Özellikle ses ve görüntü anlama konusunda önemli iyileştirmeler sunan bu model, insan-bilgisayar etkileşimini daha doğal hale getiriyor. Modelin ses girişlerine verdiği hızlı yanıtlar, insan tepki süresine benzerlik gösteriyor.
GPT-4o, metin, görüntü ve ses verilerini aynı sinir ağı içinde işleyen ilk entegre model olarak öne çıkıyor. Ayrıca, Mac işletim sistemi için özel olarak tasarlanmış yeni bir ChatGPT masaüstü uygulaması da duyuruldu. Model, hem ücretsiz hem de ücretli olarak sunulacak; ücretli kullanıcılar daha fazla kapasiteye erişebilecek. GPT-4o'nun ChatGPT'de birkaç hafta içinde kullanıma sunulması bekleniyor.