# OpenAI 发布 GPT-Realtime-2，一个号称 GPT-5 级推理能力的实时音频模型

> 原标题：绝杀！OpenAI正式接管人类耳朵，首个GPT-5级推理音频模型来了

- 来源：新智元 · 公众号
- 发布时间：2026-05-12T11:26:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/20552
- 原文：https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652699783&idx=2&sn=f7674cd7caa9ab1af25a0b93e17ef1bf

## 摘要

OpenAI 推出了 GPT-Realtime-2，官方把它叫做“GPT-5 级推理音频模型”。同时发布的还有 Realtime-Translate 和 Realtime-Whisper 两个配套工具。新模型支持 128K 上下文窗口，提供五档推理强度可选，API 定价是每百万输入 token 32 美元、输出 token 64 美元。

## 推荐理由

OpenAI 发布 GPT-Realtime-2 实时音频模型，支持 128K 上下文和五档推理强度，并公布每百万输入 32 美元、输出 64 美元的 API 定价，为语音 agent 的成本核算提供了具体依据。

## 锐评

输入 32 美元、输出 64 美元每百万 token，这个价格跑实时音频挺贵的。它提供五档推理强度，其实就是把成本控制的包袱甩给开发者，想跑得起就只能主动把推理调到低档。实时语音只要开着高推理档位，再叠加上 128K 的上下文消耗，稍微多聊几通电话账单就会非常难看。敢直接按这个单价把模型放进生产环境的，我看没几家能把这笔账算平。
