Einordnung und Veröffentlichung
GPT-Realtime-2.1 ist ein Echtzeit-Reasoning-Modell für sprachbasierte Agenten. OpenAI veröffentlichte es am 6. Juli 2026 für die Realtime API. Gegenüber GPT-Realtime-2 verbessert es laut OpenAI die Erkennung alphanumerischer Zeichen, den Umgang mit Stille und Hintergrundgeräuschen sowie das Verhalten bei Unterbrechungen. (developers.openai.com)
Fähigkeiten und Einsatz
- Sprach-zu-Sprach-Interaktionen mit konfigurierbarem Reasoning-Aufwand, Befolgung von Anweisungen und Funktionsaufrufen; geeignet für komplexe Sprachagenten-Workflows.
- Text und Audio als Ein- und Ausgabe; Bilder als Eingabe.
- Kontextfenster: 128.000 Tokens; maximal 32.000 Ausgabetokens. Wissensstand: 30. September 2024. (developers.openai.com)
Einschränkungen
Video, strukturierte Ausgaben und Fine-Tuning werden nicht unterstützt. Ein höherer Reasoning-Aufwand kann die Latenz und den Verbrauch an Ausgabetokens erhöhen. Die Verfügbarkeit und Nutzungslimits hängen von der API-Nutzungsstufe ab; die kostenlose Stufe wird nicht unterstützt. (developers.openai.com)
API-Preise
OpenAI nennt für dieses Modell folgende Preise in USD je 1 Million Tokens; Abfrage am 16. November 2026. Der Cache-Preis gilt für zwischengespeicherte Eingabetokens. (developers.openai.com)
| Modalität | Eingabe | Zwischengespeicherte Eingabe | Ausgabe |
|---|---|---|---|
| Text | 4,00 USD | 0,40 USD | 24,00 USD |
| Audio | 32,00 USD | 0,40 USD | 64,00 USD |
| Bild | 5,00 USD | 0,50 USD | Nicht unterstützt |