OpenAI發佈GPT-Realtime 2.0實時語音模型，支持語音輸入輸出並內置GPT-5級推理能力
該模型可實現低延遲對話、工具調用與中斷處理，已被用於開發語音操控電腦的應用，如實時控制Spotify、VS Code等。
市場機制上，開發者加速構建語音Agent操作系統，資金從文本AI流向實時語音交互與電腦控制工具，OpenAI受益於模型領先優勢，傳統界面應用承壓於語音Agent替代趨勢。
來源：公開信息
ABAB AI 解讀
OpenAI此前已推出Realtime API，此次GPT-Realtime 2.0升級重點增強推理努力度、可配置工具調用與更長上下文，延續從GPT-4o語音模式向真正Agentic語音交互的演進路徑。
資本路徑上，OpenAI將資源投入語音模型工具集成與低延遲優化，動機在於讓AI通過自然語言直接操控電腦、應用與工作流，形成新的交互層，降低用戶對傳統GUI的依賴。
類似案例包括Heyclicky等YC項目用GPT-Realtime 2.0實現Mac全語音控制，以及早期Siri/Alexa向複雜任務Agent的緩慢演化；當前實時語音AI正處於從對話工具向電腦操作系統替代品的轉型早期。
本質屬於技術替代：人機交互從鍵盤/鼠標GUI轉向實時語音Agent OS，機制在於模型推理與工具調用能力的突破降低了交互摩擦，使得語音成爲更高帶寬的控制通道，從而重構軟件使用方式與開發者工具鏈。
ABAB News · 認知定律
語音越自然，界面越消失。
推理越強，Agent越像操作系統。
優秀AI賣操控，傳統AI賣回答。