GPT-Live-1 מגיע ל-API עם שיחה קולית דו-כיוונית ותמחור של 0.05 דולר לדקה

OpenAI הודיעה על זמינות כללית של GPT-Live-1 ב-API ב־10 בספטמבר 2026, ולא ב־11 בספטמבר. ההשקה מעניקה למפתחים שכבת קול לבניית סוכנים שיכולים להאזין ולדבר באותו זמן, במקום לנהל שיחה כרצף נוקשה של תורות דיבור שהושלמו. 116

מה משנה קול דו־כיווני מלא?

סוכנים קוליים רבים בנויים כשרשרת: מנגנון זיהוי דיבור ממיר את קול המשתמש לטקסט, מודל שפה מנסח תשובה, ומנגנון טקסט לדיבור מחזיר אותה לקול. GPT-Live-1 מוצג כשכבת קול אחודה עבור החלק השיחתי והזמן־אמת של התהליך. 1

ההבדל המעשי הוא בניהול תורות הדיבור. לפי OpenAI, GPT-Live-1 מסוגל להאזין ולדבר בו־זמנית, לעקוב אחר השהיות ושינויי קצב, ולהחליט אם לענות או להמשיך להקשיב. התכנון הזה נועד לאפשר טיפול טבעי יותר בקטיעות ובתגובות קצרות של המאזין — למשל "כן" או "הבנתי" — במקום לפרש אותן כתקלה בשיחה. 1915

המודל הקולי אינו חייב לבצע בעצמו כל משימה. השיחה עם GPT-Live-1 יכולה להימשך בזמן שמודל או סוכן בקצה האחורי מבצע היגיון עמוק יותר או מפעיל כלים. OpenAI תומכת ב-Responses delegation עם מודל של OpenAI, וכן ב-client delegation שמחבר את המערכת לשרת של המפתח עצמו. כך אפשר לבחור את מנגנון ההיגיון שמאחורי חוויית הקול. 116

חלוקת העבודה ב-API

GPT-Live-1 משמש שכבת השיחה הקולית שבחזית: הוא מאזין, מדבר ומנהל את תזמון השיחה. הקצה האחורי יכול לטפל במשימות כגון היגיון מורכב יותר, שליפת מידע, ביצוע תהליכי עבודה או הפעלת כלים. בהערות המוצר של OpenAI, GPT-6 Astra מוזכר כאפשרות למשימות חיפוש והיגיון קשות יותר; מפתחי API יכולים גם לחבר backend משלהם באמצעות client delegation. 416

עבור צוותי פיתוח, ההפרדה הזאת יוצרת חלוקה ברורה:

• GPT-Live-1 מנהל את האינטראקציה החיה: האזנה, דיבור ותזמון שיחתי.
• מודל או סוכן backend יכול לקבל החלטות מורכבות ולהשתמש בכלים.
• העלות וההתנהגות של הסוכן כולו תלויות בשתי השכבות, ולא רק במודל הקול. 1618

OpenAI הדגישה גם שיפור במילוי הוראות, קולות מותאמים אישית ותמיכה בטלפוניה במסגרת השקת ה-API. 13

תמחור: 0.05 דולר לדקת קול, ועוד עלויות backend

עלות שיחת קול ב-GPT-Live-1 היא 0.05 דולר לדקה. החיוב מחושב לפי שניות, ללא עיגול כלפי מעלה לדקה שלמה. 1618

זהו המחיר של סשן הקול, ולא בהכרח העלות הכוללת של סוכן קולי. שימוש במודל backend ובכלים מחויב בנפרד, ולכן תקציב לפריסה אמיתית צריך להביא בחשבון גם את משך השיחה וגם את העבודה שהועברה למערכות שמאחוריה. 1618

טענות ביצועים ומה שהמקורות אכן תומכים בו

OpenAI דיווחה כי GPT-Live-1 השתפר ב־30 נקודות אחוז במדד Full Duplex Bench לעומת GPT-Realtime-2.1, וכי GPT-Live-1 בשילוב GPT-6 Astra ברמת מאמץ היגיון בינונית דורג ראשון ב-Tau3. 1

עם זאת, חומר המקור שסופק אינו מאמת באופן עצמאי את הנתונים המדויקים שהופיעו בשאלה לגבי זמן ההשהיה בהחלפת תורות הדיבור, או את השוואת שיעורי המעבר המדויקת ב-Tau3. לכן אין להתייחס למספרים המדויקים האלה כמאומתים כאן.

מה דיווחו משתמשים מוקדמים

OpenAI הציגה כמה פריסות ייצור מוקדמות כהמחשה לערך של ניהול תורות דיבור טבעי יותר:

• Yelp דיווחה על שיפור בניהול תורות הדיבור ובדיוק לאחר שילוב GPT-Live-1 ב-Yelp Host וב-Hatch. בשיחות להזמנת מקום ולביצוע הזמנות אוכל, החברה מסרה שמתקשרים השתמשו במשפטים מלאים וטבעיים יותר ושטיפול השיחות השתפר. 1
• Speak דיווחה שלומדי שפה יכלו לקחת יותר זמן לחשוב לפני שהמורה הקולי מגיב, וכי מספר הקטיעות ירד בכמעט 80% לעומת המערכות הקודמות שלה, שהתבססו על תורות דיבור. 1
• חברת שירותי בריאות מסרה כי מעבר ממימוש מדורג (cascaded) פישט את בסיס הקוד שלה ב־80% והסיר 23,000 שורות קוד, תוך תמיכה בשיחות טבעיות יותר עם מטופלים בזמן אמת. 1

אלו תוצאות שדווחו בידי החברות עצמן, ולא הערכות בלתי תלויות. לכן נכון לראות בהן דוגמאות לפריסה בפועל, ולא הבטחות ביצועים גורפות.

מה לא אושר בחומר שסופק

המקורות הזמינים אינם מבססים טענות על גישה ארגונית באמצעות מוצר מנוהל בשם "Presence", ואינם מאשרים הרחבה מסוימת של מבטאים, ניבים או שפות במסגרת השקת ה-API. לפני החלטות רכש או הטמעה, יש לאמת פרטים אלה ישירות מול התיעוד העדכני של OpenAI.

השורה התחתונה

השינוי המרכזי ב-GPT-Live-1 הוא ארכיטקטוני: הוא מביא ל-API שכבת קול שיחתית דו־כיוונית, המאפשרת לסוכן להמשיך להאזין ולדבר באופן טבעי בזמן שמערכת נפרדת מבצעת היגיון איטי יותר או מפעילה כלים. מחיר שכבת הקול הוא 0.05 דולר לדקה, בחיוב לפי שניות, אך העלות הכוללת תלויה גם במודל ה-backend ובכלים שנבחרו. 11618