ITCOW牛新网 7月8日消息，OpenAI 于昨日（7月7日）通过官方公告宣布，在其 API 中正式上线 gpt-realtime-2.1 及 gpt-realtime-2.1-mini 两款新模型。官方宣称，通过优化缓存机制，新模型的 P95 延迟（即 95% 的请求响应时间均低于该值）较上一代至少降低 25%，主要面向对实时性要求极高的低延迟语音智能体与多模态交互场景。
据ITCOW牛新网了解，gpt-realtime-2.1-mini 在支持实时音频与文本输入的基础上，进一步开放了工具调用（Tool Use）与函数调用（Function Calling）能力，模型可在执行具体动作前先完成内部推理，并通过口头前置说明保持对话的连贯性。而定位更高的 gpt-realtime-2.1 则在字母数字识别、静音与噪声处理、中断处理、指令遵循等方面做了增强，并引入可配置的推理强度选项，提供 minimal、low、medium、high、xhigh 共五档，默认档位为 low，OpenAI 建议生产环境的语音代理从低档开始调试。
定价方面，gpt-realtime-2.1 文本输入每 100 万 Tokens 收费 4 美元（缓存输入仅 0.40 美元），文本输出每 100 万 Tokens 收费 24 美元；
音频输入每 100 万 Tokens 收费 32 美元（缓存输入 0.40 美元），音频输出每 100 万 Tokens 收费 64 美元；
图片输入每 100 万 Tokens 收费 5 美元（缓存输入 0.50 美元）。
gpt-realtime-2.1-mini 的价格更为亲民：
文本输入每 100 万 Tokens 收费 0.6 美元（缓存输入 0.06 美元），文本输出每 100 万 Tokens 收费 2.4 美元；
音频输入每 100 万 Tokens 收费 10 美元（缓存输入 0.30 美元），音频输出每 100 万 Tokens 收费 20 美元；
图片输入每 100 万 Tokens 收费 0.8 美元（缓存输入 0.08 美元）。
两款模型目前已向开发者开放调用，有望进一步降低实时语音 AI 应用的部署门槛与响应时延。
