Einordnung und Veröffentlichung
GPT-Realtime-1.5 ist ein Echtzeit-Sprachmodell für Sprachagenten und Kundensupport. Es wurde am 23. Februar 2026 für die Realtime API veröffentlicht. (developers.openai.com)
Fähigkeiten und Einsatzgebiete
- Verarbeitet Audio und Text als Ein- und Ausgabe; Bilder können als Eingabe verwendet werden.
- Ermöglicht direkte Sprach-zu-Sprach-Interaktion und unterstützt Funktionsaufrufe. Es eignet sich für interaktive Sprachassistenten und Kundendienst-Workflows.
- Gegenüber früheren Realtime-Vorschaumodellen beschreibt OpenAI Verbesserungen bei der Befolgung von Anweisungen, bei Tool-Aufrufen und bei der Sprachqualität. (developers.openai.com)
Grenzen
- Kontextfenster: 32.000 Tokens; maximal 4.096 Ausgabetokens.
- Wissensstand: 30. September 2024.
- Keine Videoverarbeitung, keine strukturierten Ausgaben und kein Fine-Tuning. Das Modell wird als Sprachmodell ohne gesonderten Reasoning-Modus beschrieben. (developers.openai.com)
API-Preise
Die folgenden Preise gelten laut offizieller Modellseite für gpt-realtime-1.5, in US-Dollar (USD) pro 1 Million Tokens. Abrufdatum: 16. November 2026. (developers.openai.com)
| Modalität | Eingabe | Zwischengespeicherte Eingabe | Ausgabe |
|---|---|---|---|
| Text | 4,00 USD | 0,40 USD | 16,00 USD |
| Audio | 32,00 USD | 0,40 USD | 64,00 USD |
| Bild | 5,00 USD | 0,50 USD | Nicht unterstützt |
Der Cache-Preis gilt für zwischengespeicherte Eingabetokens; Bildausgabe wird von diesem Modell nicht unterstützt.