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

Context

기존 음성 API의 단순 호출-응답 구조로 인한 컨텍스트 추적 및 실시간 도구 실행의 한계 발생. 단순한 음성 변환을 넘어 추론, 번역, 전사가 동시 수행되는 고지능형 인터페이스 필요성 증대.

Technical Solution

• Reasoning Effort 5단계 조절 설계를 통한 지연시간과 추론 깊이의 최적 밸런스 구현
• Context Window를 32K에서 128K로 확장하여 복잡한 워크플로우 및 장기 세션 유지 능력 확보
• Preambles 도입을 통한 도구 호출 중 사용자 인지 지연 시간의 심리적 해소
• 병렬 도구 호출 및 투명성 로직 적용으로 다중 작업 처리 중 실시간 상태 피드백 제공
• 강화된 복구 동작 설계를 통한 대화 단절 방지 및 자연스러운 에러 핸들링 체계 구축
• 전용 스트리밍 모델 분리를 통한 저지연 전사(Whisper)와 실시간 번역(Translate) 파이프라인 최적화

Impact

• GPT-Realtime-2 (high) 기준 Big Bench Audio 오디오 인텔리전스 점수 15.2% 향상
• Audio MultiChallenge 지시 따르기 기준 GPT-Realtime-1.5 대비 13.8% 성능 개선
• Zillow 프로덕션 환경에서 프롬프트 최적화 후 통화 성공률 69%에서 95%로 26포인트 상승
• 타 모델 대비 힌디어, 타밀어, 텔루구어 단어 오류율(WER) 12.5% 감소

Key Takeaway

음성 인터페이스의 핵심은 단순한 응답 속도가 아닌, 추론-행동-피드백이 실시간으로 결합된 Voice-to-Action 루프의 완성도에 있음.