模型定位
GPT-Realtime-2.1 mini 是 OpenAI 面向实时语音交互的蒸馏推理模型,定位于速度更快、成本更低的实时语音应用。官方更新日志于 2026 年 7 月 6 日宣布发布。(developers.openai.com)
能力与用途
- 支持文本和音频输入与输出,以及图像输入;可通过 WebRTC、WebSocket 或 SIP 连接进行实时交互。
- 支持推理 token 和函数调用;官方称其字母数字识别能力较 GPT-Realtime-2 有所改善。
- 适合构建实时语音助手、语音交互界面和需要调用工具的语音应用。
- 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
- 不支持视频或图像输出。
- 模型页面列示不支持结构化输出、微调、预测输出,以及通用的 Streaming 功能;实时交互应以 Realtime API 文档为准。
- 免费层级不支持该模型,实际速率限制取决于使用层级。(developers.openai.com)
API 价格
以下为 OpenAI 官方所列的该模型美元(USD)价格,单位均为每 100 万 token;缓存输入价格仅适用于缓存输入。查询日期:2026 年 11 月 16 日。(developers.openai.com)
| 模态 | 输入 | 缓存输入 | 输出 |
|---|---|---|---|
| 文本 | $0.60 | $0.06 | $2.40 |
| 音频 | $10.00 | $0.30 | $20.00 |
| 图像 | $0.80 | $0.08 | 不支持 |
工具等额外服务可能另行计费;不同平台的费用应以相应平台定价为准。区域处理及数据驻留的适用条件和费用应在使用前核对官方定价。(developers.openai.com)