OpenAI lanzó GPT-4o con latencia baja en voz y visión nativa, empujando la interfaz conversacional multimodal.
El 13 de mayo de 2024, OpenAI presentó GPT-4o (“o” de omni), aceptando texto, audio e imagen como entradas/salidas con mayor naturalidad y menor latencia en demo de voz.
La disponibilidad amplia aceleró apps de tutoría y accesibilidad. Competidores respondieron con upgrades multimodales propios.
4o consolidó la expectativa de usuarios: un solo asistente que ve, oye y habla sin pipelines frágiles.
La instantánea gpt-4o-2024-05-13, la versión de GPT-4o presentada en mayo de 2024, dejará de funcionar en la API de OpenAI el 23 de octubre de 2026, con GPT-5.6 Sol como sustituto recomendado; mientras, usuarios agrupados bajo la etiqueta #keep4o piden que la empresa conserve o libere esos modelos.
OpenAI mostró Sora, un modelo de video capaz de escenas largas con coherencia visual sorprendente, aún con artefactos.
La serie o1 introdujo inferencia con “cadena de pensamiento” interna optimizada por RL, destacando en matemáticas y código.