🎯 情报来源：Simon Willison's Weblog
OpenAI于8月28日悄然推出新一代语音对话模型gpt-realtime，官方称其为”最先进的语音转语音模型”，实质替代了2023年10月发布的gpt-4o-realtime-preview。该模型仍基于2023年10月训练数据，未采用预计2024年9月发布的GPT-5架构，维持32,000上下文token和4,096输出token限制。
技术文档显示，新模型支持MCP服务器配置、图像输入及改进的指令跟随能力。值得注意的是，定价页面同时列出gpt-realtime和旧版gpt-4o-mini-realtime-preview的API价格，后者虽未出现在模型列表却仍可使用，且成本仅为新模型的15%-31%（文本处理$0.6 vs $4/百万token）。
💡 核心要点
- 训练数据截止2023年10月，与GPT-4o相同，未整合GPT-5技术
- 保留32K上下文窗口，输出限制4,096 token，性能参数无突破
- 音频处理成本达$64/百万token输出，是文本处理的4倍
- 旧版mini模型仍可用，128K上下文窗口+低价策略($0.6/百万token输入)
- 新增图像输入支持($5/百万token)和MCP服务器配置能力
📌 情报分析
技术价值：一般
未采用GPT-5架构，核心参数与旧版一致，主要改进集中在工程优化（指令跟随、多模态支持）
商业价值：高
保留低价旧版选项的策略显示OpenAI在平衡技术迭代与市场需求，图像处理等新能力可能开辟垂直场景
趋势预测：一般
2023年训练数据时效性受限，预计GPT-5发布后将面临重大架构更新，当前版本或为过渡产品