OpenAI 发布 GPT-Realtime-2.1 系列：低延迟语音 Agent 的推理与成本优化

一句话看懂

OpenAI 发布 GPT-Realtime-2.1 和 GPT-Realtime-2.1-mini，后者是首个支持推理的 mini 语音模型，定价不变，p95 延迟降低至少 25%，通过缓存优化实现。

详细发生了什么

OpenAI 在 API 中新增了两个 Realtime 模型：gpt-realtime-2.1 和 gpt-realtime-2.1-mini。前者是 GPT-Realtime-2 的升级版，改进了字母数字识别、静音/噪声处理和中断行为，支持可配置推理强度、指令遵循和工具调用。后者是 mini 推理模型，专为实时语音交互设计，定价与之前的 gpt-realtime-mini 相同，但增加了推理能力。

关键改进包括：

p95 延迟降低至少 25%：通过改进缓存实现，缓存输入 token 价格大幅折扣。
推理能力下放至 mini 层：模型可在说话前内部思考，支持工具调用时用语音提示用户等待，避免中断。
可配置推理强度：从 minimal 到 xhigh 五档，默认 low，开发者可根据任务调整延迟与深度。

定价方面，gpt-realtime-2.1-mini 的音频输出为 $20/1M tokens，而完整版为 $64/1M，差距约 3 倍。文本输入 $0.60/1M，缓存后仅 $0.06/1M。

中文圈视角

对中文开发者来说，这次更新有几个直接价值：

低延迟语音 Agent 成本可控：mini 模型定价与旧版一致，但多了推理能力，适合客服、预约、语音助手等场景。中文语音识别和生成仍需依赖 OpenAI 的多模态能力，但延迟改善对实时对话体验至关重要。
国产平替对比：国内类似产品如百度智能云语音服务、阿里云语音 AI 在成本上可能更低，但缺乏端到端推理和工具调用能力。OpenAI 的 Realtime API 优势在于单模型处理语音+推理+工具调用，减少系统复杂度。不过，中文场景下语音识别的准确性仍需测试。
WebRTC 接入简化：OpenAI 提供了浏览器端 WebRTC 示例，国内开发者可直接集成，但需注意网络延迟和 API 访问稳定性。对于需要低延迟的语音应用，可以考虑使用国内云服务商的中转方案。
监管与合规：语音数据涉及敏感信息，使用 OpenAI API 需注意数据出境合规。国内企业可能更倾向使用本地化部署的语音模型，如科大讯飞或腾讯云的服务。

几条值得记住的细节

gpt-realtime-2.1-mini 定价：音频输出 $20/1M tokens，缓存音频输入 $0.30/1M，与旧版 mini 一致。
p95 延迟降低 25%+：通过缓存优化，长会话中系统提示在首轮后缓存，大幅降低后续延迟。
推理强度可调：默认 low，适合简单任务；高推理强度增加延迟和 token 消耗，仅用于复杂多步任务。
工具调用时语音提示：模型可在执行函数前说“让我查一下”，保持对话连贯。
WebRTC 连接：浏览器端通过 ephemeral key 直接连接，无需服务器中转音频流。

一句话总结

GPT-Realtime-2.1-mini 让低成本语音 Agent 拥有推理能力，延迟更低，适合中文开发者构建实时对话应用。