OpenAI 推出 GPT-Realtime-2.1 系列模型，语音交互延迟降低 25%

OpenAI 在 API 中新增了两款低延迟语音模型：gpt-realtime-2.1 和 gpt-realtime-2.1-mini。官方数据显示，这两款模型的 p95 延迟至少下降了 25%，p95 延迟指的是系统 95% 的请求都比这个时间快。

gpt-realtime-2.1-mini 支持实时音频与文本输入，并具备工具调用和函数调用能力，能在执行动作前先完成内部推理，保持对话连续性。gpt-realtime-2.1 则增强了字母数字识别、静音与噪声处理、中断处理等功能，并支持 5 档推理强度调节。

在价格方面，gpt-realtime-2.1-mini 的文本输入费用为每 100 万 Tokens 0.6 美元，音频输入为 10 美元；gpt-realtime-2.1 的文本输入为 4 美元，音频输入为 32 美元。两款模型旨在为语音智能体和多模态交互场景提供更低延迟的解决方案。