OpenAIAudiomodellAktiv
GPT-Realtime 2.1
BeliebtheitPlatz 256 von 875
41von 100wie im Vormonat
Zusammenfassung
GPT-Realtime 2.1 aktualisiert GPT-Realtime 2 für Sprachagenten. OpenAI nennt eine bessere Erkennung von Buchstaben-Zahlen-Kombinationen, einen robusteren Umgang mit Stille und Rauschen sowie ein verbessertes Unterbrechungsverhalten. Das Modell verarbeitet Text, Bilder und Audio und gibt Text sowie Audio aus. Konfigurierbares Reasoning und Werkzeugaufrufe machen es breiter einsetzbar als ein reines Transkriptionsmodell.
Das API-Profil bietet 128.000 Token Kontext und bis zu 32.000 Ausgabe-Token. OpenAI weist darauf hin, dass mehr Reasoning die Latenz und den Verbrauch an Ausgabe-Token erhöhen kann. Für reine Transkription bleibt GPT-Live-Transcribe der getrennte Spezialist; GPT-Realtime 2.1 verbindet dagegen Audioeingabe und Audioausgabe mit Reasoning und Werkzeugaufrufen.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 49 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 5
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
Artificial Analysis Big Bench Audio speech reasoning (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 96
- Bewertung
- 96
- Messgröße
- accuracy
- Einheit
- %
- Benchmark-Version
- Big Bench Audio v1.2
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Stichprobe
- 1000
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Unabhängige Evaluation. Native Audio-zu-Audio-Auswertung auf Big Bench Audio v1.2 mit 1.000 Fragen in vier Reasoning-Kategorien zu je 250 Elementen. Exakte Konfiguration: GPT-Realtime-2.1 High.
Artificial Analysis Conversational Dynamics (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 95.7
- Bewertung
- 95.7
- Messgröße
- conversational behavior score
- Einheit
- %
- Benchmark-Version
- AA Full Duplex Bench v1 + v1.5 view
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Unabhängige Evaluation. Ansicht des Gesprächsverhaltens in Full Duplex Bench v1/v1.5 (Pausenbehandlung, Sprecherwechsel, Unterbrechungen und Rückmeldungen). Exakte Konfiguration: GPT-Realtime-2.1 High.
Artificial Analysis τ-Voice task completion (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 45.7
- Bewertung
- 45.7
- Messgröße
- Task Completion pass@1
- Einheit
- %
- Benchmark-Version
- Artificial Analysis τ-Voice base task set
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Unabhängige Evaluation. Aufgabenerfüllung eines Kundensupport-Agenten in Szenarien aus Fluggesellschaften (50), Einzelhandel (114) und Telekommunikation (114), mit Tools und Richtlinien. Das allgemeine Protokoll des Herausgebers mittelt drei Durchläufe; Die exakte Zeile GPT-Realtime-2.1 High verwendet 2 Durchläufe.
- Einordnung
- Der Herausgeber weist ausdrücklich darauf hin, dass diese exakte Konfiguration zwei Durchläufe verwendet, nicht sein allgemeines Protokoll mit drei Durchläufen.
Speech Agent Arena task success rate (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 91.5
- Bewertung
- 91.5
- Messgröße
- eligible-conversation task success rate
- Einheit
- %
- Benchmark-Version
- Current Speech Agent Arena board retrieved 2026-10-15
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Untere Konfidenzgrenze
- 87.7
- Obere Konfidenzgrenze
- 94.3
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Unabhängige Evaluation. Der korrekte finale Tool-Aufruf, der die Aufgabe abschließt, wird nur für geeignete Gespräche gewertet; Abweichungen der Teilnehmenden und nicht verifizierbare Fälle werden ausgeschlossen. Exakte Konfiguration: GPT-Realtime-2.1 High.
Artificial Analysis Big Bench Audio speech reasoning (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 87
- Bewertung
- 87
- Messgröße
- accuracy
- Einheit
- %
- Benchmark-Version
- Big Bench Audio v1.2
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Stichprobe
- 1000
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Unabhängige Evaluation. Native Audio-zu-Audio-Auswertung auf Big Bench Audio v1.2 mit 1.000 Fragen in vier Reasoning-Kategorien zu je 250 Elementen. Exakte Konfiguration: GPT-Realtime-2.1 Minimal.
Artificial Analysis Conversational Dynamics (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 92.7
- Bewertung
- 92.7
- Messgröße
- conversational behavior score
- Einheit
- %
- Benchmark-Version
- AA Full Duplex Bench v1 + v1.5 view
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Unabhängige Evaluation. Ansicht des Gesprächsverhaltens in Full Duplex Bench v1/v1.5 (Pausenbehandlung, Sprecherwechsel, Unterbrechungen und Rückmeldungen). Exakte Konfiguration: GPT-Realtime-2.1 Minimal.
Artificial Analysis τ-Voice task completion (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 38
- Bewertung
- 38
- Messgröße
- Task Completion pass@1
- Einheit
- %
- Benchmark-Version
- Artificial Analysis τ-Voice base task set
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Unabhängige Evaluation. Aufgabenerfüllung eines Kundensupport-Agenten in Szenarien aus Fluggesellschaften (50), Einzelhandel (114) und Telekommunikation (114), mit Tools und Richtlinien. Das allgemeine Protokoll des Herausgebers mittelt drei Durchläufe; Die exakte Zeile GPT-Realtime-2.1 Minimal verwendet 3 Durchläufe.
Speech Agent Arena task success rate (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 89.4
- Bewertung
- 89.4
- Messgröße
- eligible-conversation task success rate
- Einheit
- %
- Benchmark-Version
- Current Speech Agent Arena board retrieved 2026-10-15
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Untere Konfidenzgrenze
- 85.2
- Obere Konfidenzgrenze
- 92.5
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Unabhängige Evaluation. Der korrekte finale Tool-Aufruf, der die Aufgabe abschließt, wird nur für geeignete Gespräche gewertet; Abweichungen der Teilnehmenden und nicht verifizierbare Fälle werden ausgeschlossen. Exakte Konfiguration: GPT-Realtime-2.1 Minimal.
Cekura all-three-run scenario pass rate (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 79.3
- Bewertung
- 79.3
- Messgröße
- share of scenarios passing all three runs
- Einheit
- %
- Benchmark-Version
- Cekura Bench GPT Realtime 2.1 speech-to-speech page, published and modified 2026-10-16; result-run revision not stated
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Stichprobe
- 82
- Quellentyp
- independent-evaluator
- Auswertung
- Cekura Bench speech-to-speech benchmark
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Cekura bezeichnet das getestete Modell als GPT Realtime 2.1. Gemessen wird die vollständige Telefon-Agentenkonfiguration in einer Pipecat-Pipeline mit gleichem Prompt, gleichen Werkzeugen und gleicher Verbindung für die verglichenen Modelle, kein reiner Modellscore. Cekura berichtet, dass 65 von 82 Szenarien in allen drei Durchläufen bestanden wurden (79,3 %). Jedes Szenario wurde dreimal ausgeführt, insgesamt 246 Live-Anrufe. Der exakte Commit des ausgelieferten Agenten und die OpenAI-Serving-Revision sind nicht genannt. Das Evaluator-README beschreibt für Raten szenariobasierte, nach Suite geschichtete Bootstrap-Intervalle, doch die Seite nennt keine numerischen Intervallgrenzen.
- Einordnung
- Dies ist ein vom Evaluator berichtetes Ergebnis des vollständigen Agentensystems und keine isolierte Modellmessung. Die Quellseite veröffentlicht weder numerische Konfidenzintervallgrenzen noch eine unveränderliche API-Serving-Revision. Aus dem allgemeinen Intervallverfahren des Evaluators wird kein konkreter CI-Wert abgeleitet.
Cekura all-check call pass rate (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 89
- Bewertung
- 89
- Messgröße
- share of calls passing every configured check
- Einheit
- %
- Benchmark-Version
- Cekura Bench GPT Realtime 2.1 speech-to-speech page, published and modified 2026-10-16; result-run revision not stated
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Stichprobe
- 246
- Quellentyp
- independent-evaluator
- Auswertung
- Cekura Bench speech-to-speech benchmark
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Cekura bezeichnet das getestete Modell als GPT Realtime 2.1. Gemessen wird die vollständige Telefon-Agentenkonfiguration in einer Pipecat-Pipeline, kein reiner Modellscore. Laut Seite bestanden 89,0 % aller 246 Anrufe jede konfigurierte Prüfung. Der exakte Commit des ausgelieferten Agenten und die OpenAI-Serving-Revision sind nicht genannt. Das Evaluator-README beschreibt für Raten szenariobasierte, nach Suite geschichtete Bootstrap-Intervalle, doch die Seite nennt keine numerischen Intervallgrenzen.
- Einordnung
- Dies ist ein vom Evaluator berichtetes Ergebnis des vollständigen Agentensystems und keine isolierte Modellmessung. Die Seite veröffentlicht weder numerische Konfidenzintervallgrenzen noch eine unveränderliche API-Serving-Revision.
Cekura saved caller-data exactness (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 92
- Bewertung
- 92
- Messgröße
- share of data-saving calls whose saved caller data was exactly correct
- Einheit
- %
- Benchmark-Version
- Cekura Bench GPT Realtime 2.1 speech-to-speech page, published and modified 2026-10-16; result-run revision not stated
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Cekura Bench speech-to-speech benchmark
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Cekura bezeichnet das getestete Modell als GPT Realtime 2.1. Gemessen wird ein Ergebnis der Datenverarbeitung des vollständigen Telefon-Agenten. Laut Seite waren die gespeicherten Anruferdaten bei 92,0 % der Anrufe, in denen Daten gespeichert wurden, exakt richtig. Der Nenner dieser Teilmenge wird nicht veröffentlicht. Der exakte Commit des ausgelieferten Agenten und die OpenAI-Serving-Revision sind nicht genannt.
- Einordnung
- Der Nenner der Anrufe mit Datenspeicherung wird nicht veröffentlicht, deshalb bleibt sampleCount leer. Dies ist ein Ergebnis des vollständigen Agentensystems und kein reiner Modellgenauigkeitswert.
Cekura TurnBench end-of-turn score, Light noise (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 83
- Bewertung
- 83
- Messgröße
- end-of-turn score for the named line condition, out of 100
- Einheit
- %
- Benchmark-Version
- Cekura TurnBench leaderboard, last updated 2026-10-13
- Richtung
- Mehr ist besser
- Stichprobe
- 36
- Quellentyp
- independent-evaluator
- Auswertung
- Cekura TurnBench
- Status
- active
- Abrufdatum
- 2026-10-23
- Methodik
- Unabhängige Evaluation. GPT Realtime 2.1; Übertragungsbedingung: Light noise. Cekura nennt für diese Zeile kein Anbieter-Backend und keine Konfigurationsvariante.
- Einordnung
- Cekura nennt 36 Aufrufe je Modell und Bedingung auf einem privaten Leaderboard-Satz mit 25 Skripten. Dies ist eine Zahl von Aufrufen, keine Zahl von 36 voneinander unabhängigen Aufgaben; eine unabhängige Aufgabenstichprobe oder ein Konfidenzintervall veröffentlicht die Quelle nicht.
Seite 1 von 5
Beliebtheit im Vergleich
Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.
Beliebtheitsindex
0 bis 100, höher ist beliebter
20 von 83 Modellen
pyannote Community-1, pyannote: 73
Nemotron-3-Diarization, NVIDIA: 57
Gemini 3.5 Transcribe, Google: 52
Confucius4-R2T2, NetEase Youdao: 52
Granite Speech 5.0 470M TurboCTC, IBM: 52
Kokoro-82M, hexgrad: 51
Nova-3, Deepgram: 51
Fish Audio S2 Pro, Fish Audio: 51
NVIDIA Nemotron 3.5 Transcribe, NVIDIA: 50
Granite Speech 5.0 470M TurboCTC NC, IBM: 50
Orukeet, Oruk: 49
Lyria 3.5, Google: 47
Gemini 3.5 Live Translate, Google: 46
Phonon-2, Fermion Research: 44
Aura-2, Deepgram: 44
Gemini 3.1 Flash TTS, Google: 44
MiniMax-Music3, MiniMax: 41
Audio8-ASR-Infinite, Edge0 AI: 41
GPT-Realtime 2.1, OpenAI: 41
Eleven v3, ElevenLabs: 39
GPT-Realtime 2.1
Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex
Zeitlicher Verlauf
Wochenwerte vom 18. Oktober 2026 bis 5. November 2026
GPT-Realtime 2.1Audio8-ASR-InfiniteMiniMax-Music3Eleven v3GPT-Live-Transcribe
Alle technischen Daten
Architektur
Ein- und Ausgabe
Wasserzeichen und Herkunft
KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.
- KI-Wasserzeichen
- Mit Einschränkungen. OpenAI nennt ein unhörbares SynthID-Wasserzeichen für unterstützte Audioausgaben über ChatGPT und die OpenAI API. Modell, Ausgabeweg und Erstellungszeitpunkt können die Abdeckung beeinflussen.
- Quelle: KI-Wasserzeichen
Lizenz und Zugang
API
Weitere Angaben
Quellen und Datenstand
Alle 27 Quellen anzeigen
Benchmarkquellen im Überblick
Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.
Für dieses Modell ist derzeit kein aktives Ergebnis der geprüften externen Auswerter zugeordnet. Weitere Quellenbelege stehen darunter.
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.