GPT-4o mini Realtime, dostępny od 17 grudnia 2024 roku, udostępnił rozmowę głosową na żywo aplikacjom, których nie było stać na stawkę flagową: 10 USD za milion tokenów dźwiękowych na wejściu i 20 na wyjściu wobec 40 i 80 w GPT-4o Realtime. Tekst kosztuje 0,60 i 2,40 USD, wejście z pamięci podręcznej 0,30 USD. Płaci się miejscem w pamięci. Model mieści 16 tysięcy tokenów kontekstu — połowę pełnego modelu czasu rzeczywistego i ósmą część turowego mini — i odpowiada najwyżej 4096 tokenami, co w dłuższej rozmowie głosowej ogranicza najszybciej. Słucha i mówi przez WebRTC albo WebSocket, na wejściu i wyjściu przyjmuje tekst i dźwięk, a jego wiedza kończy się 1 października 2023 roku. Jak reszta starszej linii głosowej trafił na listę wycofań 20 lipca 2026 i milknie 20 stycznia 2027; następcą jest gpt-realtime-2.1-mini.