← Alle Modelle

gpt-realtime

Veröffentlicht Herausgeber OpenAIgpt-realtime

Einordnung des Modells

gpt-realtime ist ein multimodales Modell von OpenAI für Echtzeit-Sprachinteraktionen und zugleich dessen erstes offiziell veröffentlichtes Realtime-Modell. Es verarbeitet und generiert Audio direkt und soll Entwicklern helfen, Sprachagenten mit geringer Latenz zu erstellen, ohne Modelle für Spracherkennung und Sprachsynthese hintereinanderschalten zu müssen. Am 28. August 2025 veröffentlichte OpenAI das Modell und die offizielle Version der Realtime API; der zugehörige feste Snapshot ist gpt-realtime-2025-08-28. (openai.com)

Fähigkeiten und Einsatzbereiche

  • Unterstützt Text- und Audioeingaben und -ausgaben sowie Bildeingaben; Echtzeitinteraktionen sind über WebRTC-, WebSocket- oder SIP-Verbindungen möglich. (developers.openai.com)
  • Unterstützt Funktionsaufrufe und kann zusammen mit Funktionen wie der Unterstützung entfernter MCP-Server und der SIP-Telefonieanbindung der Realtime API zur Entwicklung von Anwendungen verwendet werden. Zu den offiziell genannten Einsatzbereichen gehören Kundensupport, persönliche Assistenz und Bildung. (openai.com)
  • Laut offizieller Beschreibung wurden das Befolgen komplexer Anweisungen, Werkzeugaufrufe, der natürliche Sprachausdruck und der Sprachwechsel verbessert. (openai.com)

Einschränkungen und Status

  • Das Kontextfenster umfasst 32,000 Token, die maximale Ausgabe beträgt 4,096 Token; der Stichtag des Wissens ist der 1. Oktober 2023. (developers.openai.com)
  • Video, Bildausgabe, strukturierte Ausgabe und Feinabstimmung werden nicht unterstützt. (developers.openai.com)
  • Stand 18. November 2026 hat OpenAI gpt-realtime und den festen Snapshot offiziell als veraltet gekennzeichnet und die geplante Abschaltung zum 20. Januar 2027 bekannt gegeben; als Ersatzmodell wird offiziell gpt-realtime-2.1 empfohlen. (developers.openai.com)

API-Preise

Die in der OpenAI-Modelldokumentation aufgeführten Preise sind in US-Dollar (USD) angegeben und gelten jeweils pro 1 Million Token; der Preis für zwischengespeicherte Eingaben gilt nur für solche Eingaben. Abfragedatum: 18. November 2026. (developers.openai.com)

Modalität Eingabe Zwischengespeicherte Eingabe Ausgabe
Text $4.00 $0.40 $16.00
Audio $32.00 $0.40 $64.00
Bild $5.00 $0.50 Nicht unterstützt

Offizielle Quellen