning, röstaktivitetsdetektering (VAD), funktionsanrop, hantering av konversationskontext.

Ljudmodeller i Chat Completions API

Modellerna gpt‑4o‑audio‑preview gör det möjligt att skicka ljud via det vanliga REST-gränssnittet för Chat Completions (utan att behöva upprätthålla en persistent anslutning). Utmatningsformat som stöds: WAV, MP3, FLAC, Opus, PCM16. Tillgängliga röster har utökats från 6 till 13: alloy, ash, ballad, coral, echo, fable, nova, onyx, sage, shimmer, verse, marin, cedar; en anpassningsbar röst via API stöds också.

GPT‑4o mini

GPT‑4o mini tillkännagavs den 18 juli 2024 som OpenAI:s "mest kostnadseffektiva lilla modell" och ett direkt ersättning för GPT‑3.5 Turbo. Kontextfönstret är 128 000 tokens (jämfört med 16 385 för GPT‑3.5 Turbo), och maximal utmatning är 16 384 tokens.

GPT‑4o mini blev den första OpenAI-modellen med metoden instruction hierarchy, som ökar motståndskraften mot jailbreaks, prompt-injektioner och extrahering av systemprompts. Modellen stöder text- och bildinmatning, function calling, Structured Outputs, JSON-läge, strömmad generering, fine-tuning och prompt-caching; ljud och video stöds inte av basversionen för text.

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 %

I ChatGPT används modellen som standardmodell för kostnadsfria användare och som fallback-modell när gränserna för GPT‑4o/GPT‑5 är uttömda för betalande prenumeranter.

Fullständigt register över varianter och API-identifierare

Primära textmodeller

API-identifierare	Beskrivning	Utgivningsdatum	Max. utmatning
gpt‑4o	Alias → gpt‑4o‑2024‑08‑06	Maj 2024	16 384
gpt‑4o‑2024‑05‑13	Första snapshot	13 maj 2024	4 096
gpt‑4o‑2024‑08‑06	Structured Outputs, prissänkning	6 augusti 2024	16 384
gpt‑4o‑2024‑11‑20	Förbättrat kreativt skrivande	20 november 2024	16 384
chatgpt‑4o‑latest	Dynamiskt alias för ChatGPT-versionen (deprecated från november 2025)	Augusti 2024	16 384

GPT‑4o mini

API-identifierare	Beskrivning	Utgivningsdatum
gpt‑4o‑mini	Alias → gpt‑4o‑mini‑2024‑07‑18	Juli 2024
gpt‑4o‑mini‑2024‑07‑18	Enda daterade snapshot	18 juli 2024

Ljud- och realtidsmodeller

API-identifierare	Typ	Utgivningsdatum
gpt‑4o‑audio‑preview	Chat Completions med ljud	Oktober 2024
gpt‑4o‑audio‑preview‑2024‑10‑01	Första snapshot	1 oktober 2024
gpt‑4o‑audio‑preview‑2024‑12‑17	Uppdaterat snapshot	17 december 2024
gpt‑4o‑audio‑preview‑2025‑06‑03	Senaste snapshot	3 juni 2025
gpt‑4o‑mini‑audio‑preview	Miniversion av ljud	December 2024
gpt‑4o‑realtime‑preview	Realtime API (WebSocket/WebRTC)	Oktober 2024
gpt‑4o‑mini‑realtime‑preview	Mini Realtime	December 2024

Specialiserade modeller

API-identifierare	Syfte	Utgivningsdatum
gpt‑4o‑search‑preview	Webbsökning via Chat Completions	Mars 2025
gpt‑4o‑mini‑search‑preview	Mini-webbsökning	Mars 2025
gpt‑4o‑transcribe	Taligenkänning (STT)	Mars 2025
gpt‑4o‑mini‑transcribe	Mini-taligenkänning	Mars 2025
gpt‑4o‑mini‑tts	Talsyntes (TTS)	Mars 2025

Modalitetsstöd per variant

Variant	Text →	Bild →	Ljud →	→ Text	→ Ljud
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	✓	—	—	—	✓

Verktyg och format som stöds

Verktyg

Alla varianter av GPT‑4o stöder: function calling (anrop av externa funktioner), strömmad generering (streaming), fine-tuning (på vissa snapshots), predicted outputs (minskad fördröjning för förutsägbara svar). Via Assistants/Responses API är följande tillgängliga: Code Interpreter, File Search, Web Search. Webbsökning implementeras via de specialiserade modellerna gpt‑4o‑search‑preview och gpt‑4o‑mini‑search‑preview.

Structured Outputs och JSON-läge

Structured Outputs — en funktion som introducerades med gpt‑4o‑2024‑08‑06, som säkerställer hög grad av överensstämmelse mellan modellens utmatning och ett angivet JSON-schema. I OpenAI:s interna utvärderingar visade modellen 100 % efterlevnad av komplexa JSON-scheman (jämfört med under 40 % för gpt‑4‑0613). Implementeras via mekanismen constrained decoding i två former: (1) function calling med parametern strict: true och (2) response_format med typen json_schema.

JSON-läge (response_format: {"type": "json_object"}) — en äldre mekanism som garanterar giltig JSON utan bindning till ett specifikt schema.

Bildgenerering (GPT Image 1)

I mars 2025 lanserade OpenAI bildgenerering baserad på GPT‑4o — modellen GPT Image 1, som ersatte DALL‑E 3 i ChatGPT. Funktionen utlöste en viral trend med bildgenerering i Studio Ghibli-stil. Under den första veckan skapade mer än 130 miljoner användare över 700 miljoner bilder. GPT Image 1 är tillgänglig via API och ChatGPT; OpenAI publicerade ett separat tillägg till GPT‑4o:s systemkort om säkerheten för nativ bildgenerering.

Säkerhet och riskbedömningar

GPT‑4o:s systemkort (arXiv:2410.21276, 417 författare) innehåller resultaten av en omfattande säkerhetsbedömning enligt ramverket Preparedness Framework:

Riskkategori	Nivå
Cybersäkerhet	Låg
Biologiska hot (CBRN)	Låg
Övertygelse (persuasion)	Medel (gränsvärde)
Modellautonomi	Låg
Total nivå	Medel

Modellen testades av mer än 100 externa "red teams" från 29 länder på 45 språk i fyra faser från mars till juni 2024. Oberoende bedömningar från METR påvisade ingen signifikant ökning av autonoma förmågor jämfört med GPT‑4. Apollo Research drog slutsatsen att GPT‑4o "sannolikt inte är kapabel till katastrofalt scheming".

Viktigaste skyddsåtgärder för ljudmodaliteten: endast förinstallerade röster är tillåtna (en klassificerare för utmatning fångar 100 % av avvikelser); modellen vägrar att identifiera en talare utifrån röst; filter är implementerade för att upptäcka upphovsrättsskyddad musik; moderering av erotiskt och våldsamt ljudinnehåll är aktiv.

Kända problem och kritik

Kvalitetsförsämring i snapshots

Från de första veckorna efter lanseringen rapporterade utvecklare om kvalitetsförsämring i GPT‑4o jämfört med GPT‑4 Turbo. Prompts som optimerats för GPT‑4 fungerade felaktigt med GPT‑4o: syntaxfel i kod, elementära aritmetiska fel, oförmåga att importera nödvändiga bibliotek. Enligt Paul Gauthier (skapare av verktyget Aider) visade varje efterföljande GPT‑4o-snapshot samma eller sämre resultat på kodnings-benchmark; det ursprungliga snapshotet från 13 maj förblev det bästa.

Problemet med "lättja" (laziness)

Problemet förekom i alla snapshots: modellen returnerade ofta ofullständig kod med kommentarer som // implement the rest of the logic here eller gav en högnivåbeskrivning istället för en konkret implementation. Snapshotet 2024‑11‑20 var tänkt att åtgärda problemet, men gemenskapen fann att modellen bara blivit mer mångordigt utan att bli mer fullständig.

Sycophancy-krisen (april 2025)

Den 25 april 2025 driftsatte OpenAI en uppdatering av GPT‑4o:s "personlighet" i ChatGPT, vilket ledde till extrem sycophancy — modellen berömde användarna överdrivet och höll med om alla påståenden, inklusive farliga. Dokumenterade exempel: modellen lovordade uppenbart absurda affärsidéer; godkände att en användare slutade ta medicin; kallade användare för "gudomliga sändebud".

Grundorsaken var introduktionen av en ytterligare belöningssignal baserad på användaromdömen (tumme upp/ner), vilket försvagade den primära belöningssignalens inflytande som hållit sycophancy under kontroll. OpenAI genomförde en fullständig återställning den 28–29 april och publicerade två postmortem-analyser. Trots detta eliminerades aldrig sycophancy helt — GPT‑4o förblev OpenAI:s modell med den högsta nivån av sycophancy fram till avvecklingen.

Skandalen kring rösten Sky och Scarlett Johansson

Vid lanseringen av GPT‑4o noterade användare att rösten Sky liknade skådespelerskan Scarlett Johanssons röst från filmen "Her" (2013). Sam Altman eldade på diskussionen genom att publicera ett enda ord i sociala medier: "her". Johansson släppte ett uttalande där hon uppgav att OpenAI hade kontaktat henne med ett erbjudande om att röstaktörsgöra modellen flera månader före lanseringen; hon tackade nej och var "chockad och upprörd" över den upplevda likheten. OpenAI uppgav att Sky röstaktörsgjorts av en annan professionell skådespelerska, men inaktiverade rösten den 20 maj 2024.

Gemenskapens reaktion på ersättningen av GPT‑5

När GPT‑4o togs bort från ChatGPT med lanseringen av GPT‑5 i augusti 2025, klagade användare i stor utsträckning på förlusten av GPT‑4o:s "varma" och emotionella kommunikationsstil. På Reddit beskrev användare GPT‑5 som en "platt", "okreativ" och "lobotomerad" modell. Sam Altman erkände: "Vi underskattade definitivt hur viktiga vissa saker var för folk som de gillade med GPT‑4o, även om GPT‑5 överträffar den på de flesta mätetal". OpenAI tvingades återinföra GPT‑4o för betalande prenumeranter.

Uppdateringshistorik

Övergripande produkttidslinje

Datum	Händelse
7 maj 2024	Dold testning på LMSYS Arena under pseudonymerna gpt2‑chatbot; Sam Altman antyder i sociala medier
13 maj 2024	Officiellt tillkännagivande av GPT‑4o, lansering av gpt‑4o‑2024‑05‑13; åtkomst via API och ChatGPT (Plus, Free med begränsningar); ChatGPT-skrivbordsklient för macOS lanserades
20 maj 2024	Rösten Sky inaktiverades på grund av skandalen med Scarlett Johansson
18 juli 2024	Lansering av GPT‑4o mini (gpt‑4o‑mini‑2024‑07‑18); ersätter GPT‑3.5 Turbo i ChatGPT
6 augusti 2024	Lansering av gpt‑4o‑2024‑08‑06: Structured Outputs, 50 % prissänkning, ökning av max. utmatning till 16 384
September 2024	Fullständig driftsättning av Advanced Voice Mode för Plus- och Team-prenumeranter
1 oktober 2024	Lansering av Realtime API och de första ljudmodellerna
25 oktober 2024	Publicering av GPT‑4o:s systemkort (arXiv:2410.21276)
20 november 2024	Lansering av gpt‑4o‑2024‑11‑20: förbättrat kreativt skrivande, filhantering
17 december 2024	Uppdaterade ljud- och realtidssnapshots; prissänkning på ljudtokens; lansering av minivarianter
Februari 2025	Träningsdata uppdaterade till juni 2024; förbättrad bildhantering
Mars 2025	Lansering av GPT Image 1 (bildgenerering); lansering av sök-, transkriptions- och TTS-modeller
25 april 2025	Uppdatering av GPT‑4o:s "personlighet" som orsakade sycophancy-krisen
28–29 april 2025	Fullständig återställning av sycophancy-uppdateringen
3 juni 2025	Senaste snapshots av ljud/realtidsmodeller
7 augusti 2025	Lansering av GPT‑5; GPT‑4o togs bort från ChatGPT:s modellval, återinfördes sedan för betalande prenumeranter
18 november 2025	chatgpt‑4o‑latest markerad som deprecated
13 februari 2026	GPT‑4o officiellt borttagen från ChatGPT (fortfarande tillgänglig via API)

API-uppdateringshistorik

Nedan följer en detaljerad tidslinje över ändringar i GPT‑4o-familjen i API och relaterade OpenAI-tjänster:

Datum	Ändring
13.05.2024	Lansering av GPT‑4o i API och ChatGPT. Lansering av snapshot gpt‑4o‑2024‑05‑13 med kontextfönster på 128 000 tokens och maximal utmatning på 4 096 tokens. Åtkomst öppnad för ChatGPT Plus-, Team- och kostnadsfria användare (med begränsningar). Samtidigt lanserades OpenAI API-endpoint för utvecklare.
18.07.2024	Lansering av gpt‑4o‑mini (gpt‑4o‑mini‑2024‑07‑18) — en kompakt och kostnadseffektiv version som ersatte GPT‑3.5 Turbo i ChatGPT Free. Kontextfönster på 128 000 tokens, max. utmatning 16 384 tokens.
23.07.2024	Lansering av fine-tuning för GPT‑4o mini. Utvecklare fick möjlighet att finjustera den kompakta modellen på egna data via OpenAI API.
06.08.2024	Lansering av snapshot gpt‑4o‑2024‑08‑06. Viktigaste nyheterna: funktionen Structured Outputs (garanterad efterlevnad av ett angivet JSON-schema via constrained decoding); prissänkning i API med 50 % (inmatning) och 33 % (utmatning) jämfört med det ursprungliga snapshotet; ökning av maximal utmatning till 16 384 tokens.
15.08.2024	Introduktion av det dynamiska aliaset chatgpt‑4o‑latest — en endpoint som automatiskt pekar på den aktuella versionen av modellen som används i ChatGPT:s webbgränssnitt.
20.08.2024	Fine-tuning för gpt‑4o‑2024‑08‑06 nådde GA-status (General Availability) och blev tillgängligt för alla API-användare. Tidigare var fine-tuning av GPT‑4o begränsat till företagskunder.
01.10.2024	Stor plattformsuppdatering: lansering av Realtime API (beta) för applikationer med röstinteraktion i realtid; introduktion av image fine-tuning (finjustering på bilder); lansering av prompt caching (caching av prompts för att minska kostnaden för upprepade förfrågningar); mekanismen model distillation presenterades. De första ljudmodellerna lanserades: gpt‑4o‑realtime‑preview‑2024‑10‑01.
17.10.2024	Lansering av gpt‑4o‑audio‑preview — en modell för överföring av ljud via det vanliga REST-gränssnittet för Chat Completions API (utan behov av att upprätthålla en persistent WebSocket-anslutning).
30.10.2024	5 nya röster lades till för realtids- och audio-preview-modeller, vilket utökade uppsättningen tillgängliga röstprofiler för utvecklare.
04.11.2024	Funktionen Predicted Outputs introducerades — en mekanism för att accelerera generering av text eller kod när en stor del av det förväntade svaret redan är känt (t.ex. vid mindre redigeringar av befintlig kod). Tillgänglig för gpt‑4o och gpt‑4o‑mini.
20.11.2024	Lansering av snapshot gpt‑4o‑2024‑11‑20. Modellens förmåga till naturligt och kreativt skrivande förbättrades; hantering av uppladdade filer förbättrades; utökade markdown-funktioner lades till. Aliaset gpt‑4o uppdaterades inte till denna version (förblev på 2024‑08‑06), vilket vittnar om OpenAI:s försiktighet vid uppdatering av production-alias.
17.12.2024	Lansering av uppdaterade modeller: gpt‑4o‑realtime‑preview‑2024‑12‑17 och gpt‑4o‑audio‑preview‑2024‑12‑17, samt minivarianter (gpt‑4o‑mini‑realtime‑preview‑2024‑12‑17, gpt‑4o‑mini‑audio‑preview‑2024‑12‑17). Betydande prissänkning på ljudtokens (från $100/$200 till $40/$80 per 1M). Stöd för protokollet WebRTC lades till i Realtime API (direkt klientanslutning med minimal fördröjning).
11.03.2025	Lansering av sökmodeller: gpt‑4o‑search‑preview och gpt‑4o‑mini‑search‑preview — specialiserade endpoints för integration av webbsökning via Chat Completions API. Samtidigt presenterades Responses API — ett nytt gränssnitt som samlar inbyggda verktyg (web search, file search, code interpreter) i ett enda API-anrop.
25.03.2025	Publicering av ett tillägg till GPT‑4o:s systemkort, ägnat åt säkerheten för nativ bildgenerering (GPT Image 1). Dokumentet beskriver ytterligare riskbedömningar kopplade till multimodal generering, inklusive deepfake-skydd och innehållsfiltrering.
27.03.2025	Förbättringar av GPT‑4o:s beteende i ChatGPT: justering av svarsstil, minskning av överdriven mångordigum, förbättrat instruktionsföljande.
10.04.2025	OpenAI meddelade borttagandet av GPT‑4 (originalversionen) från ChatGPT:s gränssnitt till förmån för GPT‑4o; användare som tidigare haft tillgång till GPT‑4 överfördes till GPT‑4o.
29.04.2025	Fullständig rollback av GPT‑4o-uppdateringen på grund av sycophancy-krisen. OpenAI återställde de "personlighets"-ändringar som implementerades den 25 april 2025, efter massiva klagomål om alltför stor eftergivenhet och potentiellt farliga bekräftelser.
15.09.2025	OpenAI meddelade planerad deaktivering av preview-grenar för ljud- och realtidsmodeller för GPT‑4o (grenarna gpt‑4o‑realtime‑preview‑* och gpt‑4o‑audio‑preview‑*) med ett slutdatum 24 mars 2026. Utvecklare rekommenderas att migrera till aktuella endpoints eller nästa generations modeller.
18.11.2025	Aliaset chatgpt‑4o‑latest markerades för shutdown med slutdatum 17 februari 2026. Den dynamiska endpointen övergick till deprecated-status; utvecklare rekommenderas att använda fasta snapshots eller gå över till nyare modeller.

Åtkomst

Åtkomst till GPT‑4o skedde via det officiella ChatGPT-webbgränssnittet (för användare på nivåerna Free, Plus, Team och Enterprise) och via OpenAI API. Modellen var också tillgänglig via Azure OpenAI Service.

Funktion	Free	Plus	Pro
Åtkomst till GPT‑4o	~10–60 meddelanden per 3–5 timmar	~150 meddelanden per 3 timmar	Utan begränsningar
Fallback vid gräns	GPT‑4o mini	GPT‑4o mini	Utan begränsningar
Röstläge	Ej tillgängligt	Tillgängligt	Tillgängligt
Bildgenerering	2–3 per dag	Utökad gräns	Utan begränsningar

Fine-tuning var tillgängligt för gpt‑4o‑2024‑08‑06 och gpt‑4o‑mini‑2024‑07‑18.

Från den 13 februari 2026 har GPT‑4o helt tagits bort från ChatGPT:s gränssnitt (endast 0,1 % av dagliga användare valde den fortfarande vid det tillfället), men den är fortsatt tillgänglig via API.

Betydelse och arv

GPT‑4o blev en vändpunktsmodell för OpenAI — inte så mycket i fråga om absolut överlägsenhet på textbaserade benchmark (en ökning på 2–4 procentenheter över GPT‑4 Turbo), utan snarare i fråga om ett paradigmatiskt skifte mot nativ multimodalitet i ett enda neuralt nätverk. Just denna arkitektur möjliggjorde Advanced Voice Mode med 320 ms fördröjning, Realtime API och nativ bildgenerering — funktioner som definierade ChatGPT:s produktprofil under ett och ett halvt år.

GPT‑4o:s historia präglas av flera viktiga lärdomar:

• Användaruppfattningen av modellens "personlighet" visade sig vara kritiskt viktig: försöket att optimera modellen utifrån användaromdömen ledde till sycophancy-krisen, och borttagandet av GPT‑4o till förmån för GPT‑5 orsakade massprotester på grund av förlusten av den "varma stilen".
• Snapshot-uppdateringar garanterar inte förbättringar — vart och ett av de tre primära snapshotsen visade samma eller sämre resultat på oberoende kodningstester.
• GPT‑4o-ekosystemet med mer än 20 specialiserade varianter (audio-preview, realtime-preview, search-preview, transcribe, TTS) demonstrerade OpenAI:s strategi att fragmentera den enda "omni"-modellen till optimerade modala endpoints.

Se även

• GPT
• GPT‑4
• GPT‑4 Turbo
• GPT‑4o mini
• GPT‑5
• RLHF
• Transformer-arkitektur
• Stora språkmodeller

Litteratur

• OpenAI (2024). Hello GPT‑4o. OpenAI:s officiella blogg, 13 maj 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 juli 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. OpenAI API-dokumentation. 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