OpenAI 在 Realtime API 里上线了三款新语音模型：GPT-Realtime-2、GPT-Realtime-Translate 和 GPT-Realtime-Whisper，分别管对话、翻译和实时转录。
GPT-Realtime-2
号称带 GPT-5 级别的推理能力。比上一代 GPT-Realtime-1.5，在 Big Bench Audio 智能测试上从 81.4% 涨到 96.6%，Audio MultiChallenge 多轮对话指令跟随从 34.7% 涨到 48.5%。
几个实际变化：
- 开口前会先垫一句。 执行长任务前先说"我查一下"“稍等一下”，避免用户对着空气以为它死机了。
- 工具调用透明化。 能同时调多个工具，过程会被念出来，比如"正在查你的日历"“正在搜索”，让用户听到 agent 在干什么。
- 上下文窗口从 32K 扩到 128K，能撑更长的对话和更复杂的任务编排。
- 五档推理强度。 开发者可以在 minimal 到 xhigh 里选，默认 low。简单问答用低延迟，复杂任务挂高推理。
- 出错时会说"这块我现在处理不了"，不再直接卡死或乱讲。
Translate 和 Whisper
GPT-Realtime-Translate 支持 70 多种输入语言、13 种输出语言的实时语音翻译，主打跨境客服、教育、直播场景。德国电信已经在测；BolnaAI 在印地语、泰米尔语、泰卢固语等印度方言场景下报告错词率比其他模型低 12.5%。
GPT-Realtime-Whisper 是流式版 Whisper，边说边出字幕，主打会议、直播、客服转录。
价格
| 模型 | 计价 |
|---|---|
| GPT-Realtime-2 | 音频输入 $32 / 百万 token（缓存 $0.40），输出 $64 / 百万 token |
| GPT-Realtime-Translate | $0.034 / 分钟 |
| GPT-Realtime-Whisper | $0.017 / 分钟 |
三款都已在 Realtime API 上线，Playground 可以直接试 GPT-Realtime-2。