OpenAI

GPT-6 Luna Decisions 是通过 OpenAI Decisions API 提供的 GPT-6 Luna 服务。它不是生成文本，而是读取作为 `state` 传入的内容（文本、JSON 或图像），并在单次请求中返回对命名问题的类型化概率答案：对是/否问题返回“是”的概率（`noul`），对每个选项返回一个概率并给出最可能的一个（`choice`），或者对有序量表的每个级别返回概率并给出预期得分（`score`）。 它专为分类、路由、内容审核和量表评分而构建，在这些场景中，应用程序代码对返回的数字设置阈值，而不是解析聊天回复。一次请求最多可携带关于同一内容的 200 个问题。

GPT-6.1 Sol Pro 与 GPT-6.1 Sol 是同一个底层模型，以 `reasoning.mode` 设置为 `pro` 的方式提供服务，以便在复杂任务上获得更高质量的响应。 **成本提示：** pro 模式在每个请求上花费的推理 token 要多得多，因此一个典型请求的成本比在 GPT-6.1 Sol 上发出相同请求要高出数倍，并且完成所需的时间也更长。它专为困难、高风险的难题而设计，在这些问题中，额外的准确性足以抵消成本的增加。对于日常编码、智能体（agentic）和聊天工作负载，请改用 GPT-6.1 Sol。 更多信息请参阅 OpenAI 文档：https://developers.openai.com/api/docs/guides/reasoning#reasoning-mode

GPT-6.1 Sol 是 OpenAI 对 GPT-6 Sol 的升级版，在 GPT-6 系列中定位低于旗舰版 GPT-6 Astra。它适用于智能体编码、计算机使用、文档密集型专业工作以及多步骤业务流程自动化，并且在这些任务上以更低成本接近 Astra 级别的结果。与 GPT-6 Sol 相比，它减少了事实性错误，并且在智能体任务中更可靠地遵守明确的限制和用户意图。

GPT-6 Luna Pro 与 GPT-6 Luna 是同一个底层模型，但以 `reasoning.mode` 设置为 `pro` 的方式提供服务，以在复杂任务上获得更高质量的响应。 **成本说明：** pro 模式每次请求消耗的推理 token 数量要多得多，因此一个典型请求的费用是 GPT-6 Luna 上同一请求的数倍，并且完成时间也长得多。它专为困难、高风险的难题设计，在这些场景中，额外的准确性可以证明成本的合理性。对于日常编码、智能体（agentic）和聊天负载，请改用 GPT-6 Luna。 了解更多信息，请参阅 OpenAI 文档：https://developers.openai.com/api/docs/guides/reasoning#reasoning-mode

GPT-6 Luna 是 OpenAI GPT-6 系列中快速、成本高效的模型，定位在 GPT-6 Sol 之下。它适用于高吞吐量和延迟敏感的工作负载，如聊天、分类和轻量级智能体任务，并且在更高的推理强度下，它可以承担以前需要 Sol 级别模型的复杂软件工程和计算机使用任务。它继承了 GPT-6 系列在事实可靠性以及更清晰、更简洁的沟通风格方面的优势。

GPT-6 Sol Pro 与 GPT-6 Sol 是相同的底层模型，仅以 `reasoning.mode` 设置为 `pro` 的方式提供服务，以便在复杂任务上提供更高质量的响应。 **费用说明：** pro 模式在每次请求中消耗的推理 token 远多于普通模式，因此一个典型请求的耗用成本可能是相同请求在 GPT-6 Sol 上的数倍，并且完成时间也长得多。它适用于困难、高风险的问题，在这些场景下，额外准确性值得其成本。对于日常编码、智能体（agentic）和聊天工作负载，请改用 GPT-6 Sol。 更多信息请参阅 OpenAI 文档：https://developers.openai.com/api/docs/guides/reasoning#reasoning-mode

GPT-6 Sol 是 OpenAI GPT-6 系列中性价比突出的高端模型，定位低于旗舰版 GPT-6 Astra，高于快速版 GPT-6 Luna。它适用于高要求的专业工作、智能体编码、业务流程自动化和计算机使用，尤其擅长在真实代码库中处理长周期软件工程任务。它以远低于 Astra 的成本实现了接近 Astra 级别的事实可靠性，并在技术和编码对话中体现出与 Astra 相同的更清晰、更简洁的沟通风格。

GPT Image 2.5 Sunburst 是 OpenAI 推出的图像生成与编辑模型，定位为 GPT Image 2.5 系列中面向精度需求的层级。它适用于细节丰富的创意工作，其中编辑准确性比生成速度更为关键，通过专用的 Images API 提供。

GPT Image 2.5 Flare 是 OpenAI 推出的图像生成与编辑模型，定位为 GPT Image 2.5 系列中面向速度的层级。它适用于大批量日常生成、创作者内容以及通过专用 Images API 进行快速原型制作。

GPT-6 Astra 是 OpenAI 的旗舰模型，专为要求严苛的端到端工作而设计。它适用于高级分析、软件工程、深度研究、科学工作和文档创建，尤其在涉及计算机和浏览器使用的长周期智能体任务中表现出色。

GPT-6 Astra Pro 与 GPT-6 Astra 是同一底层模型，服务时将 `reasoning.mode` 设置为 `pro`，以便在复杂任务上提供更高质量的响应。 **费用说明：** pro 模式每个请求消耗的推理 token 要多得多，因此典型请求的成本是 GPT-6 Astra 上相同请求的数倍，并且完成时间也长得多。它适用于困难且高风险的问题，在这些情况下，额外的准确性值得付出相应成本。对于日常编码、智能体和聊天工作负载，请改用 GPT-6 Astra。 在 OpenAI 文档中了解更多信息：https://developers.openai.com/api/docs/guides/reasoning#reasoning-mode

GPT Transcribe 是 OpenAI 推出的高精度语音转文本模型。它适用于录制音频、流式文件转录以及已提交的实时轮次，支持自由形式的上下文、关键词提示，以及针对专业术语和多语言语音的多种语言提示。

GPT-5.6 Luna Pro 与 GPT-5.6 Luna 为同一底层模型，但以 `reasoning.mode` 设置为 `pro` 的方式提供服务，以便在复杂任务上生成更高质量的响应。 **成本说明：** pro 模式每次请求会消耗多得多的推理 token，因此一次典型请求的成本比在 GPT-5.6 Luna 上执行相同请求高出数倍，且耗时更长。它专为困难、高风险的难题而设计，在这些场景中额外精度足以抵消成本。对于日常编码、智能体（agentic）和聊天工作负载，请改用 GPT-5.6 Luna。 更多信息请参阅 OpenAI 文档：https://developers.openai.com/api/docs/guides/reasoning#reasoning-mode

GPT-5.6 Luna 是 OpenAI GPT-5.6 系列中一款快速且成本高效的模型。它适用于高吞吐量、对延迟敏感的任务，如聊天、分类和轻量级智能体工作流，在其价格档位中提供强大的推理能力。

GPT-5.6 Terra Pro 与 GPT-5.6 Terra 是同一个底层模型，但以 `reasoning.mode` 设置为 `pro` 的方式提供服务，以在复杂任务上生成更高质量的响应。 **成本说明：** pro 模式每次请求会消耗多得多的推理 token，因此一个典型请求的成本比在 GPT-5.6 Terra 上执行同一请求高出数倍，且完成时间也长得多。它面向困难且高风险的问题，在这些问题上额外的准确性值得付出相应成本。对于日常编码、智能体和聊天工作负载，请改用 GPT-5.6 Terra。 更多信息请参阅 OpenAI 文档：https://developers.openai.com/api/docs/guides/reasoning#reasoning-mode

GPT-5.6 Terra 是 OpenAI GPT-5.6 系列中的均衡型号，定位介于旗舰级 Sol 层级与高性价比的 Luna 层级之间。它适用于日常编码、推理和智能体任务，在这些场景中需要在能力与成本之间取得平衡，以约为 Sol 一半的成本提供强劲性能。

GPT-5.6 Sol Pro 与 GPT-5.6 Sol 是同一个底层模型，但通过将 `reasoning.mode` 设为 `pro` 来提供服务，从而在复杂任务上获得更高质量的响应。 **费用说明：** pro 模式每次请求会消耗多得多的推理 token，因此一次典型请求的费用比在 GPT-5.6 Sol 上相同请求高出数倍，且完成时间也长得多。它专为困难、高风险的难题而设计，在这些场景中额外准确性值得付出更高成本。对于日常编码、Agent 和聊天工作负载，请改用 GPT-5.6 Sol。 更多信息请参阅 OpenAI 文档：https://developers.openai.com/api/docs/guides/reasoning#reasoning-mode

GPT-5.6 Sol 是 OpenAI GPT-5.6 系列中的旗舰模型。它适用于复杂推理、编码和智能体工作流，尤其在命令行和多步编码任务以及长周期问题求解方面表现出色。

OpenAI最新的图像生成模型。支持通过专用的Images API进行高保真图像生成和编辑。

OpenAI的GPT Image 1通过专用的Images API生成和编辑图像。其特点包括准确的文本渲染、透明背景，以及最多16张参考图像用于编辑。

GPT Image 1 的一个经济高效变体，通过 OpenAI 专用的 Images API，以更低的延迟和成本实现高质量图像生成。

GPT Chat Latest 指向 OpenAI 的稳定 API 别名 `chat-latest`，该别名始终解析为 ChatGPT 中使用的最新 Instant 聊天模型。随着 OpenAI 将来推出新的 Instant 模型更新，它们会自动路由到此别名之后。 更多信息请参见：https://developers.openai.com/api/docs/models/chat-latest

GPT-4o Mini Transcribe 是 OpenAI 的较小、成本高效的语音转文本模型，基于 GPT-4o Mini 的音频能力构建。它按 token（输入和输出）计费，适合大规模转录工作流，这些工作流受益于较低成本下的 token 级计费透明度。

Whisper Large V3 是 OpenAI 的开源自动语音识别模型，提供音频转录和翻译功能。它支持 99 种以上语言，并接受常见音频格式，包括 mp3、mp4、wav、webm、flac 和 ogg。该模型拥有 1,550M 参数，词错误率为 10.3%，非常适合在要求苛刻的条件下进行抗噪声、多语言的转录。支持词级和片段级的时间戳粒度。

Whisper Large V3 Turbo 是 OpenAI Whisper Large V3 语音识别模型的优化版本，专为速度和成本效率而设计。它支持99+种语言的转录，词错误率为12%，并接受常见音频格式，包括mp3、mp4、wav、webm、flac和ogg。可实现高达216倍的实时速度因子，非常适合延迟敏感和高吞吐量的转录工作负载。

Whisper 是 OpenAI 的开源自动语音识别模型，可通过 API 以 `whisper-1` 的形式使用。它支持对音频文件进行 50 多种语言的转录和翻译，音频文件最大可达 25 MB。接受的格式包括 mp3、mp4、wav 和 webm。按音频时长每分钟计费，精确到秒结算。

GPT-4o Transcribe 是 OpenAI 基于 GPT-4o 音频能力构建的高质量语音转文本模型。它按 token（输入和输出）计费，因此适用于需要 token 级计费透明度的工作流。

GPT-5.5 Pro 是 OpenAI 的高能力模型，针对复杂、高风险工作负载的深度推理和准确性进行了优化。它拥有超过 100 万 token 的上下文窗口（922K 输入，128K 输出），支持文本和图像输入，专为长周期问题解决、智能体编码以及多步骤工作流中的精确执行而设计。

GPT-5.5 是 OpenAI 的前沿模型，专为复杂的专业工作负载设计，在 GPT-5.4 的基础上增强了推理能力、提高了可靠性，并在困难任务上提升了 token 效率。它拥有超过 100 万 token 的上下文窗口（922K 输入，128K 输出），支持文本和图像输入，使得在单一系统中进行大规模推理、编码和多模态工作流成为可能。

GPT-5.4 Image 2 结合了 OpenAI 的 GPT-5.4 模型与 GPT Image 2 的先进图像生成能力。它支持丰富的多模态工作流，允许用户在同一交互中无缝切换推理、编码和视觉生成。

OpenAI的旗舰视频生成模型，可生成具有物理精确运动、同步音频和跨镜头世界状态持久性的生产级视频。Sora 2 Pro遵循复杂的多镜头指令，同时保持一致的空间关系——物体不会在切换镜头时消失或变形。支持文本转视频和图像转视频，并带有同步的背景音景、语音和音效。包含先进的内容安全功能，具有C2PA元数据溯源和SynthID风格水印。

GPT-5.4 nano 是 GPT-5.4 家族中最轻量且成本效益最高的版本，专为对速度要求严苛和高吞吐量的任务而优化。它支持文本和图像输入，专为低延迟场景设计，如分类、数据提取、排序和子代理执行。 该模型优先考虑响应速度和效率，而非深度推理，非常适合需要大规模快速、可靠输出的流水线。GPT-5.4 nano 尤其适用于后台任务、实时系统和分布式代理架构，在这些场景中，最小化成本和延迟至关重要。

GPT-5.4 mini 将 GPT-5.4 的核心能力带入一个更快、更高效的模型，专为高吞吐量工作负载优化。它支持文本和图像输入，在推理、编码和工具使用方面表现出色，同时降低大规模部署的延迟和成本。 该模型专为需要能力与效率平衡的生产环境而设计，非常适合大规模运行的聊天应用、编码助手和智能体工作流。GPT-5.4 mini 提供可靠的指令遵循、扎实的多步推理以及跨各种任务的一致性能，并具有更高的成本效率。

GPT-5.4 Pro 是 OpenAI 最先进的模型，基于 GPT-5.4 的统一架构，增强了复杂高风险任务的推理能力。它拥有超过 100 万 token 的上下文窗口（922K 输入，128K 输出），支持文本和图像输入。GPT-5.4 Pro 针对逐步推理、指令遵循和准确性进行了优化，擅长智能体编码、长上下文工作流和多步骤问题解决。

GPT-5.4 是 OpenAI 最新的前沿模型，将 Codex 和 GPT 系列统一为一个系统。它拥有超过 100 万 token 的上下文窗口（922K 输入，128K 输出），支持文本和图像输入，使得在同一工作流中可以实现高上下文推理、编码和多模态分析。 该模型在编码、文档理解、工具使用和指令遵循方面表现更佳。它被设计为通用任务和软件工程的强大默认选择，能够生成生产级代码、综合多个来源的信息，并以更少的迭代和更高的 token 效率执行复杂的多步骤工作流。

GPT-5.3-Codex 是 OpenAI 最先进的智能体编码模型，结合了 GPT-5.2-Codex 的前沿软件工程性能与 GPT-5.2 更广泛的推理和专业知识能力。它在 SWE-Bench Pro 上取得了最先进的结果，并在 Terminal-Bench 2.0 和 OSWorld-Verified 上表现出色，反映了改进的多语言编程、终端熟练度和现实世界计算机使用技能。该模型针对长时间运行、使用工具的工作流进行了优化，并支持执行期间的交互式引导，使其适合复杂开发任务、调试、部署和迭代产品工作。 除了编码之外，GPT-5.3-Codex 在 GDPval 等结构化知识工作基准上表现强劲，支持文档起草、电子表格分析、幻灯片制作和跨领域运筹研究等任务。它经过增强的网络安全意识训练，包括漏洞识别能力，并为高风险用例部署了额外的安全防护措施。与之前的 Codex 模型相比，它的 token 效率更高，速度大约快 25%，目标是涵盖推理、执行和计算机交互的专业端到端工作流。

gpt-audio 模型是 OpenAI 首个全面可用的音频模型。新的快照版本采用了升级后的解码器，使声音更加自然，并保持了更好的声音一致性。音频定价为每百万输入 token 32 美元，每百万输出 token 64 美元。

GPT Audio 的一个高性价比版本。新的快照版本升级了解码器，使语音更自然，并保持了更好的声音一致性。输入价格为每百万 token 0.60 美元，输出价格为每百万 token 2.40 美元。

GPT-5.2-Codex 是 GPT-5.1-Codex 的升级版本，针对软件工程和编码工作流进行了优化。它专为交互式开发会话以及复杂工程任务的长时间独立执行而设计。该模型支持从零开始构建项目、功能开发、调试、大规模重构和代码审查。与 GPT-5.1-Codex 相比，5.2-Codex 更具可操控性，严格遵守开发者指令，并生成更干净、更高质量的代码输出。推理努力可通过 `reasoning.effort` 参数进行调整。阅读文档。 Codex 可集成到开发者环境中，包括 CLI、IDE 扩展、GitHub 和云任务。它动态调整推理努力——为小任务提供快速响应，同时为大型项目维持长达数小时的持续运行。该模型经过训练可执行结构化代码审查，通过推理依赖关系并对照测试验证行为来捕捉关键缺陷。它还支持多模态输入，例如用于 UI 开发的图像或截图，并集成工具使用以支持搜索、依赖安装和环境设置。Codex 专门用于智能体编码应用。

GPT-5.2 Chat（又名 Instant）是 5.2 系列中快速、轻量级的成员，专为低延迟对话而优化，同时保留强大的通用智能。它采用自适应推理，对较难的查询有选择性地“思考”，提高数学、编码和多步骤任务的准确性，且不会拖慢典型对话。该模型默认更温暖、更健谈，指令遵循能力更强，短形式推理更稳定。GPT-5.2 Chat 专为高吞吐量、交互式工作负载而设计，在这些场景中，响应性和一致性比深度思考更重要。

GPT-5.2 Pro 是 OpenAI 最先进的模型，相比 GPT-5 Pro，在 agentic coding 和 long context 性能上有重大改进。它针对需要逐步推理、指令遵循以及在高风险用例中保持准确性的复杂任务进行了优化。它支持 test-time routing 特性和高级 prompt 理解，包括用户指定的意图，例如 "think hard about this"。改进包括减少 hallucination 和 sycophancy，以及在 coding、writing 和健康相关任务上的更优表现。

GPT-5.2 是 GPT-5 系列中最新前沿级模型，相比 GPT-5.1 提供了更强的智能体能力和长上下文性能。它使用自适应推理动态分配计算资源，对简单查询快速响应，同时为复杂任务投入更多深度。 专为广泛任务覆盖而设计，GPT-5.2 在数学、编程、科学和工具调用工作负载上持续取得性能提升，提供更连贯的长文回答和更可靠的工具使用。

GPT-5.1-Codex-Max 是 OpenAI 最新的智能体编码模型，专为长时间运行、高上下文的软件开发任务而设计。它基于 5.1 推理栈的更新版本，并针对涵盖软件工程、数学和研究的智能体工作流进行了训练。 GPT-5.1-Codex-Max 在整个开发生命周期中提供更快的性能、更强的推理能力和更高的 token 效率。

GPT-5.1 是 GPT-5 系列中最新一代的前沿模型，相比 GPT-5，它提供了更强的通用推理能力、改进的指令遵循能力，以及更自然的对话风格。它采用自适应推理动态分配计算资源，对简单查询快速响应，同时在复杂任务上投入更多深度。该模型生成的解释更清晰、更有依据，减少了术语堆砌，即使在技术性或多步骤问题上也更容易理解。 GPT-5.1 专为广泛的任务覆盖而设计，在数学、编码和结构化分析工作负载上均取得一致的性能提升，长文回答更连贯，工具使用可靠性也得到改善。它还具备精细化的对话对齐能力，能够在保持精度的同时，提供更温暖、更直观的响应。GPT-5.1 是 GPT-5 的主要全能力继任者。

GPT-5.1-Codex 是 GPT-5.1 的专门版本，针对软件工程和编码工作流进行了优化。它专为交互式开发会话以及复杂工程任务的长时间独立执行而设计。该模型支持从零开始构建项目、功能开发、调试、大规模重构和代码审查。与 GPT-5.1 相比，Codex 更具可操控性，更严格遵循开发者的指令，并生成更简洁、更高质量的代码输出。可以通过 `reasoning.effort` 参数调整推理努力。阅读这里的文档。 Codex 可集成到开发者环境中，包括 CLI、IDE 扩展、GitHub 和云任务。它动态调整推理努力——为小任务提供快速响应，同时保持大型项目数小时的持续运行。该模型经过训练可执行结构化代码审查，通过推理依赖关系和对照测试验证行为来捕获关键缺陷。它还支持多模态输入，例如用于 UI 开发的图像或截图，并集成了用于搜索、依赖安装和环境设置的工具使用。Codex 专门用于智能体编码应用。

GPT-5.1-Codex-Mini 是 GPT-5.1-Codex 的一个更小、更快的版本。

text-embedding-ada-002 是 OpenAI 的旧版文本嵌入模型。

text-embedding-3-large 是OpenAI最强大的嵌入模型，适用于英语和非英语任务。嵌入（Embeddings）是文本的数值表示，可用于衡量两段文本之间的相关性。嵌入在搜索、聚类、推荐、异常检测和分类任务中非常有用。

text-embedding-3-small 是 OpenAI 对 ada 嵌入模型的改进版本，性能更强。嵌入是文本的数值表示，可用于衡量两段文本之间的相关性。嵌入对于搜索、聚类、推荐、异常检测和分类任务非常有用。

gpt-oss-safeguard-20b 是 OpenAI 基于 gpt-oss-20b 构建的安全推理模型。这款开放权重、210亿参数的混合专家（MoE）模型为内容分类、LLM 过滤和信任与安全标记等安全任务提供更低延迟。 在 OpenAI 的 gpt-oss-safeguard 用户指南 中了解更多关于此模型的信息。

GPT-5 Image Mini 将 OpenAI 先进的语言能力（由 GPT-5 Mini 提供支持）与 GPT Image 1 Mini 结合，实现高效的图像生成。这款原生多模态模型具有出色的指令遵循、文本渲染和精细图像编辑能力，同时降低了延迟和成本。它在高质量视觉创作方面表现出色，同时保持强大的文本理解能力，非常适合需要大规模高效图像生成和文本处理的应用。

GPT-5 Image 将 OpenAI 的 GPT-5 模型与最先进的图像生成能力相结合。它在推理、代码质量和用户体验方面带来了重大改进，同时融入了 GPT Image 1 卓越的指令遵循、文本渲染和精细图像编辑能力。

GPT-5 Pro 是 OpenAI 最先进的模型，在推理、代码质量和用户体验方面带来了重大改进。它针对需要逐步推理、指令遵循以及高风险用例中准确性的复杂任务进行了优化。它支持测试时路由功能和高级提示理解，包括用户指定的意图，如“仔细思考这个问题”。改进包括减少幻觉和谄媚，以及在编程、写作和健康相关任务上表现更好。

GPT-5是OpenAI最先进的模型，在推理、代码质量和用户体验方面带来了重大改进。它针对需要逐步推理、遵循指令以及在高风险场景中确保准确性的复杂任务进行了优化。它支持测试时路由功能和高级提示理解，包括用户指定的意图，如“对此进行深入思考”。改进包括减少幻觉和谄媚，以及在编码、写作和健康相关任务中的更优表现。

GPT-5 Mini 是 GPT-5 的紧凑版本，专为处理较轻量级的推理任务而设计。它提供了与 GPT-5 相同的指令遵循和安全调优优势，但延迟和成本更低。GPT-5 Mini 是 OpenAI 的 o4-mini 模型的继任者。

GPT-5-Nano 是 GPT-5 系统中最小且速度最快的变体，专为开发者工具、快速交互和超低延迟环境而优化。虽然与较大的模型相比，其推理深度有限，但它保留了关键的指令遵循和安全特性。它是 GPT-4.1-nano 的后继者，为成本敏感或实时应用提供了轻量级选择。

gpt-oss-120b 是 OpenAI 推出的一个开放权重、117B 参数的混合专家（MoE）语言模型，专为高推理、智能体（agentic）和通用型生产用例设计。它在每次前向传播中激活 5.1B 参数，并通过原生 MXFP4 量化优化为可在单个 H100 GPU 上运行。该模型支持可配置的推理深度、完整的思维链访问以及原生工具使用，包括函数调用、浏览和结构化输出生成。

gpt-oss-20b 是 OpenAI 以 Apache 2.0 许可证发布的开源权重模型，参数量为 210 亿。它采用专家混合（MoE）架构，每次前向传播仅激活 36 亿参数，针对低延迟推理和消费级或单 GPU 硬件的可部署性进行了优化。该模型使用 OpenAI 的 Harmony 响应格式进行训练，支持推理级别配置、微调，以及包括函数调用、工具使用和结构化输出在内的智能体能力。

o系列模型通过强化学习训练，在回答之前进行思考并执行复杂推理。o3-pro模型使用更多算力进行更深入的思考，从而提供持续更优的答案。 请注意，使用此模型需要BYOK。在此设置：https://openrouter.ai/settings/integrations

OpenAI o4-mini-high 与 o4-mini 是同一个模型，只是将 reasoning_effort 设置为 high。 OpenAI o4-mini 是 o 系列中的一款紧凑型推理模型，优化了快速、成本高效的性能，同时保留了强大的多模态和智能体能力。它支持工具使用，并在 AIME（使用 Python 时准确率达 99.5%）和 SWE-bench 等基准测试中展现出具有竞争力的推理和编码性能，超越了前代 o3-mini，甚至在某些领域接近 o3。 尽管体积更小，o4-mini 在 STEM 任务、视觉问题求解（如 MathVista、MMMU）和代码编辑方面仍表现出高精度。它特别适合对延迟或成本敏感的高吞吐量场景。得益于其高效的架构和精细的强化学习训练，o4-mini 能够串联工具、生成结构化输出，并以极短延迟（通常不到一分钟）解决多步骤任务。

o3 是一款全面且强大的跨领域模型。它为数学、科学、编码和视觉推理任务树立了新标准。它还擅长技术写作和指令遵循。使用它来思考涉及文本、代码和图像分析的多步骤问题。

OpenAI o4-mini 是 o 系列中的紧凑型推理模型，专为快速、高性价比的性能而优化，同时保留强大的多模态和智能体能力。它支持工具使用，并在 AIME（使用 Python 时达到 99.5%）和 SWE-bench 等基准测试中展现出具有竞争力的推理和编码性能，超越了前代 o3-mini，甚至在某些领域接近 o3。 尽管体积更小，o4-mini 在 STEM 任务、视觉问题解决（例如 MathVista、MMMU）和代码编辑方面表现出高准确性。它特别适合延迟或成本至关重要的高吞吐量场景。凭借其高效的架构和精细的强化学习训练，o4-mini 能够串联工具、生成结构化输出，并以极短延迟（通常在一分钟内）解决多步骤任务。

GPT-4.1 是一款旗舰级大语言模型，针对高级指令遵循、真实世界软件工程和长上下文推理进行了优化。它支持 100 万 token 的上下文窗口，并在编码（SWE-bench Verified 54.6%）、指令遵循（IFEval 87.4%）和多模态理解基准测试中均优于 GPT-4o 和 GPT-4.5。该模型针对精确代码差异、智能体可靠性和大型文档上下文中的高召回率进行了调优，非常适合智能体、IDE 工具和企业知识检索等应用场景。

GPT-4.1 Mini 是一款中等规模的模型，在显著降低延迟和成本的同时，提供了与 GPT-4o 竞争的性能。它保留了 100 万 token 的上下文窗口，在困难指令评估中得分 45.1%，在 MultiChallenge 上得分 35.8%，在 IFEval 上得分 84.1%。Mini 还展现出强大的编码能力（例如，在 Aider 的多语言 diff 基准测试中得分 31.6%）和视觉理解能力，使其适用于性能要求严格的交互式应用。

对于要求低延迟的任务，GPT‑4.1 nano 是 GPT-4.1 系列中速度最快、成本最低的模型。它凭借 100 万 token 的上下文窗口，以小尺寸实现了卓越性能，在 MMLU 上得分 80.1%，在 GPQA 上得分 50.3%，在 Aider 多语言编程上得分 9.8%——甚至高于 GPT‑4o mini。它非常适合分类或自动补全等任务。

o1系列模型通过强化学习训练，在回答之前进行思考并执行复杂的推理。o1-pro模型使用更多的计算资源进行更深入的思考，从而提供持续更优的答案。

OpenAI o3-mini-high 与 o3-mini 是同一个模型，只是将 reasoning_effort 设置为 high。 o3-mini 是一个高性价比的语言模型，针对 STEM 推理任务进行了优化，尤其在科学、数学和编程方面表现出色。该模型提供三种可调的推理努力级别，并支持关键的开发者功能，包括函数调用、结构化输出和流式传输，但不包含视觉处理能力。 与上一代模型相比，该模型表现出显著改进，专家测试人员有 56% 的时间更倾向于它的回答，并指出在复杂问题上的重大错误减少了 39%。在中等推理努力设置下，o3-mini 在 AIME 和 GPQA 等具有挑战性的推理评估中与更大的 o1 模型性能相当，同时保持更低的延迟和成本。

OpenAI o3-mini 是一款成本高效的语言模型，专为 STEM 推理任务优化，尤其在科学、数学和编程领域表现出色。 该模型支持 `reasoning_effort` 参数，可设置为 "high"、"medium" 或 "low"，以控制模型的思考时间。默认值为 "medium"。OpenRouter 还提供模型标识 `openai/o3-mini-high`，用于将该参数默认设置为 "high"。 该模型具备三个可调的推理努力级别，并支持关键开发者功能，包括函数调用、结构化输出和流式传输，但不包含视觉处理能力。 该模型相比前代产品有显著改进，专家测试者中有 56% 更偏好其回答，并且在复杂问题上的重大错误减少了 39%。在中等推理努力设置下，o3-mini 在 AIME 和 GPQA 等具有挑战性的推理评估中可媲美更大的 o1 模型，同时保持更低的延迟和成本。

OpenAI 最新、最强的模型系列，o1 旨在响应前花费更多时间思考。o1 模型系列通过大规模强化学习训练，利用思维链进行推理。 o1 模型针对数学、科学、编程及其他 STEM 相关任务进行了优化。在物理、化学和生物学的基准测试中，它们 consistently 展现出博士水平的准确性。了解更多信息，请参阅发布公告。

2024年11月20日版本的GPT-4o提升了创意写作能力，提供更自然、更吸引人、更贴合需求的写作，从而提高相关性和可读性。它还能更好地处理上传的文件，提供更深入的见解和更全面的回答。 GPT-4o（“o”代表“omni”）是OpenAI最新的AI模型，支持文本和图像输入，并生成文本输出。它在保持GPT-4 Turbo智能水平的同时，速度提升一倍，成本效益提高50%。GPT-4o在非英语语言处理方面也表现出色，并增强了视觉能力。

2024-08-06 版本的 GPT-4o 在结构化输出方面提供了改进的性能，能够在 response_format 中提供 JSON schema。更多信息请参阅此处。 GPT-4o（“o”代表“omni”）是 OpenAI 最新的 AI 模型，支持文本和图像输入，并输出文本。它保持了 GPT-4 Turbo 的智能水平，同时速度快一倍，成本效益提高 50%。GPT-4o 在处理非英语语言方面也提供了改进的性能，并增强了视觉能力。 在与其他模型进行基准测试时，它曾被短暂命名为 "im-also-a-good-gpt2-chatbot"。

GPT-4o mini 是 OpenAI 在 GPT-4 Omni 之后推出的最新模型，支持文本和图像输入，并生成文本输出。 作为他们最先进的小型模型，其价格比近期其他前沿模型便宜数倍，并且比 GPT-3.5 Turbo 便宜 60% 以上。它在保持 SOTA 智能水平的同时，更具成本效益。 GPT-4o mini 在 MMLU 上取得了 82% 的分数，目前在 常见排行榜 上的聊天偏好排名高于 GPT-4。 查看 发布公告 了解更多信息。 #multimodal

GPT-4o mini 是 OpenAI 继 GPT-4 Omni 之后推出的最新模型，支持文本和图像输入，并生成文本输出。 作为其最先进的小型模型，它的价格比其他近期前沿模型便宜数倍，并且比 GPT-3.5 Turbo 便宜超过 60%。它在保持 SOTA 智能水平的同时，更具成本效益。 GPT-4o mini 在 MMLU 上取得了 82% 的分数，目前在聊天偏好 常见排行榜 上排名高于 GPT-4。 查看 发布公告 了解更多信息。 #multimodal

GPT-4o（“o”代表“omni”）是OpenAI最新的AI模型，支持文本和图像输入，并生成文本输出。它保持了GPT-4 Turbo的智能水平，同时速度提升一倍，成本效益提升50%。GPT-4o在非英语语言处理方面也有改进，并增强了视觉能力。 为了与其他模型进行基准测试，它曾短暂被称为"im-also-a-good-gpt2-chatbot" #multimodal

GPT-4o（“o”代表“omni”）是OpenAI最新的AI模型，支持文本和图像输入，并输出文本。它保持了GPT-4 Turbo的智能水平，同时速度快一倍，成本效益提高50%。GPT-4o在处理非英语语言方面也提供了更好的性能，并增强了视觉能力。 为了与其他模型进行基准比较，它曾短暂被称为“im-also-a-good-gpt2-chatbot” #multimodal

最新的GPT-4 Turbo模型，具备视觉能力。视觉请求现在可以使用JSON模式和函数调用。训练数据：截至2023年12月。

GPT-3.5 Turbo 是 OpenAI 最快的模型。它能理解和生成自然语言或代码，并针对聊天和传统的补全任务进行了优化。 训练数据截至2021年9月。

预览版GPT-4模型，具有改进的指令跟随、JSON模式、可复现输出、并行函数调用等功能。训练数据：截至2023年12月。 **注意：** 预览期间受到OpenAI的严格速率限制。

这个模型是GPT-3.5 Turbo的一个变体，针对指令性提示进行了调整，并省略了与聊天相关的优化。训练数据：截至2021年9月。

这个模型提供四倍于gpt-3.5-turbo的上下文长度，使其能够在单次请求中支持大约20页文本，但成本更高。训练数据：截至2021年9月。

GPT-3.5 Turbo 是 OpenAI 最快的模型。它可以理解和生成自然语言或代码，并针对聊天和传统补全任务进行了优化。 训练数据截至2021年9月。

OpenAI的旗舰模型GPT-4是一个大规模多模态语言模型，由于拥有更广泛的一般知识和先进的推理能力，它比之前的模型能够更准确地解决难题。训练数据：截至2021年9月。