GPT
OpenAI 推出的大语言模型家族，自 2022 年 ChatGPT 后引爆 LLM 浪潮。当前主力是 GPT-5 系列（含 o-series 推理增强）和 GPT-4o 多模态系列。在多模态全栈（文本 / 图像 / 音频 / 视频）+ 内置工具（web search / code interpreter / image generation）+ 结构化输出方面接口能力最全面。
与 Claude / Gemini 对比的核心差异
- GPT 强在多模态全栈（图、音、视频、TTS、Realtime API 实时语音对话）
- GPT 强在内置工具（web_search / code_interpreter / image_generation 内置在 API 里，无需自己接 MCP）
- GPT 强在结构化输出（
response_format: { type: "json_schema" }一类公民） - Claude 强在编码 / Agent / MCP
- Gemini 强在超长上下文（1-2M）和大规模 implicit cache
评价
优点
- 多模态最全：文本 + 视觉（图）+ 音频（输入 / 输出）+ 视频帧 + Realtime API（实时双向语音）
- 内置工具一类公民：
web_search/code_interpreter/image_generation直接在 API 调用——无需自己接外部 MCP - 结构化输出 (Structured Outputs)：传入 JSON Schema，强保证输出严格匹配——业界最早一类支持
- o-series 推理模型：内置 chain-of-thought thinking，复杂数学 / 物理 / 推理基准业界顶尖
- 生态最广：第三方集成 / 教程 / 工具最多
- Realtime API：低延迟双向语音对话（< 500ms 首响应），构建语音 Agent 首选
- 大陆访问相对友好：OpenAI 官方未提供大陆服务，但 Azure OpenAI 香港 region 等替代多
缺点
- 编码任务弱于 Claude 4.7（SWE-bench 等基准 Claude 略胜）
- API 设计两套：旧
chat.completions+ 新responses（Agent SDK 用）—— 接口分裂 - 价格策略复杂：模型多 + flex tier + cache + batches 矩阵难记
- Constitutional 不足，拒绝率偏高（边界场景过度谨慎）
- 默认 model 选择困难（GPT-5 vs o1 vs o3 vs GPT-4o vs GPT-4o-mini ...）
文档地址
platform.openai.com/docs / API Reference
主力模型列表（2026）
| 模型 | 上下文 | 输出 | 用途 |
|---|---|---|---|
gpt-5 | 256K | 32K | 旗舰复杂任务 |
gpt-5-mini | 256K | 32K | 日常生产 |
gpt-5-nano | 128K | 16K | 简单 / 高并发 |
o3 | 200K | 100K | 深度推理（数学 / 物理 / 复杂逻辑） |
o4-mini | 200K | 64K | 推理 + 低成本 |
gpt-4o | 128K | 16K | 多模态（图 + 音 + 视频） |
gpt-4o-mini | 128K | 16K | 多模态低成本 |
gpt-4o-realtime-preview | 128K | - | Realtime API（语音） |
旧版仍提供：gpt-4-turbo / gpt-3.5-turbo，多数场景已建议迁移到 GPT-5 系列。
访问方式
| 方式 | 适合 |
|---|---|
| OpenAI API | 开发者 / 应用集成 |
| ChatGPT 网页 | 聊天 / 写作 / 图像 / Code Interpreter |
| ChatGPT Plus / Pro / Team / Enterprise | 订阅高级模型 / DeepResearch |
| Azure OpenAI | 企业 / 香港 / 新加坡 region 部署 |
| OpenRouter / 代理服务 | 大陆用户 |