GPT-4o ("o" per "omni") és un pas cap a una interacció molt més natural entre l'home i l'ordinador: accepta com a entrada qualsevol combinació de text, àudio, imatge i vídeo i genera sortides de text, àudio i imatge.

Pot respondre a les entrades que escolta a una velocitat similar al temps de resposta humana en una conversa. Assoleix el rendiment de GPT-4 Turbo en text  i és molt més ràpid que la versió 3.5 que s'oferia fins ara de manera gratuïta.

GPT-4o és especialment millor en la comprensió de la visió i l'àudio en comparació amb els models existents.

L'única limitació actual és que està en mode de proves i permet enviar un nombre limitat de consultes, però en breu s'aniran ampliant aquests límits, millorant així de manera significativa la seva utilitat.