← 全部模型

GPT-Realtime-2.1

发布时间 发布主体 OpenAIgpt-realtime-2.1

模型定位

GPT-Realtime-2.1 是面向实时语音交互的推理模型,可使用工具,适合构建需要语音对话和复杂工作流的智能体。它在 GPT-Realtime-2 的基础上改进了字母数字识别、静音与噪声处理以及对话打断行为。(developers.openai.com)

能力与用途

  • 支持语音到语音交互、指令遵循、函数调用和可配置推理强度;可用于实时语音助手等应用。(developers.openai.com)
  • 支持文本和音频输入、输出,以及图像输入;可通过 Realtime API 使用 WebRTC 或 WebSocket 建立语音会话。(developers.openai.com)
  • 上下文窗口为 128,000 token,最大输出为 32,000 token;知识截止日期为 2024 年 9 月 30 日。(developers.openai.com)

限制

  • 不支持视频输入或图像输出;模型页面列明不支持结构化输出、微调和预测输出。(developers.openai.com)
  • 较高的推理强度可能增加延迟和输出 token 用量。Realtime 会话最长为 60 分钟;API 速率限制取决于使用等级。(developers.openai.com)

价格

OpenAI API 官方美元(USD)报价,单位为每 100 万 token;查询日期:2026 年 11 月 16 日。缓存输入价格适用于符合缓存条件的输入,不是普通输入价格。(developers.openai.com)

模态 输入 缓存输入 输出
文本 $4.00 $0.40 $24.00
音频 $32.00 $0.40 $64.00
图像 $5.00 $0.50 不支持图像输出

上述报价适用于 gpt-realtime-2.1,不适用于其 mini 版本。具体费用还取决于实际使用量;工具等其他服务可能另行计费。(developers.openai.com)

发布日期与官方来源