GPT-4o 使用指南

GPT-4o 是 OpenAI 最新的旗舰多模态模型，支持文本、图像、音频输入和输出。本文详细介绍 GPT-4o 的核心能力、API 调用方法和最佳应用场景。

GPT-4o 核心特性

• 多模态输入：支持文本、图像、音频混合输入
• 速度更快：响应速度比 GPT-4 Turbo 快 2 倍
• 更低成本：价格比 GPT-4 Turbo 降低 50%
• 128K 上下文：支持约 10 万字的长文本处理
• 支持结构化输出：可以直接返回 JSON Schema 格式

基本文本对话

from openai import OpenAI

client = OpenAI(
    api_key="your-api-key",
    base_url="https://claude4u.com/v1"
)

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": "你是一个专业的技术顾问"},
        {"role": "user", "content": "对比 React 和 Vue 的优缺点"}
    ],
    temperature=0.7,
    max_tokens=2048
)

print(response.choices[0].message.content)

图像理解

GPT-4o 可以接收图片并进行分析：

# URL 方式传图
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "这张图片中有什么？"},
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://example.com/photo.jpg",
                        "detail": "high"  # 高清模式，更精确
                    }
                }
            ]
        }
    ]
)

# base64 方式传图
import base64

with open("screenshot.png", "rb") as f:
    b64 = base64.b64encode(f.read()).decode()

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "分析这个 UI 界面的设计"},
                {
                    "type": "image_url",
                    "image_url": {
                        "url": f"data:image/png;base64,{b64}"
                    }
                }
            ]
        }
    ]
)

结构化输出（JSON Mode）

GPT-4o 支持强制 JSON 格式输出：

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": "提取用户信息，以 JSON 格式输出"},
        {"role": "user", "content": "我叫张三，今年28岁，在北京做软件工程师"}
    ],
    response_format={"type": "json_object"}
)

import json
data = json.loads(response.choices[0].message.content)
print(data)
# {"name": "张三", "age": 28, "city": "北京", "job": "软件工程师"}

Node.js 示例

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: 'your-api-key',
  baseURL: 'https://claude4u.com/v1'
});

// 多模态对话
const response = await client.chat.completions.create({
  model: 'gpt-4o',
  messages: [
    {
      role: 'user',
      content: [
        { type: 'text', text: '这段代码有什么问题？' },
        {
          type: 'image_url',
          image_url: { url: 'https://example.com/code-screenshot.png' }
        }
      ]
    }
  ]
});

console.log(response.choices[0].message.content);

GPT-4o 最佳应用场景

1. 智能客服：理解用户发送的截图、文档，提供精准解答
2. 内容创作：高质量的文章、文案、代码生成
3. 数据分析：分析图表截图，提取数据趋势
4. 教育辅助：拍照解题、论文辅导
5. 代码开发：代码生成、审查、Bug 分析

GPT-4o vs GPT-4 Turbo

• 速度：GPT-4o 快约 2 倍
• 价格：GPT-4o 便宜约 50%
• 多模态：GPT-4o 原生支持音频；GPT-4 Turbo 仅支持文本和图像
• 能力：综合能力相当，GPT-4o 在多模态任务上表现更优