OpenAI Modelle

GPT-Realtime-2 ist unser leistungsfähigstes Echtzeit-Sprachmodell. Es unterstützt Sprache-zu-Sprache-Interaktionen mit konfigurierbarem Reasoning-Aufwand, verbesserter Befolgung von Anweisungen und zuverlässigerer Tool-Nutzung für komplexe Sprachagenten-Workflows.

Starten Sie mit GPT-5.6 Sol für komplexes Schlussfolgern und Programmieren, wählen Sie GPT-5.6 Terra, um Intelligenz und Kosten auszugleichen, oder verwenden Sie GPT-5.6 Luna für kostensensible, hochvolumige Workloads.

GPT Image 2 ist das Bildgenerierungsmodell von openai auf dem neuesten Stand der Technik für schnelle, hochwertige Bildgenerierung und -bearbeitung. Es unterstützt flexible Bildgrößen und Bildeingaben mit hoher Wiedergabetreue.

GPT-5.5 Pro vereint modernste Intelligenz, Präzision und Effizienz, um anspruchsvolle Herausforderungen zu bewältigen. Von Softwareentwicklung und Datenanalyse bis hin zu Forschung und Entscheidungsunterstützung liefert es Unterstützung auf Expertenniveau mit Geschwindigkeit und Konsistenz.

Model 5.5 ist ein KI-Modell der nächsten Generation, das für stärkeres Schlussfolgerungsvermögen, schnellere Antworten und höhere Genauigkeit bei einer breiten Palette von Aufgaben entwickelt wurde. Es zeichnet sich durch das Verständnis komplexer Anweisungen, die Erstellung hochwertiger Inhalte sowie die Unterstützung bei Programmierung, Analyse und Problemlösung aus.

GPT-5.4 Nano ist ein ultraleichtes KI-Modell, das für maximale Geschwindigkeit und Effizienz entwickelt wurde. Es ist für einfache Aufgaben, Interaktionen in Echtzeit und Bereitstellungen in großem Maßstab optimiert, bei denen geringe Latenz und minimaler Ressourcenverbrauch entscheidend sind.

GPT-5.4 Mini ist ein leichtgewichtiges und effizientes KI-Modell, das für Geschwindigkeit und alltägliche Produktivität optimiert ist. Es bietet zuverlässige Konversationsfunktionen, Inhaltserstellung und Unterstützung bei Aufgaben, bei gleichzeitig niedriger Latenz und geringem Ressourcenverbrauch.

GPT-5.4 Pro ist ein Hochleistungs-KI-Modell für professionelle und geschäftliche Anwendungen. Es bietet starke Fähigkeiten zum logischen Denken und Schlussfolgern, zuverlässige Genauigkeit und eine effiziente Ausführung bei Aufgaben wie Inhaltserstellung, Programmierung, Recherche und Datenanalyse.

GPT Image 2 ALL ist ein umfassendes Bildgenerierungsmodell, das für die Bewältigung eines breiten Spektrums kreativer und professioneller visueller Aufgaben entwickelt wurde. Es kombiniert hochwertige Bildgenerierung, fortgeschrittenes Prompt-Verständnis und vielseitige Stilunterstützung, um in vielfältigen Anwendungsfällen außergewöhnliche Ergebnisse zu liefern.

GPT-5.5 überzeugt beim Schreiben von Code, bei der Online-Recherche, bei der Datenanalyse und bei toolübergreifenden Operationen. Das Modell steigert nicht nur seine Autonomie bei der Bewältigung komplexer, mehrstufiger Aufgaben, sondern verbessert bei gleichbleibender Latenz im Vergleich zu seinem Vorgänger auch die Fähigkeiten zum logischen Schlussfolgern und die Ausführungseffizienz erheblich, was einen wichtigen Schritt in Richtung automatisierter Büroautomatisierung in der KI markiert.

Sora 2 Pro ist unser fortschrittlichstes und leistungsstärkstes Modell zur Mediengenerierung, das Videos mit synchronisiertem Audio generieren kann. Es kann aus natürlicher Sprache oder Bildern detaillierte, dynamische Videoclips generieren.

Äußerst leistungsstarkes Modell zur Videogenerierung, mit Soundeffekten, unterstützt das Chat-Format.

GPT-5.4 ist das Frontier-Modell für komplexe professionelle Aufgaben. Reasoning.effort unterstützt: none (default), low, medium, high und xhigh.

GPT-5.3 Instant-Modell, das in ChatGPT verwendet wird

Das beste Sprachmodell für Audioeingabe und -ausgabe mit Chat Completions.

Das beste Sprachmodell für Audioeingabe und -ausgabe.

GPT-5.3-Codex ist für agentische Programmieraufgaben in Codex oder ähnlichen Umgebungen optimiert. GPT-5.3-Codex unterstützt Einstellungen für den Reasoning-Aufwand in den Stufen low, medium, high und xhigh.

GPT-Image-1.5 ist OpenAIs Bildmodell in der GPT Image-Familie . Es ist ein nativ multimodales GPT-Modell, das dafür entwickelt wurde, aus Textprompts Bilder zu generieren und hochpräzise Bearbeitungen von Eingabebildern vorzunehmen, wobei es den Nutzeranweisungen genau folgt.

gpt-5.2-pro ist das leistungsfähigste, für den Produktionseinsatz ausgerichtete Mitglied der GPT-5.2-Familie von OpenAI und wird über die Responses API bereitgestellt für Workloads, die maximale Genauigkeit, mehrschrittiges Schlussfolgern, umfangreiche Tool-Nutzung und die größten Kontext-/Durchsatzbudgets erfordern, die OpenAI anbietet.

GPT-5.1 Chat ist ein an Anweisungen feinabgestimmtes konversationelles Sprachmodell für allgemeine Chat-, Reasoning- und Schreibaufgaben. Es unterstützt mehrstufige Dialoge, Zusammenfassungen, das Erstellen von Entwürfen, Fragebeantwortung auf Grundlage von Wissensbasen sowie leichtgewichtige Code-Unterstützung für In-App-Assistenten, Support-Automatisierung und Workflow-Copilots. Zu den technischen Highlights gehören chat-optimiertes Alignment, steuerbare und strukturierte Ausgaben sowie Integrationspfade für Toolaufrufe und Retrieval-Workflows, sofern verfügbar.

GPT-5.1 ist ein universell einsetzbares, instruktionsoptimiertes Sprachmodell mit Fokus auf Textgenerierung und logischem Schlussfolgern über Produkt-Workflows hinweg. Es unterstützt Dialoge über mehrere Runden, strukturierte Ausgabeformate sowie codeorientierte Aufgaben wie die Erstellung von Entwürfen, Refactoring und Erklärungen. Typische Anwendungsfälle umfassen Chat-Assistenten, retrieval-gestützte Fragebeantwortung, Datentransformation und agentenartige Automatisierung mit Tools oder APIs, sofern unterstützt. Zu den technischen Highlights zählen eine textzentrierte Modalität, das Befolgen von Anweisungen, Ausgaben im JSON-Stil und Kompatibilität mit Funktionsaufrufen in gängigen Orchestrierungs-Frameworks.

Kostenoptimierte Version von GPT Image 1. Es handelt sich um ein natives multimodales Sprachmodell, das sowohl Text- als auch Bildeingaben akzeptiert und Bildausgaben erzeugt.

GPT-5 ist OpenAIs bisher leistungsstärkstes Code-Modell. Es zeigt erhebliche Verbesserungen bei der Generierung komplexer Frontends und beim Debuggen großer Codebasen. Es kann Ideen mit intuitiven und ästhetisch ansprechenden Ergebnissen in die Realität umsetzen und damit schöne, responsive Websites, Anwendungen und Spiele erstellen – mit nur einem Prompt. Frühe Tester haben zudem seine Designentscheidungen hervorgehoben, mit einem tieferen Verständnis für Elemente wie Abstände, Typografie und Weißraum.

GPT-5 Nano ist ein von OpenAI bereitgestelltes KI-Modell.

GPT-5 mini ist das kosten- und latenzoptimierte Mitglied der GPT-5-Familie von OpenAI, das darauf ausgelegt ist, einen Großteil der multimodalen Stärken von GPT-5 sowie seiner Stärken bei der Befolgung von Anweisungen zu deutlich geringeren Kosten für den großskaligen Produktionseinsatz bereitzustellen. Es richtet sich an Umgebungen, in denen Durchsatz, vorhersehbare Kosten pro Token und schnelle Antworten die primären Rahmenbedingungen sind, während es gleichzeitig starke allgemeine Fähigkeiten bietet.

Bald verfügbar

gpt-4o-image generiert Bilder als Ausgabe, optional unter Verwendung von Bildern als Eingabe.

GPT-5.2 ist eine Modellsuite mit mehreren Varianten (Instant, Thinking, Pro), die für ein besseres Verständnis langer Kontexte, stärkere Fähigkeiten beim Programmieren und im Einsatz von Tools sowie eine wesentlich höhere Leistung bei professionellen Benchmarks für Wissensarbeit entwickelt wurde.

OpenAI o3‑pro ist eine “pro”-Variante des o3‑Reasoning‑Modells, die darauf ausgelegt ist, länger nachzudenken und die zuverlässigsten Antworten zu liefern, indem sie privates Chain‑of‑Thought‑Reinforcement‑Learning einsetzt und neue State‑of‑the‑Art‑Benchmarks in Bereichen wie Wissenschaft, Programmierung und Wirtschaft setzt—während sie autonom Tools wie Websuche, Dateianalyse, Python‑Ausführung und visuelles Schlussfolgern über die API integriert.

OpenAI Text-zu-Sprache

Sprach-zu-Text, Erstellung von Übersetzungen

GPT-4o mini TTS ist ein neuronales Text-to-Speech-Modell, das für natürliche Sprachgenerierung mit geringer Latenz in benutzerorientierten Anwendungen entwickelt wurde. Es wandelt Text in natürlich klingende Sprache um, mit auswählbaren Stimmen, Ausgabe in mehreren Formaten und Streaming-Synthese für reaktionsschnelle Nutzererlebnisse. Typische Einsatzszenarien sind Sprachassistenten, IVR- und Contact-Flows, Vorlesen von Produktinhalten und Medienvertonung. Zu den technischen Highlights zählen API-basiertes Streaming und der Export in gängige Audioformate wie MP3 und WAV.

GPT-4o Transcribe ist ein Audio-zu-Text-Modell für mehrsprachige, latenzarme Spracherkennung. Es unterstützt Echtzeit-Streaming und Stapeltranskription aus gängigen Audioformaten, mit Zeichensetzung und Satzsegmentierung. Typische Anwendungsfälle sind Live-Untertitel, Eingaben für Sprachassistenten, Besprechungsnotizen sowie die Transkription von Medien- oder Anrufaufzeichnungen. Zu den technischen Highlights zählen die Unterstützung der Audio-Modalität, die Verarbeitung langer Aufnahmen und APIs, die für interaktive und serverseitige Workflows geeignet sind.

GPT-4o mini Search Preview ist ein kompaktes multimodales Modell aus der GPT-4o-Familie, das auf suchorientierte Interaktionen und Retrieval-Workflows ausgerichtet ist. Es interpretiert und reformuliert Abfragen, erzeugt prägnante Antworten und kann Antworten über externe Suche fundieren, wenn es über Tool-/Funktionsaufrufe integriert wird. Typische Anwendungsfälle umfassen produktsinterne Suchassistenten, Wissensdatenbank-QA, E-Commerce-Discovery sowie Abfrageverständnis für Ranking und Routing. Zu den technischen Highlights zählen Text- und Bildeingaben, das Befolgen von Anweisungen, strukturierte Ausgabeformate und die Integration der Tool-Nutzung für RAG-Pipelines.

GPT-4o mini Audio Preview ist ein kompaktes, multimodales Modell zur Entwicklung dialogfähiger Audioanwendungen. Es unterstützt neben Text auch Sprachein- und -ausgabe und ermöglicht damit Spracherkennung, Sprachsynthese sowie gemischte Text-Audio-Dialoge mit Tool-/Funktionsaufrufen für strukturierte Aktionen. Typische Anwendungsfälle umfassen Sprachassistenten, Streaming-Transkription mit Zusammenfassung, IVR- und Callbot-Workflows sowie Audio-fähige In-App-Helfer. Zu den technischen Highlights zählen Audio-I/O, Streaming-Antworten, das Befolgen von Anweisungen sowie die Integration über Chat- und Tools-APIs.

GPT-4o mini Realtime Preview ist ein multimodales Echtzeitmodell für interaktive Sprach- und visuelle Erlebnisse. Es verarbeitet Sprache, Text und Bilder mit Streaming-Ein- und -Ausgabe sowie Tool-/Funktionsaufrufen für kontextgebundene Aktionen. Zu den typischen Einsatzbereichen gehören Sprachassistenten, die Live-Bearbeitung von Anrufen, Echtzeit-Untertitelung und visuelle Fragebeantwortung anhand von Kamera- oder Bildschirminhalten. Zu den technischen Highlights zählen bidirektionales Audio, das Verstehen visueller Inhalte, Streaming-Antworten und strukturierte Ausgaben über Funktionen.

GPT-4o mini Audio ist ein multimodales Modell für Sprach- und Textinteraktionen. Es führt Spracherkennung, Übersetzung und Text-zu-Sprache durch, befolgt Anweisungen und kann Tools für strukturierte Aktionen aufrufen, wobei Antworten gestreamt werden. Typische Anwendungsfälle umfassen Echtzeit-Sprachassistenten, Live-Untertitelung und -Übersetzung, Anrufzusammenfassungen und sprachgesteuerte Anwendungen. Zu den technischen Highlights gehören Audioeingabe und -ausgabe, Streaming-Antworten, Funktionsaufrufe und strukturierte JSON-Ausgabe.

An Ada-based text embedding model optimized for various NLP tasks.

A small text embedding model for efficient processing.

A large text embedding model for a wide range of natural language processing tasks.

Ein fortschrittliches KI-Modell zur Generierung von Bildern aus Textbeschreibungen.

New version of DALL-E for image generation.

O4-mini ist ein von OpenAI bereitgestelltes KI-Modell.

O3-mini ist ein von OpenAI bereitgestelltes KI-Modell.

O3 ist ein von OpenAI bereitgestelltes KI-Modell.

O1-pro is an artificial intelligence model provided by OpenAI.

O1 is an artificial intelligence model provided by OpenAI.

gpt-oss-20b ist ein von cloudflare-workers-ai bereitgestelltes KI-Modell.

gpt-oss-120b ist ein von cloudflare-workers-ai bereitgestelltes KI-Modell.

GPT-4o mini ist ein von OpenAI bereitgestelltes KI-Modell.

GPT-4o ist das fortschrittlichste multimodale Modell von OpenAI, schneller und günstiger als GPT-4 Turbo, mit stärkeren visuellen Fähigkeiten. Dieses Modell verfügt über einen 128K-Kontext und einen Wissensstand bis Oktober 2023. Modelle der 1106-Serie und darüber hinaus unterstützen tool_calls und function_call. Dieses Modell unterstützt eine maximale Kontextlänge von 128,000 Token.

GPT-4.1 nano ist ein von OpenAI bereitgestelltes KI-Modell. gpt-4.1-nano: Verfügt über ein größeres Kontextfenster—unterstützt bis zu 1 Million Kontext-Token und kann diesen Kontext dank eines verbesserten Verständnisses langer Kontexte besser nutzen. Verfügt über einen aktualisierten Wissensstand bis Juni 2024. Dieses Modell unterstützt eine maximale Kontextlänge von 1,047,576 Token.

GPT-4.1 mini ist ein von OpenAI bereitgestelltes KI-Modell. gpt-4.1-mini: Ein bedeutender Sprung in der Leistung kleiner Modelle, der in vielen Benchmarks sogar GPT-4o übertrifft. Es erreicht oder übertrifft GPT-4o bei der Intelligenzbewertung, während es die Latenz nahezu halbiert und die Kosten um 83 % senkt. Dieses Modell unterstützt eine maximale Kontextlänge von 1,047,576 Token.

GPT-4.1 ist ein von OpenAI bereitgestelltes KI-Modell. gpt-4.1-nano: Verfügt über ein größeres Kontextfenster—unterstützt bis zu 1 Million Kontext-Token und kann diesen Kontext dank eines verbesserten Verständnisses langer Kontexte besser nutzen. Hat einen aktualisierten Wissensstand bis Juni 2024. Dieses Modell unterstützt eine maximale Kontextlänge von 1,047,576 Token.

coming soon