GPT-Realtime-2.1

GPT-Realtime-2.1 släpptes i OpenAI:s API den 6 juli 2026 som en uppdatering av GPT-Realtime-2. Det är en tal-till-tal-modell för röstagenter: den lyssnar, resonerar med inställbar ansträngningsnivå, använder verktyg och svarar med tal. Enligt OpenAI är den bättre än föregångaren på att uppfatta bokstäver och siffror (till exempel bokningsnummer), på att hantera tystnad och bakgrundsljud och på att bete sig rätt när användaren avbryter. Samtidigt släpptes GPT-Realtime-2.1 mini, en destillerad, snabbare och billigare variant.

Modellen tar emot text, ljud och bilder och svarar med text och ljud. Kontextfönstret är 128 000 tokens med upp till 32 000 tokens ut, och kunskapen sträcker sig till 30 september 2024. Priset är detsamma som för GPT-Realtime-2: 4 dollar per miljon texttokens in och 24 ut, och 32 dollar per miljon ljudtokens in och 64 ut. Mini-varianten kostar 0,60/2,40 dollar för text och 10/20 dollar för ljud.

I september kom GPT-Live-1 till API:t, en röstmodell som kan lyssna och prata samtidigt. I OpenAI:s egna tester presterar GPT-Live-1 klart bättre än GPT-Realtime-2.1, men Realtime-modellerna finns kvar i API:t.