GPT-Live-1 tuo täysdupleksipuheen OpenAI:n APIin 0,05 dollarilla minuutilta

OpenAI julkaisi GPT-Live-1:n yleisesti saataville APIssa 10. syyskuuta 2026. Julkaisupäivä ei siis ollut 11. syyskuuta. Malli on tarkoitettu puheagentteihin, jotka voivat kuunnella ja puhua samanaikaisesti sen sijaan, että keskustelu etenisi jäykkinä, loppuun saatettuina vuoroina. 116

Mitä täysdupleksisuus käytännössä tarkoittaa?

Moni puheagentti rakentuu ketjusta, jossa puhe muunnetaan tekstiksi, kielimalli muodostaa vastauksen ja tekstistä tehdään jälleen puhetta. GPT-Live-1 on OpenAI:n mukaan yhtenäinen äänikerros keskustelun reaaliaikaista osuutta varten. 1

Keskeinen ero liittyy puheenvuorojen rytmiin. GPT-Live-1 voi kuunnella ja puhua yhtä aikaa, seurata taukoja ja puhenopeuden muutoksia sekä arvioida, onko syytä vastata vai jatkaa kuuntelua. Tavoitteena on, että keskeytykset ja lyhyet myöntelyt eivät näyttäydy virheinä, vaan normaalina keskusteluna. 1915

Äänimallin ei kuitenkaan tarvitse hoitaa kaikkia tehtäviä itse. Keskustelu voi jatkua samalla, kun taustalla toimiva malli tai agentti tekee vaativampaa päättelyä tai käyttää työkaluja. OpenAI tukee Responses-delegointia OpenAI-mallille sekä asiakaspuolen delegointia kehittäjän omaan taustajärjestelmään. 116

Äänikerros edessä, päättely taustalla

GPT-Live-1 toimii käytännössä keskustelun ääniosuutena: se kuuntelee, puhuu ja hallitsee vuorovaikutuksen ajoitusta. Taustajärjestelmä voi puolestaan vastata esimerkiksi tiedonhausta, työvaiheiden suorittamisesta, työkalukutsuista tai monimutkaisemmasta päättelystä. OpenAI:n tuotetiedoissa GPT-6 Astra mainitaan vaihtoehtona vaikeampiin haku- ja päättelytehtäviin, mutta API-kehittäjä voi liittää myös oman taustajärjestelmänsä asiakaspuolen delegoinnilla. 416

Käytännössä tämä tarkoittaa kolmea asiaa:

• GPT-Live-1 hoitaa reaaliaikaisen vuorovaikutuksen: kuuntelun, puheen ja keskustelun rytmin.
• Taustamalli tai agentti voi hoitaa vaativat päätökset ja työkalujen käytön.
• Puheagentin kustannukset ja toiminta määräytyvät molemmista kerroksista, eivät vain äänimallista. 1618

OpenAI nosti API-julkaisun yhteydessä esiin myös paremman ohjeiden noudattamisen, mukautetut äänet ja puhelinverkkotuen. 13

Hinta: 0,05 dollaria minuutilta – ja lisäksi taustapalvelut

GPT-Live-1:n äänisessio maksaa 0,05 dollaria minuutilta. Laskutus tehdään sekunnin tarkkuudella, joten aikaa ei pyöristetä seuraavaan täyteen minuuttiin. 1618

Tämä on äänisession hinta, ei välttämättä koko puheagentin lopullinen kustannus. Taustamallin käyttö ja työkalukutsut veloitetaan erikseen. Tuotantokäytössä budjettiin on siis laskettava sekä keskustelun kesto että taustalle delegoitu työ. 1618

Suorituskykyväitteet: mitä lähteet tukevat?

OpenAI ilmoitti GPT-Live-1:n parantaneen tulosta 30 prosenttiyksiköllä Full Duplex Bench -vertailussa GPT-Realtime-2.1:een nähden. Yhtiön mukaan GPT-Live-1 yhdessä GPT-6 Astran kanssa, kun päättelytasoksi asetettiin medium, sijoittui ensimmäiseksi Tau3-vertailussa. 1

Annettu lähdeaineisto ei kuitenkaan vahvista itsenäisesti kysymyksessä mainittuja täsmällisiä lukuja puheenvuoronvaihdon viiveestä tai Tau3:n tarkasta läpäisyprosenttien vertailusta. Näitä lukuja ei siksi pidä pitää tässä vahvistettuina.

Mitä varhaiset käyttäjät kertoivat?

OpenAI esitteli useita tuotantokäytön esimerkkejä, joissa luonnollisempi puheenvuorojen hallinta oli keskeisessä roolissa:

• Yelp kertoi puheenvuorojen hallinnan ja tarkkuuden parantuneen, kun GPT-Live-1 otettiin käyttöön Yelp Host- ja Hatch-palveluissa. Varaus- ja ruokatilauspuheluissa soittajien kerrottiin puhuvan pidemmin ja luonnollisemmin, ja puhelujen käsittely parani. 1
• Speak kertoi oppijoiden saavan enemmän aikaa ajatella ennen kuin puheohjaaja vastaa. Keskeytykset vähenivät yhtiön mukaan lähes 80 prosenttia aiempiin vuoropohjaisiin järjestelmiin verrattuna. 1
• Terveydenhuoltoalan yritys kertoi luopuneensa ketjutetusta toteutuksesta, mikä yksinkertaisti koodikantaa 80 prosenttia ja poisti 23 000 koodiriviä. Samalla tavoitteena oli luonnollisempi reaaliaikainen keskustelu potilaiden kanssa. 1

Kyse on yritysten omista raportoimista tuloksista, ei riippumattomista arvioista. Ne ovat siksi esimerkkejä käyttöönotosta, eivät yleispäteviä suorituskykytakuita.

Mitä aineisto ei vahvista?

Saatavilla oleva aineisto ei vahvista väitteitä yritysasiakkaiden pääsystä hallinnoidun "Presence"-tuotteen kautta. Se ei myöskään osoita, että API-julkaisussa olisi erikseen laajennettu aksenttien, murteiden tai kielten tukea. Nämä tiedot kannattaa tarkistaa suoraan OpenAI:n ajantasaisesta dokumentaatiosta ennen hankinta- tai toteutuspäätöksiä.

Yhteenveto

GPT-Live-1:n olennaisin muutos on arkkitehtuurissa: APIin tulee täysdupleksinen äänikerros, jonka avulla agentti voi kuunnella ja puhua luonnollisemmin samalla, kun erillinen järjestelmä tekee hitaampaa päättelyä tai käyttää työkaluja. Äänikerroksen hinta on 0,05 dollaria minuutilta, sekunnin tarkkuudella laskutettuna. Kokonaiskustannus riippuu silti valitusta taustamallista ja työkaluista. 11618