GPT-Realtime-2.1 已在官方目录可用：能力、升级与语音 Agent 评测

截至 2026-09-04，GPT-Realtime-2.1 已在 OpenAI 官方模型目录中列出；本文描述的是核验时已可查的状态，并非尚未证实的未来发布预告。

先确认当前状态

写模型介绍时最容易出现的错误，是把社区讨论、搜索摘要或旧文章中的“即将发布”继续当成事实。本文讨论的 GPT-Realtime-2.1，应先在 OpenAI 官方模型目录和对应模型页面确认名称、模型标识、支持状态及更新时间。官方目录显示的当前条目，才是项目选型的起点。文章发布日期并不等于模型发布日期，项目也不能因为看到一篇旧帖子就假设接口仍然相同。

评测实时对话能力

语音 Agent 的评测不能只听一段演示。建议准备包含打断、追问、纠错、长句、数字、专有名词和环境噪声的固定测试集，分别记录首个音频响应时间、完整响应时间、打断后的恢复质量、转写准确度和任务完成率。对于客服或业务助手，还应记录是否正确识别用户意图、是否在不确定时主动澄清，以及是否把用户没有说过的信息补写成事实。

选择连接方式

根据客户端和服务端职责选择连接方式。浏览器或移动端需要低延迟互动时，应研究官方支持的实时连接方案；服务端中转则要评估连接生命周期、鉴权、断线重连和并发管理。不要把 API 密钥直接放在浏览器代码或移动应用中，应该由服务端创建短期、最小权限的会话凭证。生产环境需要设置来源校验、会话超时、请求限额和审计日志。

设计升级评测

从旧版实时模型升级到 GPT-Realtime-2.1 时，不要只比较“听起来更自然”。要使用同一批提示词、音频、工具和业务规则，对比延迟、语音可懂度、语言切换、函数调用准确率、错误恢复、成本和资源消耗。若使用模型别名，要接受其后续更新可能带来行为变化；对关键业务可以评估快照策略，并准备回滚配置。所有差异都应保留测试记录。

关注 Agent 安全

语音 Agent 能够听取用户输入并触发工具，因此安全边界比普通问答更重要。将查询、读取、写入和付款类操作分级，敏感操作必须再次确认。对语音转写中的账号、地址、验证码和支付信息进行最小化处理，日志默认脱敏。不要让模型自行扩大权限，也不要用声音相似、身份不明或共享账号来绕过授权。

上线前的观测指标

上线前定义可观测指标，包括连接成功率、断线率、P50 和 P95 延迟、打断恢复率、工具调用失败率、人工转接率和用户投诉率。为模型、客户端版本和提示词版本建立关联，出现回归时才能定位来源。成本监控也应按会话和功能拆分，设置告警而不是等月底才发现异常消耗。

可执行检查清单

• 在官方模型目录确认 GPT-Realtime-2.1 的当前条目与模型标识。
• 用包含打断、噪声、数字和澄清场景的固定测试集评测。
• 对比升级前后的延迟、转写、工具调用、成本和错误恢复。
• 通过服务端管理密钥、会话时限、来源校验和最小权限。
• 对敏感工具设置二次确认，对日志和音频数据进行脱敏。
• 上线前配置指标、告警、灰度和可回滚版本。