Nuevo Regístrate gratis, 10 llamadas de regalo. Hasta 1 $, sin tarjeta.

GPT Realtime 2.1 vs nova-2-sonic

GPT Realtime 2.1 solo está disponible por invitación. Las cifras de abajo son las tarifas en vivo, pero para llamarlo tu espacio de trabajo necesita antes un permiso: pídenos acceso antes de construir nada a partir de esta comparativa.

nova-2-sonic solo está disponible por invitación. Las cifras de abajo son las tarifas en vivo, pero para llamarlo tu espacio de trabajo necesita antes un permiso: pídenos acceso antes de construir nada a partir de esta comparativa.

vs

Cuál usar y cuándo

Ambos son modelos de audio y texto en tiempo real facturados por millón de tokens, por lo que las tarifas se comparan directamente: nova-2-sonic cobra $3 de entrada de audio y $12 de salida de audio frente a los $32 y $64 de gpt-realtime-2.1, y $0.06/$0.24 en texto frente a $4/$24, con 1000000 de contexto y 64000 de salida máxima en lugar de 128000 y 32000. Elige nova-2-sonic para sesiones de voz largas y sensibles al costo si su límite de conexión de 8 minutos y la inferencia in-Region-only se adaptan a ti; elige el más reciente gpt-realtime-2.1 (lanzado el 2026-07-06) cuando desees lecturas de entrada en caché a $0.4 y ninguna de dichas restricciones de sesión o región

Benchmarks

GPT Realtime 2.1: el proveedor no ha publicado resultados de benchmarks.

nova-2-sonic: 8 publicados, pero ningún benchmark compartido con suficientes modelos para comparar.

GPT Realtime 2.1 nova-2-sonic otros modelos medidos media de los modelos comparados ★ ningún otro modelo puntuó más alto
AMI near+far field (WER)
N/A
29.7%
Big Bench Audio
N/A
87%
BFCL v3 (single-turn, python only)
N/A
74.5%

Publicado por los proveedores: Amazon OpenAI

Precios

GPT Realtime 2.1 nova-2-sonic Δ
Entrada de audio / 1M tokens $32 $3 11×
Salida de audio / 1M tokens $64 $12 5.3×
Lectura de caché de audio / 1M tokens $0.4 - -
Entrada de texto / 1M tokens $4 $0.06 67×
Salida de texto / 1M tokens $24 $0.24 100×
Escritura en caché sin cargo aparte sin cargo aparte -

Tarifas tomadas del catálogo en vivo al generar el sitio; la página de cada modelo tiene la ficha de precios actualizada.

Dónde queda cada uno: precio por 1M de tokens de audio entre los 6 modelos de voz a voz en tiempo real que se facturan en esta unidad (escala logarítmica)

Capacidades

GPT Realtime 2.1 nova-2-sonic
Caché de prompts implícito (automático) no admitido
Duración de la caché 5-10m, up to 1h no aplicable
Prefijo mínimo en caché 1024 tokens no aplicable

Especificaciones

GPT Realtime 2.1 nova-2-sonic
Modalidades de entrada texto audio texto audio
Modalidades de salida texto audio texto audio
Lanzamiento 2026-07-06 2025-12-02
Corte de conocimiento 2024-09 -
Voces -

Feminine- and masculine-sounding voices per locale (tiffany/matthew en-US, amy en-GB, olivia en-AU, kiara/arjun en-IN and hi-IN, ambre/florian fr-FR, beatrice/lorenzo it-IT, tina/lennart de-DE, lupe/carlos es-US, carolina/leo pt-BR)

tiffany and matthew are polyglot voices that speak every supported language.

Capacidades de sesión
  • Speech-to-speech over WebSocket
  • configurable reasoning effort
  • tool use
  • interruption handling
  • 128K context
  • Intelligent turn-taking with configurable endpointing sensitivity
  • graceful interruption handling without losing context
  • function calling with asynchronous tool handling (the assistant keeps speaking while tools run)
  • RAG grounding
  • mixed audio and text input in one conversation
  • 8-minute connection limit
Ventana de contexto 128K 1M

Las especificaciones se transcriben de la documentación de cada proveedor; si un proveedor no publica un dato, la fila se omite en vez de deducirlo. Fuentes completas: GPT Realtime 2.1 · nova-2-sonic

Cambia de uno a otro con una sola línea

Los dos ids aparecen en todas las pestañas de abajo; lo único que cambia es el par de líneas resaltadas. El endpoint, la clave y la estructura de la solicitud son los mismos.

import asyncio, base64, json, websockets

URL = "wss://synthorai.io/v1/realtime?model=gpt-realtime-2.1"
# URL = "wss://synthorai.io/v1/realtime?model=nova-2-sonic"  # descomenta esta línea, comenta la de arriba
# Send ONLY the Authorization header - the beta protocol is retired.
HEADERS = {"Authorization": "Bearer sk-syn-..."}

async def main():
    async with websockets.connect(URL, additional_headers=HEADERS) as ws:
        # 1) configure the speech-to-speech session
        await ws.send(json.dumps({
            "type": "session.update",
            "session": {
                "type": "realtime",
                "output_modalities": ["audio"],
                "audio": {"output": {"voice": "alloy"}},
            },
        }))
        # 2) send input audio (base64 PCM16), then request a spoken reply
        await ws.send(json.dumps({"type": "input_audio_buffer.append", "audio": pcm16_b64}))
        await ws.send(json.dumps({"type": "input_audio_buffer.commit"}))
        await ws.send(json.dumps({"type": "response.create"}))
        # 3) stream the model's audio (and text) back
        async for raw in ws:
            ev = json.loads(raw)
            if ev["type"] == "response.audio.delta":
                play(base64.b64decode(ev["delta"]))   # audio out
            elif ev["type"] == "response.done":
                break

asyncio.run(main())

Obtén tu clave API →

Preguntas frecuentes

¿Cuál es más barato, GPT Realtime 2.1 o nova-2-sonic?

nova-2-sonic es más barato en Entrada de audio / 1M tokens ($3 frente a $32, una diferencia de 11×). En otras filas puede ser al revés: la tabla de arriba recoge todas las tarifas, y el coste real depende de tu combinación de uso.

¿Puedo hacer pruebas A/B de GPT Realtime 2.1 frente a nova-2-sonic sin dos integraciones?

Sí. Los dos se sirven desde el mismo endpoint compatible con OpenAI y con una sola clave API. Para cambiar de uno a otro basta con tocar una línea, el nombre del modelo, así que puedes mandar una parte del tráfico a cada uno y comparar directamente las facturas.

¿Admiten GPT Realtime 2.1 y nova-2-sonic caché de prompts?

En nuestros datos solo figura precio de lectura de caché para uno de los dos; cuando falta la tarifa es porque el proveedor no fija un precio aparte para las lecturas de caché.

Comparativas relacionadas

De nuestros estudios con mediciones