🎁 Novità Registrati gratis, 10 chiamate le offriamo noi. Fino a $1, senza carta.

GPT Realtime 2.1 vs nova-2-sonic

vs

Quale scegliere e quando — verdetto curato, non una tabella di benchmark

Entrambi sono modelli audio e di testo in tempo reale fatturati per milione di token, quindi le tariffe sono confrontabili direttamente: nova-2-sonic addebita $3 per l'audio in input e $12 per l'audio in output contro $32 e $64 per gpt-realtime-2.1, e $0.06/$0.24 sul testo rispetto a $4/$24, con 1000000 di contesto e 64000 di output massimo invece di 128000 e 32000. Scegli nova-2-sonic per sessioni vocali lunghe e attente ai costi, se il suo limite di connessione di 8 minuti e l'inferenza solo in-Region si adattano alle tue esigenze; scegli il più recente gpt-realtime-2.1 (rilasciato il 2026-07-06) quando desideri letture di input in cache a $0.4 e nessun vincolo di sessione o regione del genere

Prezzi

GPT Realtime 2.1 nova-2-sonic Δ
Input audio / 1M token $32 $3 11×
Output audio / 1M token $64 $12 5.3×
Lettura cache audio / 1M token $0.4
Input di testo / 1M token $4 $0.06 67×
Output di testo / 1M token $24 $0.24 100×
Scrittura in cache nessun addebito separato nessun addebito separato

Le tariffe provengono dal catalogo live al momento della build; la pagina di ciascun modello riporta la scheda attuale.

Dove si posizionano — prezzo per 1M di token audio rispetto a tutti gli 6 modelli speech-to-speech in tempo reale con questa unità di fatturazione (scala logaritmica)

Capacità

GPT Realtime 2.1 nova-2-sonic
Prompt caching implicito (automatico) non supportato
Durata della cache 5–10m, up to 1h non applicabile
Prefisso minimo in cache 1024 token non applicabile

Specifiche

GPT Realtime 2.1 nova-2-sonic
Modalità di input testo audio testo audio
Modalità di output testo audio testo audio
Rilascio 2026-07-06 2025-12-02
Cutoff di conoscenza 2024-09
Voci

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.

Funzionalità di sessione
  • 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
Finestra di contesto 128K 1M

Le specifiche sono trascritte dalla documentazione di ciascun fornitore; una riga che un fornitore non pubblica viene omessa anziché essere dedotta. Fonti complete: GPT Realtime 2.1 · nova-2-sonic

Passa dall'uno all'altro con una sola riga

Entrambi gli id sono presenti in ogni scheda qui sotto — la coppia di righe evidenziata è l'unica modifica. Stesso endpoint, stessa chiave, stessa struttura della richiesta.

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"  # decommenta questa riga, commenta quella sopra
# 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())

Ottieni una chiave API →

FAQ

Qual è più economico, GPT Realtime 2.1 o nova-2-sonic?

nova-2-sonic è più economico per input audio / 1m token ($3 contro $32, 11× di differenza). Altre righe potrebbero indicare il contrario — la tabella sopra riporta la scheda completa, e il costo reale dipende dal tuo mix.

Posso fare un A/B test di GPT Realtime 2.1 contro nova-2-sonic senza due integrazioni?

Sì. Entrambi sono serviti tramite lo stesso endpoint compatibile con OpenAI con una singola chiave API — il passaggio richiede la modifica della stringa del modello in una sola riga, quindi puoi instradare una frazione del traffico verso ciascuno e confrontare direttamente le fatture.

GPT Realtime 2.1 e nova-2-sonic supportano il prompt caching?

I prezzi per la lettura in cache sono elencati nel nostro feed solo per uno dei due; dove manca una tariffa, il provider non prezza separatamente le letture in cache.

Confronti correlati