GPT-Realtime-2: năng lực, chi phí và giới hạn qua nguồn chính thức

GPT-Realtime-2 ra mắt ngày 07/05/2026 trong API, hướng tới hội thoại giọng nói có suy luận và dùng công cụ. Model khác hai sản phẩm cùng đợt là Realtime-Translate và Realtime-Whisper, vốn chuyên dịch và chép lời.

Hội thoại có hành động

Theo OpenAI, model có thể giữ mạch trao đổi trong khi suy luận, gọi công cụ và xử lý ngắt lời. Nhà phát triển có thể bật lời báo ngắn trước hành động và gọi nhiều công cụ đồng thời. Công cụ vẫn do ứng dụng thực thi, không phải model tự có quyền lịch, dữ liệu hoặc thanh toán.

128K và mức suy luận

Cửa sổ ngữ cảnh tăng từ 32K lên 128K trong công bố. Các mức reasoning gồm minimal, low, medium, high và xhigh, mặc định low. Tăng mức suy luận có thể giúp yêu cầu khó nhưng cần cân đối độ trễ hội thoại; không mặc định kết quả high áp cho cấu hình low.

Đánh giá audio có điều kiện

Hãng báo Realtime-2 high có điểm Big Bench Audio cao hơn 15,2% so với Realtime-1.5; ở xhigh, Audio MultiChallenge cao hơn 13,8%. Đây là hai tập đo và cấu hình khác nhau, không phải độ chính xác tuyệt đối hoặc điểm phần trăm thành công cho mọi cuộc gọi.

Chi phí và giới hạn triển khai

Nguồn công bố không đủ để suy toàn bộ đơn giá cho mọi loại token và cấu hình. Cần kiểm tra bảng giá đúng endpoint; không lấy giá gpt-realtime đời trước áp sang model mới. Tổng chi phí còn gồm công cụ, thời lượng và số vòng trao đổi.

Khả năng giữ thuật ngữ chuyên ngành và phục hồi lỗi tốt hơn không loại bỏ nghe sai hoặc hành động sai. Với yêu cầu nhạy cảm, cần xác nhận nội dung trước thực thi. So với model công việc đa dụng, ưu tiên của realtime là cân bằng chất lượng với nhịp hội thoại. Các lớp bảo vệ API có thể dừng phiên vi phạm, không chứng nhận mọi ứng dụng tích hợp đều an toàn.

Nguồn: OpenAI, Advancing voice intelligence with new models in the API, 07/05/2026.