Kompanija OpenAI predstavila je 6. jula dva nova glasovna modela u svom Realtime API-ju, gpt-realtime-2.1 i gpt-realtime-2.1-mini. Prema saopštenju kompanije, novi modeli smanjuju vreme odziva na najsporijim upitima za najmanje 25 odsto i donose bolju obradu prekida u razgovoru, tačnije prepoznavanje brojeva i slova, kao i stabilnije ponašanje kada korisnik govori preko modela. Reč je o alatima namenjenim programerima koji grade glasovne agente, aplikacije koje sa korisnikom razgovaraju u realnom vremenu, od telefonske podrške do asistenata u automobilima i uređajima.
Objava se naslanja na liniju modela koju je OpenAI otvorio prošle godine sa modelom gpt-realtime, prvim koji je kompanija označila kao spreman za produkciju. Verzija 2.1 nastavlja tamo gde je stao gpt-realtime-2, ali sada u dve varijante, jednoj snažnijoj i jednoj manjoj i jeftinijoj.
Šta tačno donose novi modeli
Glavni model, gpt-realtime-2.1, OpenAI opisuje kao najjaču opciju za rasuđivanje u realnom vremenu, upotrebu alata i vođenje razgovora. Podržava takozvanu razmenu govor u govor, gde model prima zvuk i odmah odgovara glasom, bez međukoraka u kome se reč pretvara u tekst pa nazad u govor. Taj pristup skraćuje pauzu između pitanja i odgovora, što je za glasovne aplikacije ključno jer i sekunda tišine deluje neprirodno.
Manji model, gpt-realtime-2.1-mini, kompanija predstavlja kao jeftiniju i bržu opciju za ista glasovna zaduženja. OpenAI ga naziva modelom sa rasuđivanjem, što znači da zadržava sposobnost da prati uputstva i poziva alate, ali uz nižu cenu po upotrebi. Za firme koje glasovne agente puštaju u velikom obimu, na primer za obradu poziva, razlika u ceni po minutu razgovora brzo postaje presudna.
Prepoznavanje brojeva i slova
Jedan od konkretnijih pomaka odnosi se na prepoznavanje kombinacija slova i cifara. OpenAI navodi da gpt-realtime-2.1 bolje čita i razume nizove poput brojeva porudžbine, telefonskih brojeva i kodova za potvrdu. Taj detalj deluje sitno, ali upravo na njemu padaju mnogi glasovni sistemi. Agent koji pogrešno pročita jedan broj u kodu za potvrdu prekida celu transakciju, a korisnik odustaje. Bolja obrada tišine i pozadinske buke, koju kompanija takođe pominje, ide u istom pravcu, ka pouzdanijem radu u realnim uslovima, a ne samo u tihoj sobi.
Ponašanje pri prekidu
OpenAI posebno izdvaja ponašanje modela kada korisnik počne da govori pre nego što agent završi rečenicu. U prirodnom razgovoru ljudi se stalno prekidaju, i sistem koji to ne obrađuje dobro deluje robotski, jer nastavlja da priča preko sagovornika. Novi modeli, prema navodima kompanije, pouzdanije zastaju i prepuštaju reč korisniku. Vreme odziva smanjeno je, kako se navodi, zahvaljujući boljem keširanju, tehnici koja čuva već obrađene delove razgovora da se ne bi računali iznova.
Zašto je glas ponovo u žiži
Glasovni interfejsi su godinama bili obećanje koje tehnologija nije mogla da isprati. Rani asistenti razumeli su kratke komande, ali su se gubili u dužem razgovoru i teško pozivali spoljne alate. Sa modelima koji razmenu govora obavljaju u jednom prolazu, bez sklapanja od više odvojenih sistema, ta granica se pomera. Za programere to znači da glasovni agent može ne samo da odgovori nego i da tokom razgovora pozove funkciju, na primer da proveri stanje porudžbine ili zakaže termin, i da rezultat odmah izgovori.
Konkurencija je izražena. Google svoje glasovne mogućnosti gradi kroz porodicu Gemini, dok Anthropic za sada glasovnu interakciju ne stavlja u prvi plan i ostaje fokusiran na tekstualne i agentske alate poput Claude Code. OpenAI ovim potezom učvršćuje poziciju u segmentu u kome je već imao prednost, glasovnim aplikacijama koje se grade preko API-ja, a ne u samoj aplikaciji ChatGPT. Novi modeli, kako kompanija navodi, dostupni su kroz Realtime API, dakle programerima, i nisu deo besplatnog razgovora u ChatGPT-u.
Kontekst za region
Za firme u Srbiji i regionu koje razmišljaju o glasovnoj automatizaciji, na primer u pozivnim centrima ili korisničkoj podršci, ovakvi modeli otvaraju praktično pitanje jezika i cene. Kvalitet razumevanja srpskog jezika u glasovnom režimu OpenAI ne navodi posebno, pa ostaje na onima koji grade rešenja da to provere u praksi pre bilo kakve šire primene. Niža cena manjeg modela svakako spušta prag za eksperimentisanje, ali odluka o puštanju glasovnog agenta pred stvarne korisnike traži testiranje na konkretnom jeziku i konkretnim scenarijima.
Šta ostaje otvoreno
OpenAI nije objavio nezavisno proverene rezultate merenja koji bi potvrdili navod o smanjenju odziva za 25 odsto, pa taj broj za sada počiva na tvrdnji kompanije. Nije javno ni koliko se dve nove varijante razlikuju u kvalitetu razumevanja i koliko manji model gubi u tačnosti u zamenu za nižu cenu. Ta pitanja obično dobiju odgovor tek kada programeri modele isprobaju u svojim aplikacijama i uporede ih sa prethodnom generacijom i sa konkurencijom.
Za sada je jasno da OpenAI glasovne agente tretira kao zasebnu, ozbiljnu kategoriju proizvoda, a ne kao dodatak tekstualnim modelima. Sa dve varijante, jednom za kvalitet i jednom za obim, kompanija pokušava da pokrije i zahtevne i masovne slučajeve upotrebe. Koliko će se to pretvoriti u stvarne glasovne aplikacije, pokazaće naredni meseci.
Često postavljana pitanja
Šta su gpt-realtime-2.1 i gpt-realtime-2.1-mini?
To su dva nova glasovna modela koja je OpenAI objavio 6. jula 2026. u okviru Realtime API-ja. Veći model je namenjen zahtevnijim glasovnim agentima, a manji je jeftinija i brža varijanta za masovniju upotrebu.
Da li su dostupni u aplikaciji ChatGPT?
Ne. Modeli su, prema navodima kompanije, dostupni kroz Realtime API i namenjeni su programerima koji grade sopstvene glasovne aplikacije, a ne krajnjim korisnicima ChatGPT-a.
Šta je konkretno poboljšano u odnosu na prethodnu verziju?
OpenAI navodi manje vreme odziva na najsporijim upitima, bolje prepoznavanje brojeva i slova, stabilniju obradu tišine i buke, kao i pouzdanije ponašanje kada korisnik prekine model tokom govora.
Podržavaju li novi modeli srpski jezik?
Kompanija ne navodi posebno kvalitet razumevanja srpskog u glasovnom režimu. Firme koje razmišljaju o primeni trebalo bi da to provere testiranjem pre šire upotrebe.
