OpenAI, GPT-5급 추론 능력을 갖춘 GPT-Realtime-2 시리즈 공개

OpenAI가 Realtime API에 3개 새 오디오 모델을 추가했다.

• GPT-Realtime-2는 GPT-5급 추론을 갖춘 최초의 음성 모델로, 도구 호출과 중단 처리, 긴 대화 유지에 맞춰 설계됐다.
• GPT-Realtime-Translate는 70개 이상 입력 언어를 13개 출력 언어로 실시간 번역한다.
• GPT-Realtime-Whisper는 말하는 동안 바로 텍스트로 옮기는 스트리밍 전사 모델이다.

핵심 변화는 음성을 단순한 호출-응답이 아니라 듣고, 추론하고, 번역하고, 전사하고, 행동하는 인터페이스로 확장했다는 점이다. 활용 패턴으로는 Voice-to-Action, Systems-to-Voice, Voice-to-Voice가 제시됐다.

GPT-Realtime-2는 Preambles로 처리 중임을 알리고, 병렬 도구 호출과 도구 투명성을 지원하며, 실패 시에도 대화를 끊지 않고 자연스럽게 복구한다. 컨텍스트 윈도우는 32K에서 128K로 늘었고, 톤 조절과 도메인 용어 이해도 강화됐다.

성능에서는 GPT-Realtime-2(high)가 Big Bench Audio에서 GPT-Realtime-1.5 대비 15.2%, xhigh가 Audio MultiChallenge에서 13.8% 개선됐다. Zillow는 통화 성공률이 **95% vs. 69%**로 높아졌다고 밝혔고, BolnaAI는 번역 WER가 다른 모델보다 12.5% 낮다고 전했다.

가격은 GPT-Realtime-2가 입력 100만 토큰당 $32, 캐시된 입력 토큰 $0.40, 출력 100만 토큰당 $64다. GPT-Realtime-Translate는 분당 $0.034, GPT-Realtime-Whisper는 분당 $0.017이며, 세 모델은 Realtime API와 Playground에서 바로 사용할 수 있다.

안전성 측면에서는 활성 분류기와 다층 완화 조치를 적용하고, 유해 콘텐츠 위반이 탐지되면 세션을 중단할 수 있다. 개발자는 Agents SDK로 추가 가드레일을 붙일 수 있고, EU 데이터 레지던시와 엔터프라이즈 프라이버시 약정도 지원한다.