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)
在 GPT-2 词表中，emoji 🙂（4 个 UTF-8 字节）变成 2 个 token；GPT-4o 更大的词表学会了整个序列，所以是 1 个 token。
GPT-4o 分词器对 'How many r's are in strawberry?' 变成 8 个 token：How | ·many | ·r | 's | ·are | ·in | ·strawberry | ?，其中 'strawberry' 是 token #101830。
以GPT-4o为基准测算，图像密集型内容在压缩后token成本下降了85.9%。
Token-Efficient Multi-Agent Collaboration（2026-10-06）将廉价的协调决策与昂贵的推理分离，交由轻量级'系统一'模型处理，相比AgentVerse/DyLAN/SelfOrg将GPT-4o令牌成本降低45%至97%，且无精度损失。
GPT-4o在速度和产出量比风格精度更重要的写作任务上获得了多位评论者的专门辩护。
多模态大语言模型（MLLMs）指能够同时处理文本、图像、音频、视频等多种模态输入并生成文本输出的大规模模型，代表性工作包括 GPT-4o、Gemini、Qwen-VL 等。
harness-sdk 提供一层可移植的控制框架，不提供模型也不提供云，开发者可更换底层模型（如从 GPT-4o 换到 Claude）或云服务（如从 AWS 换到 GCP）而无需重写 Agent 核心逻辑。
原作者提供了三级级联路由（Claude → GPT-4o → DeepSeek）的生产版本，包含冷却状态、输出校验、BANT线索分级和Telegram告警的n8n工作流及纯Python版本
该基准测试统一使用GPT-4o（通过OpenAI API调用），评估指标为任务通过率（人工核验）、延迟和Token成本
与 GPT-4o 或 Claude 等云端视觉模型相比，本地 VLM 的识别精度通常较低，但优势在于零延迟网络往返、完全离线可用、用户图像数据绝不离开本地设备
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%已验证视觉-语言模型（VLM）的代表性工作包括OpenAI的GPT-4V、Google的Gemini以及开源社区的LLaVA
75%