Modele OpenAI

GPT-Realtime-2 to nasz najbardziej zaawansowany model głosowy czasu rzeczywistego. Obsługuje interakcje mowa–mowa z konfigurowalnym poziomem rozumowania, dokładniejszym wykonywaniem poleceń oraz bardziej niezawodnym wykorzystaniem narzędzi w złożonych przepływach pracy agentów głosowych.

Zacznij od GPT-5.6 Sol do złożonego rozumowania i programowania, wybierz GPT-5.6 Terra, aby zrównoważyć możliwości i koszty, lub użyj GPT-5.6 Luna do zadań wrażliwych na koszty na dużą skalę.

GPT Image 2 to najnowocześniejszy model generowania obrazów openai, przeznaczony do szybkiego, wysokiej jakości generowania i edycji obrazów. Obsługuje elastyczne rozmiary obrazów oraz wejścia obrazowe o wysokiej wierności.

GPT-5.5 Pro łączy najnowocześniejszą inteligencję, precyzję i efektywność, aby sprostać złożonym wyzwaniom. Od tworzenia oprogramowania i analizy danych po badania i wsparcie decyzyjne, zapewnia ekspercką pomoc szybko i konsekwentnie.

Model 5.5 to model AI następnej generacji, zaprojektowany z myślą o bardziej zaawansowanym rozumowaniu, szybszych odpowiedziach i większej dokładności w szerokim zakresie zadań. Doskonale radzi sobie ze zrozumieniem złożonych instrukcji, generowaniem treści wysokiej jakości oraz pomocą w programowaniu, analizie i rozwiązywaniu problemów.

GPT-5.4 Nano to ultralekki model sztucznej inteligencji zaprojektowany z myślą o maksymalnej szybkości i efektywności. Jest zoptymalizowany pod kątem prostych zadań, interakcji w czasie rzeczywistym oraz wdrożeń na dużą skalę, w których kluczowe są niskie opóźnienia i minimalne zużycie zasobów.

GPT-5.4 Mini to lekki i wydajny model sztucznej inteligencji, zoptymalizowany pod kątem szybkości i codziennej produktywności. Zapewnia niezawodne możliwości konwersacyjne, generowanie treści oraz pomoc w wykonywaniu zadań, przy jednoczesnym utrzymaniu niskich opóźnień i niskiego zużycia zasobów.

GPT-5.4 Pro to wysokowydajny model sztucznej inteligencji zaprojektowany do zastosowań profesjonalnych i biznesowych. Oferuje mocne zdolności wnioskowania, niezawodną precyzję oraz wydajną realizację w szerokim zakresie zadań, takich jak tworzenie treści, programowanie, badania i analiza danych.

GPT Image 2 ALL to wszechstronny model generowania obrazów, zaprojektowany do obsługi szerokiego zakresu kreatywnych i profesjonalnych zadań wizualnych. Łączy tworzenie obrazów wysokiej jakości, zaawansowane rozumienie poleceń oraz szerokie wsparcie dla różnych stylów, aby dostarczać wyjątkowe rezultaty w różnorodnych zastosowaniach.

GPT-5.5 wyróżnia się w pisaniu kodu, badaniach online, analizie danych oraz operacjach między narzędziami. Model nie tylko zwiększa swoją autonomię w obsłudze złożonych, wieloetapowych zadań, ale także znacząco poprawia zdolności wnioskowania i wydajność realizacji, zachowując przy tym taki sam poziom opóźnienia jak jego poprzednik, co stanowi ważny krok w kierunku zautomatyzowanej automatyzacji prac biurowych w AI.

Sora 2 Pro to nasz najbardziej zaawansowany i najpotężniejszy model generowania multimediów, zdolny do generowania wideo z zsynchronizowanym dźwiękiem. Może tworzyć szczegółowe, dynamiczne klipy wideo na podstawie języka naturalnego lub obrazów.

Niezwykle potężny model generowania wideo, z efektami dźwiękowymi, obsługuje format czatu.

GPT-5.4 to wiodący model do złożonych zadań profesjonalnych. Reasoning.effort obsługuje: none (default), low, medium, high i xhigh.

Model GPT-5.3 Instant używany w ChatGPT

Najlepszy model głosowy do wejścia i wyjścia audio w ramach Chat Completions.

Najlepszy model głosowy do wejścia i wyjścia audio.

GPT-5.3-Codex jest zoptymalizowany pod kątem zadań programistycznych realizowanych przez agentów w Codex lub podobnych środowiskach. GPT-5.3-Codex obsługuje ustawienia poziomu wysiłku rozumowania: niski, średni, wysoki i bardzo wysoki.

GPT-Image-1.5 to model obrazów OpenAI z rodziny GPT Image. To natywnie multimodalny model GPT, zaprojektowany do generowania obrazów na podstawie poleceń tekstowych oraz wykonywania edycji obrazów wejściowych o wysokiej wierności, ściśle zgodnie z instrukcjami użytkownika.

gpt-5.2-pro to członek rodziny GPT-5.2 OpenAI o najwyższych możliwościach, przeznaczony do zastosowań produkcyjnych, udostępniany za pośrednictwem Responses API dla zadań wymagających maksymalnej dokładności, wielokrokowego rozumowania, rozbudowanego wykorzystania narzędzi oraz największych limitów kontekstu i przepustowości, jakie oferuje OpenAI.

GPT-5.1 Chat to dostrojony za pomocą instrukcji konwersacyjny model językowy do ogólnych zastosowań: czatu, rozumowania i pisania. Obsługuje wieloturowe dialogi, podsumowywanie, tworzenie szkiców, odpowiadanie na pytania w oparciu o bazę wiedzy oraz lekkie wsparcie kodowania na potrzeby asystentów w aplikacjach, automatyzacji wsparcia i współpilotów przepływów pracy. Do najważniejszych aspektów technicznych należą dopasowanie zoptymalizowane pod kątem czatu, sterowalne i ustrukturyzowane odpowiedzi oraz ścieżki integracji do wywoływania narzędzi i przepływów pozyskiwania informacji, gdy są dostępne.

GPT-5.1 to uniwersalny model językowy dostrojony do wykonywania instrukcji, skoncentrowany na generowaniu tekstu i wnioskowaniu w procesach produktowych. Obsługuje wieloturowe dialogi, ustrukturyzowane formatowanie wyników oraz zadania ukierunkowane na kod, takie jak tworzenie, refaktoryzacja i wyjaśnianie. Typowe zastosowania obejmują asystentów czatu, QA wspierane wyszukiwaniem, transformację danych oraz automatyzację w stylu agenta z użyciem narzędzi lub interfejsów API, gdy jest to obsługiwane. Najważniejsze cechy techniczne obejmują modalność zorientowaną na tekst, podążanie za instrukcjami, wyniki w stylu JSON oraz zgodność z wywoływaniem funkcji w popularnych frameworkach orkiestracji.

Kosztowo zoptymalizowana wersja GPT Image 1. To natywny multimodalny model językowy, który przyjmuje zarówno tekst, jak i obrazy jako dane wejściowe oraz generuje wynik w postaci obrazów.

GPT-5 to najpotężniejszy jak dotąd model programistyczny OpenAI. Wykazuje znaczące usprawnienia w generowaniu złożonego front-endu oraz debugowaniu rozległych baz kodu. Potrafi przekuwać pomysły w rzeczywistość, dostarczając intuicyjne i estetycznie dopracowane rezultaty, tworząc piękne i responsywne strony internetowe, aplikacje i gry z wyczuciem estetyki — wszystko na podstawie jednego polecenia. Wcześni testerzy zwrócili też uwagę na jego decyzje projektowe oraz głębsze zrozumienie elementów takich jak odstępy, typografia i biała przestrzeń.

GPT-5 Nano to model sztucznej inteligencji dostarczany przez OpenAI.

GPT-5 mini to zoptymalizowany pod kątem kosztów i opóźnień członek rodziny GPT-5 firmy OpenAI, przeznaczony do dostarczania znacznej części mocnych stron GPT-5 w zakresie multimodalności i wykonywania instrukcji przy znacznie niższym koszcie dla zastosowań produkcyjnych na dużą skalę. Jest skierowany do środowisk, w których przepustowość, przewidywalne ceny za token i szybkie odpowiedzi są głównymi ograniczeniami, wciąż zapewniając silne możliwości ogólnego przeznaczenia.

już wkrótce

gpt-4o-image generuje obrazy jako wyjście, opcjonalnie używając obrazów jako wejścia

GPT-5.2 to wielowariantowy zestaw modeli (Instant, Thinking, Pro) zaprojektowany pod kątem lepszego rozumienia długich kontekstów, bardziej zaawansowanego programowania i korzystania z narzędzi oraz wyraźnie wyższej wydajności w profesjonalnych benchmarkach „knowledge-work”.

OpenAI o3‑pro to wariant „pro” modelu rozumowania o3, zaprojektowany do dłuższego wnioskowania i dostarczania najbardziej niezawodnych odpowiedzi poprzez zastosowanie prywatnego uczenia ze wzmocnieniem opartego na łańcuchu rozumowania oraz ustanawianie nowych, najlepszych w swojej klasie benchmarków w takich dziedzinach jak nauka, programowanie i biznes — jednocześnie autonomicznie integrując w ramach API narzędzia takie jak wyszukiwanie w sieci, analiza plików, wykonywanie kodu w Pythonie i rozumowanie wizualne.

Synteza mowy OpenAI

Zamiana mowy na tekst, tworzenie tłumaczeń

GPT-4o mini TTS to neuronowy model syntezy mowy zaprojektowany do naturalnego, niskoopóźnionego generowania głosu w aplikacjach skierowanych do użytkownika końcowego. Przekształca tekst w naturalnie brzmiącą mowę, oferując wybór głosów, wieloformatowe wyjście oraz strumieniową syntezę zapewniającą płynne, responsywne doświadczenia. Typowe zastosowania obejmują asystentów głosowych, IVR i przepływy kontaktowe, funkcje czytania na głos w produktach oraz narrację do mediów. Najważniejsze cechy techniczne obejmują strumieniowanie oparte na API i eksport do popularnych formatów audio, takich jak MP3 i WAV.

GPT-4o Transcribe to model konwersji audio na tekst do wielojęzycznego rozpoznawania mowy o niskich opóźnieniach. Obsługuje strumieniowanie w czasie rzeczywistym i transkrypcję wsadową z popularnych formatów audio, z dodawaniem interpunkcji i segmentacją zdań. Typowe zastosowania obejmują napisy na żywo, wejście dla asystentów głosowych, notatki ze spotkań oraz transkrypcję nagrań medialnych lub połączeń. Najważniejsze cechy techniczne obejmują obsługę danych audio, przetwarzanie długich nagrań oraz interfejsy API dostosowane do interaktywnych i serwerowych przepływów pracy.

GPT-4o mini Search Preview to kompaktowy model multimodalny z rodziny GPT-4o, ukierunkowany na interakcje zorientowane na wyszukiwanie i przepływy pracy związane z pozyskiwaniem informacji. Interpretuje i przeformułowuje zapytania, syntetyzuje zwięzłe odpowiedzi oraz może opierać odpowiedzi na zewnętrznym wyszukiwaniu, gdy jest zintegrowany poprzez wywołania narzędzi/funkcji. Typowe zastosowania obejmują asystentów wyszukiwania w produktach, QA na bazach wiedzy, odkrywanie w e-commerce oraz rozumienie zapytań na potrzeby rankingu i trasowania. Najważniejsze cechy techniczne obejmują wejścia tekstowe i obrazowe, podążanie za instrukcjami, ustrukturyzowane formaty wyjściowe oraz integrację narzędzi w potokach RAG.

GPT-4o mini Audio Preview to kompaktowy model multimodalny do tworzenia konwersacyjnych aplikacji audio. Obsługuje wejście i wyjście mowy wraz z tekstem, umożliwiając rozpoznawanie mowy, syntezę mowy oraz mieszane dialogi tekst-audio z wywoływaniem narzędzi/funkcji dla ustrukturyzowanych działań. Typowe zastosowania obejmują asystentów głosowych, strumieniową transkrypcję z podsumowaniem, scenariusze IVR i call-botów oraz asystentów w aplikacjach z obsługą audio. Najważniejsze cechy techniczne obejmują wejście/wyjście audio, odpowiedzi strumieniowe, podążanie za instrukcjami oraz integrację poprzez interfejsy API czatu i narzędzi.

GPT-4o mini Realtime Preview to wielomodalny model czasu rzeczywistego przeznaczony do interaktywnych doświadczeń głosowych i wizualnych. Obsługuje mowę, tekst i obrazy z wejściem i wyjściem strumieniowym, a także wywoływanie narzędzi/funkcji do wykonywania ugruntowanych działań. Typowe zastosowania obejmują asystentów głosowych, obsługę połączeń na żywo, tworzenie napisów w czasie rzeczywistym oraz wizualne odpowiadanie na pytania dotyczące treści z kamery lub ekranu. Kluczowe cechy techniczne obejmują dwukierunkowe audio, rozumienie obrazu, odpowiedzi strumieniowe oraz strukturyzowane wyniki za pośrednictwem funkcji.

GPT-4o mini Audio to multimodalny model do interakcji głosowych i tekstowych. Wykonuje rozpoznawanie mowy, tłumaczenie i syntezę mowy, stosuje się do instrukcji oraz może wywoływać narzędzia do realizacji ustrukturyzowanych działań z odpowiedziami strumieniowymi. Typowe zastosowania obejmują asystentów głosowych w czasie rzeczywistym, napisy i tłumaczenia na żywo, podsumowywanie połączeń oraz aplikacje sterowane głosem. Najważniejsze cechy techniczne obejmują wejście i wyjście audio, odpowiedzi strumieniowe, wywoływanie funkcji oraz ustrukturyzowane wyjście JSON.

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.

Zaawansowany model sztucznej inteligencji do generowania obrazów na podstawie opisów tekstowych.

New version of DALL-E for image generation.

O4-mini to model sztucznej inteligencji udostępniany przez OpenAI.

O3-mini jest modelem sztucznej inteligencji udostępnianym przez OpenAI.

O3 to model sztucznej inteligencji dostarczany przez OpenAI.

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

O1 is an artificial intelligence model provided by OpenAI.

gpt-oss-20b jest modelem sztucznej inteligencji udostępnianym przez cloudflare-workers-ai.

gpt-oss-120b to model sztucznej inteligencji dostarczany przez cloudflare-workers-ai.

GPT-4o mini to model sztucznej inteligencji dostarczany przez OpenAI.

GPT-4o to najbardziej zaawansowany multimodalny model OpenAI, szybszy i tańszy niż GPT-4 Turbo, o silniejszych możliwościach przetwarzania obrazu. Ten model ma kontekst 128K i datę odcięcia wiedzy w październiku 2023 r. Modele z serii 1106 i nowsze obsługują tool_calls oraz function_call. Ten model obsługuje maksymalną długość kontekstu wynoszącą 128,000 tokenów.

GPT-4.1 nano to model sztucznej inteligencji udostępniany przez OpenAI. gpt-4.1-nano: Zapewnia większe okno kontekstu—obsługujące do 1 miliona tokenów kontekstu oraz lepsze wykorzystanie tego kontekstu dzięki ulepszonemu rozumieniu długiego kontekstu. Ma zaktualizowaną datę odcięcia wiedzy na czerwiec 2024. Ten model obsługuje maksymalną długość kontekstu wynoszącą 1,047,576 tokenów.

GPT-4.1 mini to model sztucznej inteligencji oferowany przez OpenAI. gpt-4.1-mini: Znaczący skok w wydajności małych modeli, nawet przewyższający GPT-4o w wielu benchmarkach. Dorównuje lub przewyższa GPT-4o w ocenach inteligencji, jednocześnie zmniejszając opóźnienie niemal o połowę i koszty o 83%. Ten model obsługuje maksymalną długość kontekstu 1,047,576 tokenów.

GPT-4.1 to model sztucznej inteligencji dostarczany przez OpenAI. gpt-4.1-nano: Charakteryzuje się większym oknem kontekstu — obsługuje do 1 miliona tokenów kontekstowych i potrafi lepiej wykorzystywać ten kontekst dzięki ulepszonemu rozumieniu długiego kontekstu. Ma zaktualizowaną datę odcięcia wiedzy: czerwiec 2024. Ten model obsługuje maksymalną długość kontekstu wynoszącą 1,047,576 tokenów.

coming soon