OpenAI Rilis GPT-Live-1 API untuk Agen Suara Full-Duplex

OpenAI mengumumkan ketersediaan umum GPT-Live-1 di API pada 10 September 2026—bukan 11 September. Model ini ditujukan bagi pengembang yang membangun agen suara untuk aplikasi dan alur kerja bisnis, dengan kemampuan mendengarkan serta berbicara pada saat bersamaan. 116

Apa arti full-duplex untuk agen suara?

Banyak agen suara masih menggunakan rangkaian berurutan: suara pengguna diubah menjadi teks (speech-to-text), model bahasa menyusun jawaban, lalu jawaban diubah kembali menjadi suara (text-to-speech). GPT-Live-1 diposisikan sebagai lapisan suara terpadu untuk bagian percakapan real-time tersebut. 1

Perbedaan utamanya ada pada giliran berbicara. OpenAI menyatakan GPT-Live-1 dapat terus mendengarkan sambil berbicara, mengenali jeda dan perubahan tempo, lalu menentukan apakah perlu menjawab atau tetap menyimak. Dengan begitu, interupsi dan respons singkat seperti “iya” atau “hmm”—yang kerap disebut backchannel—diharapkan terasa sebagai bagian wajar dari percakapan, bukan kesalahan sistem. 1915

Suara di depan, penalaran di backend

GPT-Live-1 tidak harus menjalankan semua pekerjaan agen sendirian. Percakapan dapat tetap berlangsung sementara model atau agen backend melakukan penalaran lebih mendalam maupun memakai alat. OpenAI mendukung Responses delegation dengan model OpenAI dan client delegation untuk menghubungkan backend milik pengembang sendiri. 116

Dalam praktiknya, pembagian perannya seperti ini:

• GPT-Live-1 mengelola interaksi langsung: mendengarkan, berbicara, dan pengaturan waktu percakapan.
• Model atau agen backend dapat menangani keputusan yang lebih rumit, pencarian informasi, eksekusi alur kerja, atau pemanggilan alat.
• Biaya dan perilaku agen secara keseluruhan ditentukan oleh kedua lapisan tersebut, bukan oleh model suara saja. 1618

Dalam catatan produknya, OpenAI menyebut GPT-6 Astra sebagai salah satu opsi untuk tugas pencarian dan penalaran yang lebih sulit. Pengembang API juga dapat menghubungkan backend mereka sendiri melalui client delegation. 416

OpenAI turut menyoroti kemampuan mengikuti instruksi yang lebih baik, suara kustom, dan dukungan teleponi dalam peluncuran API ini. 13

Harga: US$0,05 per menit, tetapi bukan total biaya agen

Sesi suara GPT-Live-1 dikenai tarif US$0,05 per menit. Penagihan dilakukan per detik, tanpa pembulatan ke menit penuh berikutnya. 1618

Tarif itu hanya berlaku untuk sesi lapisan suara. Penggunaan model backend dan alat ditagihkan secara terpisah. Karena itu, perencanaan biaya agen suara di lingkungan produksi perlu memperhitungkan durasi percakapan sekaligus kerja yang didelegasikan ke backend. 1618

Klaim performa yang didukung sumber

OpenAI melaporkan peningkatan 30 poin persentase pada Full Duplex Bench dibanding GPT-Realtime-2.1. OpenAI juga menyatakan kombinasi GPT-Live-1 dan GPT-6 Astra dengan tingkat penalaran menengah menempati peringkat pertama di Tau3. 1

Namun, materi sumber yang tersedia tidak menguatkan secara independen angka spesifik mengenai latensi pergantian giliran maupun perbandingan persentase kelulusan Tau3 yang disebut dalam pertanyaan awal. Angka-angka rinci itu sebaiknya tidak dianggap telah terverifikasi di sini.

Laporan pengguna awal

OpenAI mengangkat beberapa penerapan produksi awal sebagai contoh manfaat percakapan dengan pergantian giliran yang lebih alami:

• Yelp melaporkan peningkatan pergantian giliran dan akurasi setelah mengintegrasikan GPT-Live-1 ke Yelp Host dan Hatch. Untuk panggilan reservasi serta pemesanan makanan, perusahaan itu menyebut penelepon berbicara dengan kalimat yang lebih lengkap dan alami, sementara penanganan panggilan membaik. 1
• Speak melaporkan pelajar dapat memiliki waktu berpikir lebih lama sebelum tutor merespons, sehingga interupsi berkurang hampir 80% dibanding sistem sebelumnya yang berbasis giliran. 1
• Sebuah perusahaan layanan kesehatan menyatakan perpindahan dari implementasi berantai menyederhanakan basis kodenya hingga 80% dan menghapus 23.000 baris kode, sambil mendukung percakapan pasien real-time yang lebih alami. 1

Hasil tersebut merupakan laporan dari masing-masing perusahaan, bukan evaluasi independen. Artinya, contoh itu lebih tepat dibaca sebagai pengalaman penerapan awal, bukan jaminan performa untuk semua penggunaan.

Hal yang belum dikonfirmasi

Sumber yang tersedia tidak mengonfirmasi klaim akses perusahaan melalui produk terkelola bernama “Presence”. Sumber tersebut juga tidak menetapkan perluasan tertentu untuk aksen, dialek, atau bahasa pada peluncuran API ini. Detail seperti ini sebaiknya diverifikasi langsung pada dokumentasi OpenAI terbaru sebelum dipakai untuk keputusan pengadaan atau implementasi.

Intinya

Perubahan utama GPT-Live-1 bersifat arsitektural: API ini menyediakan lapisan percakapan suara full-duplex yang dapat terus mendengarkan dan berbicara secara natural, sementara sistem lain menangani penalaran yang lebih lambat atau pemanggilan alat. Tarif lapisan suaranya mudah dihitung—US$0,05 per menit dan ditagihkan per detik—tetapi biaya akhir tetap bergantung pada model backend dan alat yang dipilih. 11618