2025 年 10 月 7 日，OpenAI 首席执行官萨姆 · 奥尔特曼（Sam Altman）在开发者日活动上宣布，正式通过 API 推出新一代语言模型 GPT-5 Pro 及轻量化语音模型 "GPT-realtime-mini"，旨在进一步降低开发者集成语音功能的门槛，推动多模态人机交互的普及。

奥尔特曼特别强调了语音交互在未来人机沟通中的核心地位。他指出，随着技术发展，语音将成为用户与 AI 系统交互的主要方式之一。此次推出的轻量化语音模型，正是为了降低开发者集成语音功能的门槛，推动语音交互技术在更多场景中的普及应用。

此次发布与 GPT-5 Pro 模型同步推出，后者专注于金融、法律、医疗等高精度推理场景，支持 40 万 tokens 上下文长度，但仅通过 Responses API 提供。同时，OpenAI 还发布了视频生成模型 Sora 2 的 API 预览版，并上线了 AgentKit 智能体开发工具，进一步丰富开发者生态。

面对全球 AI 厂商在 API 生态领域的竞争，OpenAI 通过轻量化模型和降价策略吸引开发者。业内分析指出，API 标准化或成为行业下一步焦点，有望降低开发门槛并提升模型互操作性。随着语音交互在智能家居、车载系统等场景的普及，OpenAI 此举可能重塑多模态 AI 市场的竞争格局。

多模态大型语言模型 ( Multimodal Large Language Models，简称 MLLMs ) 是一类结合了大型语言模型 ( Large Language Models，简称 LLMs ) 的自然语言处理能力与对其他模态 ( 如视觉、音频等 ) 数据的理解与生成能力的模型。这些模型通过整合文本、图像、声音等多种类型的输入和输出，提供更加丰富和自然的交互体验。

多模态大模型产业链是一个庞大而复杂的系统，涵盖了从硬件设施到软件开发的各个环节，主要包括基础层、模型层和应用层。其中，基础层主要包括硬件和基础软件，模型层主要是多模态大模型的种类，包括 CLIP、BLIP、BLIP-2、dreamLLM、LLaMA、LLaVA、flamingo、mini-GPT4 等，应用层则是指大模型结合行业的进一步升级应用形成的行业大模型，主要包括生产制造领域、生活娱乐领域和公共服务领域等。

早期大模型的商业模式主要为 SaaS 模式和 PaaS 模式，但随着大模型行业的快速发展以及再各行各业的快速拓展应用，以大模型为核心的 MaaS 模式 ( 模型即服务 ) 出现，MaaS 模式允许大模型服务提供商将大模型的特定功能或整个模型封装为 API ( 应用程序接口 ) ，并将其作为一种服务，提供给其他开发者或业务合作伙伴使用，是目前大模型行业一种主流的商业模式。

业内分析认为，OpenAI 此次双管齐下的产品策略，既保持了其在文本生成领域的领先优势，又通过专用语音模型完善了多模态交互能力。这种技术布局不仅满足了市场对高效 AI 工具的需求，也为构建更自然的人机交互体验奠定了基础。

前瞻经济学人 APP 产业观察组

更多本行业研究分析详见前瞻产业研究院《2025-2030 年全球及中国多模态大模型行业发展前景与投资战略规划分析报告》

同时前瞻产业研究院还提供产业新赛道研究、投资可行性研究、产业规划、园区规划、产业招商、产业图谱、产业大数据、智慧招商系统、行业地位证明、IPO 咨询 / 募投可研、专精特新小巨人申报、十五五规划等解决方案。如需转载引用本篇文章内容，请注明资料来源（前瞻产业研究院）。

更多深度行业分析尽在【前瞻经济学人 APP】，还可以与 500+ 经济学家 / 资深行业研究员交流互动。更多企业数据、企业资讯、企业发展情况尽在【企查猫 APP】，性价比最高功能最全的企业查询平台。