GPT-Realtime 2

GPT-Realtime 2 und 2.1 haben eigene Modell-IDs. Für gpt-realtime-2 nennt OpenAI 128.000 Tokens Kontext und maximal 32.000 Ausgabetokens. Die kleineren Grenzen älterer Realtime-Versionen gelten für dieses Modell nicht.

Für das Beispiel brauchst du einen eigenen API-Zugang mit Realtime-Berechtigung und Abrechnung. Verwende den Realtime-Endpunkt. Derselbe Modellname lässt sich nicht einfach in einen Responses- oder Transkriptionsaufruf einsetzen.

Audio kostet anders als Text. Trage die Tokenzahlen aus deinem eigenen Verbrauchsprotokoll ein; eine Gesprächsminute hat keinen festen Tokenwert. Bereits gecachte Eingabetokens sind in der gesamten Eingabe enthalten. Der Rechner zieht sie ab und berechnet sie zum günstigeren Cachetarif.

Der WebRTC-Starter verbindet dein Mikrofon mit dem Modell. Dein Browser erstellt dafür ein Verbindungsangebot (SDP). Dein Server sendet es zusammen mit der Sitzungsbeschreibung an /v1/realtime/calls und gibt die Antwort an den Browser zurück. Der dauerhafte API-Schlüssel bleibt auf dem Server.

1. Eigenen Server starten. Node.js ab Version 20 und deinen eigenen OPENAI_API_KEY als Umgebungsvariable verwenden. Kein Schlüsselwert gehört in HTML oder clientseitiges JavaScript.
2. Sprachtest starten. Erst ein Klick auf „Sprachtest starten“ fragt das Mikrofon an. Das Starterbeispiel verwendet ausdrücklich gpt-realtime-2.
3. Test stoppen und Verbrauch nachsehen. „Stoppen“ schließt Verbindung, Datenkanal und Mikrofon. Nach höchstens 60 Sekunden beendet auch das Beispiel den Browserdialog.

const session = {
  type: "realtime",
  model: "gpt-realtime-2",
  audio: { output: { voice: "marin" } }
};
const form = new FormData();
form.set("sdp", offerSdp);
form.set("session", JSON.stringify(session));
// Nur auf deinem Server: Authorization mit OPENAI_API_KEY.
// POST https://api.openai.com/v1/realtime/calls

Geprüft wurden die lokale Serverlogik und die Fehlermeldung bei fehlendem Schlüssel. Ein echter Modellaufruf oder ein aufgenommenes Gespräch ist damit nicht belegt. Das Beispiel nutzt die Realtime-Schnittstelle; OpenAIs separate Live-API hat einen anderen Ablauf.

Teste nicht nur die Stimme. Prüfe auch, ob der Assistent bei einer unklaren Nummer nachfragt, auf eine Unterbrechung reagiert und mit einem Werkzeugfehler umgehen kann. Die fünf Fälle unten geben dir dafür feste Prüfkriterien. Nutze fiktive Namen und Auftragsnummern.

Der mitgelieferte Starter enthält bewusst keine schreibenden Werkzeuge. Fall 4 und 5 prüfst du erst mit einem eigenen, begrenzten Test-Tool und einem zusätzlichen Freigabeschritt. Prompttext allein ist keine Berechtigungssperre auf deinem Server.

Beispielanweisung für den Assistenten

Du bist ein Test-Sprachassistent. Verwende ausschließlich die bereitgestellte fiktive Vorlage.
Wenn eine Auftragsnummer unklar ist, frage nach.
Behaupte kein Werkzeugergebnis, wenn kein erfolgreiches Ergebnis vorliegt.
Bei Änderungswünschen frage nach Ziel und Bestätigung.
Erkläre offen, wenn dir eine Information oder eine Funktion fehlt.

Notiere Modell-ID, Datum, Einstellungen, Testfall, Beobachtung und gemeldeten Verbrauch. Antwortzeiten misst du mit einer festgelegten Methode separat; aus einer einzelnen Sitzung folgt keine allgemeine Latenzgarantie. Für die Auswahl des gesamten Arbeitswegs hilft der Guide zum Vergleichen von KI-Tools.

Die Modellangaben und Preise wurden am 24. Oktober 2026 mit den folgenden Herstellerunterlagen abgeglichen. Die Preise sind in US-Dollar angegeben und können sich ändern. Die Grafiken und Aufgaben stammen von Tokenwerk. Sollantworten sind aus den Beispielen abgeleitet, keine gemessenen Modellantworten.

• OpenAI: Realtime 2, Modalitäten, Grenzen und Preise
• OpenAI: getrennte Version 2.1
• OpenAI: WebRTC und serverseitiger SDP-Austausch
• OpenAI: Sprachdialoge und Prompting