|
IT之家 7 月 8 日讯 —— OpenAI 于昨日（7 月 7 日）正式发布公告，更新宣布在 API 服务中新增 gpt-realtime-2.1与 gpt-realtime-2.1-mini两款实时模型。系列型官方数据显示，延迟得益于缓存机制的降低深度优化，新模型的至少 p95 延迟（第 95 百分位延迟）至少降低了 25%。 IT之家注：p95 延迟是更新衡量系统响应速度的关键指标，意味着 95% 的系列型用户请求处理时间均优于该数值，数值越低代表体验越流畅。延迟
这两款模型专为低延迟语音智能体及多模态交互场景设计，降低旨在提供更自然的至少实时对话体验。 
💰 定价策略OpenAI 对两款模型实施了差异化的更新定价策略，具体费用如下（单位：美元/每 100 万 Tokens）： 1. gpt-realtime-2.1| 模态 | 输入费用 | 缓存输入费用 | 输出费用 |
|---|
| 文本 | $4.00 | $0.40 | $24.00 | | 音频 | $32.00 | $0.40 | $64.00 | | 图片 | $5.00 | $0.50 | - |
2. gpt-realtime-2.1-mini| 模态 | 输入费用 | 缓存输入费用 | 输出费用 |
|---|
| 文本 | $0.60 | $0.06 | $2.40 | | 音频 | $10.00 | $0.30 | $20.00 | | 图片 | $0.80 | $0.08 | - |
🚀 核心能力升级gpt-realtime-2.1-mini- 多模态输入：支持实时音频与文本混合输入。系列型
- 工具调用：全面支持 Tool Use 与 Function Calling，延迟便于集成外部服务。降低
- 对话连续性：具备“内部推理+口头前置说明”机制，至少在执行动作前完成逻辑推演，并通过语音反馈保持对话流畅，避免突兀的中断。
gpt-realtime-2.1在 mini 版本基础上，2.1 版本在以下方面进行了显著增强：
* 识别精度：提升字母数字（Alphanumeric）识别准确率。
* 抗噪能力：优化静音检测与噪声处理算法。
* 交互体验：改进中断处理逻辑，提升指令遵循度。
* 可配置推理强度：支持 5 档推理强度调节，以适应不同场景需求。 推理强度档位说明：
* 档位选项：minimal（极简）、low（低）、medium（中）、high（高）、xhigh（极高）。
* 默认设置：low。
* 官方建议：生产环境中的语音代理建议从 low档位起步，以平衡性能与成本。 
|
