gpt-realtime-mini is de kleinere, snellere en goedkopere variant binnen OpenAI's realtime voice-familie. Dezelfde API-vorm als de volledige gpt-realtime. Dezelfde streamingverbinding op basis van WebSockets. Hetzelfde verhaal voor function-calling en tool-use. Wat je inlevert is een deel van de redeneerdiepte en de coherentie over lange gesprekken die het volledige model wél vasthoudt. Wat je terugkrijgt is een merkbare kostenreductie per call en een lichte latentievoorsprong die op schaal cumulatief doorwerkt.
Wat het dekt
De mini behandelt de volledige conversationele lus van begin tot eind: luisteren, redeneren, spreken, tools aanroepen, state over meerdere beurten. Voice-activity detection stuurt het beurtwisselen. Het model onderbreekt soepel wanneer de gebruiker midden in een antwoord begint te spreken. Function calls vinden plaats binnen de persistente verbinding zonder de audiostroom te onderbreken. Alles wat gpt-realtime laat aanvoelen als een telefoongesprek in plaats van een request-response-API is ook in de mini aanwezig.
De beperking zit in het parameterbudget. De mini is een kleiner model. Het verwerkt gestructureerde intent-bomen en afgebakende gespreksflows goed. Het begint nauwkeurigheid te verliezen bij gesprekken die genuanceerd meerstapsredeneren over veel beurten vergen, of die complexe vertakkende tool-call-patronen vereisen waarbij de bot moet onthouden welk pad hij vijf minuten geleden heeft gevolgd.
Voor de meeste voice-producten is dat prima. Klantenservicebots die routinevragen beantwoorden, IVR-vervangers die calls intelligent routeren, boekings- en bestelbots die een gebruiker door een vaste flow leiden, toegankelijkheidstools die applicatiestate in een gesprek inbedden. Al deze workloads passen comfortabel binnen het capaciteitsbereik van de mini.
Waar de latentievoorsprong zichtbaar wordt
De tijd tot het eerste audiofragment ligt iets krapper dan bij het volledige model. Het verschil is op een enkele call niet dramatisch, maar op schaal telt het. Wanneer je een voice-dienst met hoog volume draait waarbij de gebruikersperceptie van responsiviteit de tevredenheidsmetrieken stuurt, vertaalt de latentievoorsprong van de mini zich in meetbaar betere gebruikerservaring.
Het kostenverhaal is de grotere driver. Voor implementaties met veel calls loopt het verschil in minuutprijs tussen mini en full snel op. Een bot die tienduizend calls per maand verwerkt van gemiddeld vijf minuten zit op een volledig ander kostenprofiel op mini versus full, en dat verschil financiert een hoop productontwikkeling.
De afweging komt naar voren bij de moeilijke calls. Die waarin de gebruiker iets vraagt wat de bot niet verwachtte, of een complex meerledig verzoek aaneenrijgt, of waarin de bot een reeks tool calls moet afhandelen die afhangen van de gespreksstate. Bij die calls produceert de mini eerder een minder bevredigend antwoord of verliest hij de context. Voor de meeste workloads vormen die calls de minderheid, en een schoon escalatiepad naar een menselijke agent vangt ze op.
Waar het tekortschiet
Complex meerstapsredeneren tijdens een gesprek. Als de gebruiker de bot vraagt om drie productopties te vergelijken op vijf criteria en de beste aan te bevelen, levert de mini vaak iets dat plausibel klinkt maar een vergelijkingsdimensie overslaat of zichzelf over beurten heen tegenspreekt. De volledige gpt-realtime gaat beter om met deze redeneerzware beurten.
Lange gesprekken met substantiële state. Na ongeveer vijftien minuten dichte conversatie begint de mini nauwkeurigheid te verliezen op details uit eerdere delen van het gesprek. Je kunt dit verbergen door periodiek samenvattingen te injecteren, maar dat geeft wrijving. Het volledige model houdt langere gesprekken schoner vast.
Tool-call-vertakking met diepe state. Als je bot een tiental verschillende functies moet aanroepen in een volgorde waarbij elke call afhangt van het resultaat van de vorige, dan beheerst de mini de vorm wel, maar verliest hij vaker het overzicht dan het volledige model.
Kiezen of een trapje hoger gaan
Kies standaard voor gpt-realtime-mini bij nieuwe voice-productontwikkeling waar het gesprekspatroon afgebakend is en de kosten per call meetellen. Het is het juiste niveau voor het leeuwendeel van klantgericht voice-werk, vooral voor producten die moeten opschalen naar duizenden gelijktijdige sessies zonder het budget op te branden aan het volledige model.
Schaal op naar gpt-realtime of gpt-realtime-1.5 wanneer het gesprekspatroon werkelijk open is, de gebruiker diep redeneren verwacht, of het tool-use-verhaal zo complex is dat de faalkans van de mini een echt productprobleem wordt. Voor het pinnen van versies met datum-alias in gereguleerde workflows zijn gpt-realtime-mini-2025-10-06 en gpt-realtime-mini-2025-12-15 de snapshots om vast te zetten.
Voor pure synthese zonder de conversationele lus is gpt-4o-mini-tts het gespecialiseerde TTS-niveau. Voor transcriptie-met-samenvattingpipelines die de live dialoogvorm niet nodig hebben, dekt gpt-audio-mini die workload tegen nog lagere kosten. Cross-vendor matchen Google's TTS-endpoints zoals gemini-2.5-flash-preview-tts de architectuur van de conversationele lus niet, dus een directe vergelijking is misleidend. EU-data-residentie wordt standaard niet gegarandeerd door enige van de OpenAI realtime-endpoints.
Laatste technische review: 2026-05-22 — Tokonomix.ai
