OpenAI 更新 2.1 系列 GPT Realtime AI 模型，p95 延迟至少降低 25%

IT之家 7 月 8 日消息，OpenAI 昨日（7 月 7 日）发布公告，宣布在其 API 调用中，新增 gpt-realtime-2.1 和 gpt-realtime-2.1-mini 两款模型，官方表示 p95 延迟至少下降 25%。

IT之家注：p95 延迟（Percentile 95 Delay）是衡量系统速度的重要指标，表明系统 95% 的请求都比这个时间快。

这两款模型主要面向低延迟语音智能体与多模态交互，OpenAI 官方表示通过优化缓存机制，Realtime 语音模型的 p95 延迟至少下降 25%。

在调用价格方面，上述两款模型的费用如下：

gpt-realtime-2.1

• 文本：

• 每 100 万 Tokens 输入费用为 4 美元，缓存输入为 0.40 美元

• 每 100 万 Tokens 输出费用为 24 美元

• 音频：

• 每 100 万 Tokens 输入费用为 32 美元，缓存输入为 0.40 美元

• 每 100 万 Tokens 输出费用为 64 美元

• 图片：

• 每 100 万 Tokens 输入费用为 5 美元，缓存输入为 0.50 美元

gpt-realtime-2.1-mini 模型

• 文本：

• 每 100 万 Tokens 输入费用为 0.6 美元，缓存输入为 0.06 美元

• 每 100 万 Tokens 输出费用为 2.4 美元

• 音频：

• 每 100 万 Tokens 输入费用为 10 美元，缓存输入为 0.30 美元

• 每 100 万 Tokens 输出费用为 20 美元

• 图片：

• 每 100 万 Tokens 输入费用为 0.8 美元，缓存输入为 0.08 美元

能力方面，gpt-realtime-2.1-mini 支持实时音频与文本输入，也支持工具调用（Tool Use）与函数调用（Function Calling）。

报道显示，该模型可在执行动作前先完成内部推理，并通过口头前置说明保持对话连续。gpt-realtime-2.1 则进一步增强字母数字识别、静音与噪声处理、中断处理、指令遵循和可配置推理强度方面。

推理强度支持 minimal、low、medium、high、xhigh 5 档。默认档位为 low，OpenAI 建议生产环境语音代理先从低档开始。

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。