OpenAI GPT-Realtime-2.1 發布：語音延遲降 25%
OpenAI 7 月 6 日發布新一代低延遲語音模型 GPT-Realtime-2.1 與 GPT-Realtime-2.1-mini，主打改善語音代理（voice agent）的可用性瓶頸。MarkTechPost 7 月 6 日整理指出，新模型在 p95 延遲上較前代下降至少 25%、透過改善快取（caching）機制達成；同時強化字母數字辨識、靜音與雜訊處理、以及打斷回應的行為判斷。這兩款模型都採單一模型的音訊管線設計，不再需要外部串接 STT（語音轉文字）與 TTS（文字轉語音）。
兩檔模型定位分工：Realtime-2.1 主打複雜任務、mini 版鎖定成本敏感場景
GPT-Realtime-2.1 支援可配置的推理（reasoning）強度與工具呼叫（tool use / function calling），適合客服分流、預約排程、複雜 agentic 任務等場景；GPT-Realtime-2.1-mini 則是成本效益優先版本，價位大約是完整版的 1/6 至 1/3。以每百萬 token 計價：文字輸入 $4.00 vs $0.60、音訊輸入 $32.00 vs $10.00、音訊輸出 $64.00 vs $20.00；文字快取兩者接近但 mini 更便宜。
p95 延遲降 25%、字母數字辨識與打斷行為為主要提升
對開發者最有感的改動是三項：p95 延遲比 GPT-Realtime-2 降低 25%，主要來自快取層優化；字母數字辨識準確度提升，讓「查詢訂單編號、驗證碼、產品序號」類場景可靠度改善；靜音與雜訊處理更成熟，模型不會在用戶尚未講完時搶答，同時打斷行為更符合對話直覺。單一模型音訊管線也降低了整合成本，開發者不再需要串接第三方 STT／TTS 服務、可直接在 Realtime API 內完成端到端語音互動。
廣告 - 內文未完請往下捲動
目標場景：客服分流、預約、in-app 語音助理、現場資料採集
OpenAI 列出的主要目標場景涵蓋客服分流、預約排程、in-app 語音助理，以及需要準確辨識字母數字碼的現場資料採集（field data capture）。這一批模型的目標並非取代 GPT-5.6 等旗艦模型的通用能力，而是把語音優先（voice-first）產品的最後一哩延遲與雜訊問題解決，讓語音代理從「Demo 好看」進入「大量部署」階段。
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
