OpenAI 發布 GPT-Realtime-2：具備 GPT-5 推理能力的語音模型

即時語音 Agent 不只要快速回話，還得在對話持續時理解意圖、記住脈絡、處理插話與修正，並可靠呼叫工具完成任務。OpenAI 此次把 GPT-5 級推理直接導入語音模型，意在縮小自然對談與實際執行間的落差，讓客服、旅遊及跨語言應用更接近可部署的工作介面。

OpenAI於2026年5月7日發布GPT-Realtime-2，並推出Realtime-Translate與Realtime-Whisper。主模型context window由32K增至128K，推理強度可選五級；翻譯支援逾70種輸入及13種輸出語言，音訊每百萬輸入、輸出token收費32及64美元。