GPT-Live-1 nelle API OpenAI: voce full-duplex e ragionamento affidato al backend

OpenAI ha reso GPT-Live-1 generalmente disponibile nelle sue API il 10 settembre 2026, e non l’11 settembre. Il rilascio offre agli sviluppatori un livello vocale per creare agenti capaci di ascoltare e parlare nello stesso momento, invece di trattare ogni scambio come una sequenza di turni chiusi e rigidamente separati. 116

Cosa cambia con il full-duplex

Molti agenti vocali seguono una catena in tre passaggi: il riconoscimento vocale converte l’audio in testo, un modello linguistico produce la risposta e la sintesi vocale la trasforma di nuovo in audio. GPT-Live-1 viene presentato come un livello unificato per la parte conversazionale in tempo reale di questo processo. 1

La differenza pratica sta nella gestione dei turni di parola. Secondo OpenAI, GPT-Live-1 può ascoltare e parlare simultaneamente, seguire pause e variazioni di ritmo e decidere se intervenire oppure continuare ad ascoltare. In questo modo, interruzioni e brevi segnali di attenzione dell’interlocutore — i cosiddetti backchannel, come un «sì» o un «capisco» — dovrebbero assomigliare meno a un errore del sistema e di più a una conversazione naturale. 1915

Il modello vocale non deve però svolgere da solo ogni attività. La conversazione con GPT-Live-1 può proseguire mentre un modello o un agente backend esegue ragionamenti più approfonditi o utilizza strumenti. OpenAI supporta la delega tramite Responses verso un modello OpenAI e la delega lato client verso il backend scelto dallo sviluppatore. 116

Voce in primo piano, elaborazione sul backend

GPT-Live-1 agisce quindi come livello vocale e conversazionale in prima linea. Il backend può gestire ragionamenti più articolati, recupero di informazioni, esecuzione di workflow o chiamate a strumenti. Nelle note sui prodotti OpenAI, GPT-6 Astra è indicato come opzione per ricerche e ragionamenti più difficili; chi usa le API può anche collegare un proprio backend tramite client delegation. 416

Per chi sviluppa, questa architettura separa i compiti:

• GPT-Live-1 gestisce l’interazione dal vivo: ascolto, parlato e tempi della conversazione;
• un modello o agente backend può prendere decisioni complesse e usare strumenti;
• costi e comportamento dell’agente dipendono da entrambi gli strati, non soltanto dal modello vocale. 1618

OpenAI ha inoltre segnalato un migliore rispetto delle istruzioni, voci personalizzate e supporto per la telefonia. 13

Prezzo: 0,05 dollari al minuto, più il backend

Le sessioni vocali GPT-Live-1 costano 0,05 dollari al minuto. La fatturazione avviene al secondo, senza arrotondare al minuto intero successivo. 1618

Questa tariffa riguarda la sessione vocale, non necessariamente il costo complessivo di un agente telefonico o vocale. L’uso del modello backend e degli strumenti viene addebitato a parte: per stimare un impiego in produzione occorre dunque considerare sia la durata della conversazione sia il lavoro delegato in secondo piano. 1618

Benchmark: cosa è confermato e cosa no

OpenAI ha dichiarato un miglioramento di 30 punti percentuali nel proprio Full Duplex Bench rispetto a GPT-Realtime-2.1. Ha inoltre affermato che GPT-Live-1, abbinato a GPT-6 Astra con sforzo di ragionamento medio, si è classificato primo su Tau3. 1

Le fonti fornite non confermano però in modo indipendente i valori specifici citati per la latenza nella presa del turno né il confronto esatto dei tassi di superamento su Tau3. Quei numeri puntuali non vanno quindi considerati verificati in questo contesto.

I riscontri dei primi utilizzatori

OpenAI ha citato alcune implementazioni in produzione per illustrare il valore di una gestione del turno più naturale:

• Yelp ha riferito un miglioramento nella gestione dei turni di parola e nell’accuratezza dopo l’integrazione di GPT-Live-1 in Yelp Host e Hatch. Per le chiamate relative a prenotazioni e ordini di cibo, l’azienda ha detto che gli utenti formulavano richieste più complete e naturali e che la gestione delle chiamate era migliorata. 1
• Speak ha riferito che gli studenti potevano prendersi più tempo per pensare prima della risposta del tutor, con interruzioni ridotte di quasi l’80% rispetto ai precedenti sistemi basati sui turni. 1
• Una società sanitaria ha dichiarato che l’abbandono di un’implementazione a cascata ha semplificato la base di codice dell’80%, eliminando 23.000 righe di codice e rendendo più naturali le conversazioni in tempo reale con i pazienti. 1

Si tratta di risultati comunicati dalle aziende coinvolte, non di valutazioni indipendenti: vanno letti come esempi di impiego, non come garanzie di prestazioni generalizzabili.

I punti che restano da verificare

Il materiale disponibile non documenta l’accesso enterprise tramite un prodotto gestito chiamato “Presence”, né dimostra una precisa estensione di accenti, dialetti o lingue in occasione di questo lancio API. Prima di usare tali elementi per acquisti o decisioni di implementazione, è opportuno verificarli direttamente nella documentazione OpenAI aggiornata.

In sintesi

La novità principale di GPT-Live-1 è architetturale: porta nelle API un livello vocale full-duplex che può mantenere più naturale l’ascolto e la risposta, mentre un sistema separato si occupa di ragionamenti più lenti o dell’uso di strumenti. Il prezzo di 0,05 dollari al minuto per la voce, fatturato al secondo, rende chiaro il costo del tempo di conversazione; il costo totale dipenderà comunque dal modello backend e dagli strumenti scelti. 11618