OpenAI השיקה את GPT‑Live‑1 ב‑API: שיחות קוליות שמקשיבות ומדברות בו־זמנית

ההודעה של OpenAI על השקת המודל ב־API פורסמה למעשה ב־10 בספטמבר 2026, ולא ב־11 בספטמבר. החברה הציגה את GPT‑Live‑1 כמודל קול זמין באופן כללי, הפועל ב־full duplex — כלומר, מסוגל להקשיב ולדבר באותו זמן, כדי לייצר סוכני קול שנשמעים פחות כמו מערכת מענה אוטומטי ויותר כמו שיחה רציפה. 3

מה שונה בארכיטקטורה

סוכני קול מסורתיים בנויים בדרך כלל כשרשרת: דיבור לטקסט, מודל שפה או חשיבה, ואז טקסט לדיבור. כל מעבר כזה בין רכיבים עלול להוסיף השהיה ולאבד רמזים חשובים כגון תזמון, הקשר וקצב הדיבור. GPT‑Live‑1 מאחד את ההאזנה והדיבור למודל קולי אחד. 3

• הוא יכול להגיב בזמן אמת להפרעה של המשתמש או לאותות קצרים של הקשבה והסכמה, במקום להמתין לסיום תור הדיבור. 3
• במקביל, אפשר להעביר חשיבה מורכבת יותר או הפעלת כלים למודל אחורי. 3
• מפתחים יכולים לבחור מודל אחורי של OpenAI, כגון GPT‑6 Astra, או מודל של צד שלישי — בהתאם לאיזון הרצוי בין יכולות חשיבה, מהירות ועלות. 3
• OpenAI הדגישה אפשרויות שליטה באמצעות הנחיית מערכת: טון הדיבור, קצב וסגנון שיחה. היא ציינה גם פריסה בטלפוניה, טיפול ברעשי רקע ובשתיקות, אמינות בשיחות ארוכות, תמלילים וטקסט תשובה, זיהוי רצפים אלפאנומריים והטיית זיהוי לפי מילות מפתח. 3

תמחור וגישה

עלות שיחת קול ב־GPT‑Live‑1 היא 0.05 דולר לדקה. החיוב נעשה לפי שניות, ללא עיגול לדקה שלמה. 2

חשוב לתכנן את העלות הכוללת: מחיר זה מכסה את שכבת הקול בלבד. השימוש במודל האחורי ובכלים מחויב בנפרד, לפי תמחורם. 2

המקורות שסופקו אינם מבססים פרטים נטענים על גישת ארגונים מנוהלת בשם “Presence”, וגם אינם מאמתים טענה מפורטת על הרחבת כיסוי המבטאים, הניבים והשפות.

ביצועים שדווחו

OpenAI דיווחה על שיפור של 30 נקודות אחוז במדד Full Duplex Bench לעומת GPT‑Realtime‑2.1. לפי החברה, השילוב של GPT‑Live‑1 עם GPT‑6 Astra ברמת מאמץ חשיבה בינונית דורג במקום הראשון במדד Tau3. 3

עם זאת, החומר שסופק אינו מציג באופן עצמאי את נתוני ההשהיה המדויקים של 1.41 לעומת 0.798 שניות, או את שיעורי המעבר המדויקים של 86.2% לעומת 45.7% ב־Tau3. לכן אין להתייחס למספרים אלה כמאומתים על בסיס הראיות המצורפות.

דיווחים של מאמצים מוקדמים

Yelp מסרה כי שילוב GPT‑Live‑1 ב־Yelp Host וב־Hatch שיפר את חילופי התורות ואת הדיוק לעומת ארכיטקטורת הקול הקודמת שלה. בשיחות להזמנת שולחן או להזמנת אוכל, החברה דיווחה על שיפור בטיפול בשיחות ועל כך שמתקשרים דיברו במשפטים מלאים וטבעיים יותר. 3

Speak דיווחה שהמודל מאפשר ללומדי שפה זמן רב יותר לחשוב לפני תגובת המורה הקולי, ושכך צומצמו ההפרעות בכמעט 80% לעומת מערכות קודמות המבוססות על תורות דיבור. 3

מייסד־שותף וסמנכ״ל טכנולוגיות של חברת בריאות מסר כי החלפת יישום מדורג ב־GPT‑Live‑1 פישטה את בסיס הקוד ב־80% והסירה 23,000 שורות קוד, באופן שאפשר שיחות טבעיות יותר עם מטופלים בזמן אמת. 3