GPT 系列（GPT-4o / GPT-5）

OpenAI 的大语言模型系列，GPT-4o 起能直接处理图像和语音，常被机器人拿来做高层规划。

GPT 是「生成式预训练 Transformer」的缩写，这里指 OpenAI 自 2018 年起发布的大语言模型系列：先在海量文本上做下一个 token 预测的预训练，再做微调和对齐。GPT-1（2018 年，1.17 亿参数）、GPT-2（2019 年，15 亿）、GPT-3（2020 年，1750 亿）一路验证了规模越大能力越强；GPT-4（2023 年 3 月）开始接受图像输入；GPT-4o（2024 年 5 月，o 取 omni「全能」之意）能处理和生成文字、图像、音频；GPT-5 于 2025 年 8 月 7 日发布，之后有 5.1、5.2 等迭代；GPT-6 于 2026 年 9 月发布，9 月 4 日先向付费用户开放 Astra 版，9 月 22 日又推出 Sol 和 Luna 两个版本。它们都是闭源模型，只能通过 ChatGPT 或 API 调用。具身智能里常把它当外挂的「大脑」：看图理解场景、把指令拆成步骤、写控制代码或挑选动作原语，再交给底层控制器执行，它本身不直接输出关节动作。

例子ReKep 先用 DINOv2 在图上标出带编号的候选关键点，再把标注图和语言指令交给 GPT-4o，让它写出若干 Python 约束函数，描述各阶段关键点之间应满足的关系，最后由优化器求出机械臂末端的运动轨迹。

也叫

生成式预训练 Transformer、GPT-4o、GPT-5

相关

大语言模型、多模态大语言模型、OpenAI、Transformer、下一个 token 预测、ReKep

来源

Products and applications of OpenAI - Text generation（GPT-n 系列发布表，Wikipedia）
GPT-4o - Wikipedia
GPT-6 - Wikipedia

信息截至

2026-09