GPT-Live-1 gir utviklere full-dupleks stemmeagenter

OpenAI gjorde GPT-Live-1 allment tilgjengelig i API-et 10. september 2026 – altså ikke 11. september. Lanseringen gir utviklere et stemmelag for agenter som kan lytte og snakke samtidig, i stedet for å behandle samtalen som en rekke strengt avgrensede turer. 116

Hva full-dupleks betyr i praksis

Mange stemmeagenter er bygget som en kjede: Tale konverteres først til tekst, en språkmodell lager et svar, og tekst gjøres om til tale igjen. GPT-Live-1 er plassert som et samlet stemmelag for den sanntidsbaserte samtaledelen av denne typen interaksjon. 1

Den praktiske forskjellen handler om turveksling. Ifølge OpenAI kan GPT-Live-1 lytte og snakke parallelt, oppfatte pauser og tempoendringer, og vurdere om den bør svare eller fortsette å lytte. Målet er at avbrytelser og korte bekreftelser – ofte kalt backchannels – skal oppleves som en naturlig del av samtalen, ikke som feil. 1915

Det innebærer ikke at stemmemodellen må løse alle oppgaver selv. En samtale med GPT-Live-1 kan fortsette mens en bakendemodell eller agent utfører mer omfattende resonnering eller bruker verktøy. OpenAI støtter både Responses-delegering til en OpenAI-modell og klientdelegering til utviklerens egen bakende. Dermed kan team velge hvilket system som skal stå for resonneringen bak stemmeopplevelsen. 116

Slik er løsningen delt opp

GPT-Live-1 fungerer som det samtalende stemmelaget i front. Bakenden kan ta seg av mer krevende resonnering, oppslag i kunnskapskilder, arbeidsflyter eller verktøykall. I OpenAIs produktnotater nevnes GPT-6 Astra som et alternativ for vanskeligere søk- og resonneringsoppgaver, mens API-utviklere også kan koble på sin egen bakende gjennom klientdelegering. 416

For utviklere gir dette en tydelig arbeidsdeling:

• GPT-Live-1 håndterer den løpende dialogen: lytting, tale og timing i samtalen.
• En bakendemodell eller agent kan ta komplekse avgjørelser og bruke verktøy.
• Samlet kostnad og oppførsel avhenger av begge lagene – ikke bare av stemmemodellen. 1618

OpenAI fremhevet også bedre instruksjonsfølging, tilpassede stemmer og støtte for telefoni i API-lanseringen. 13

Pris: 0,05 dollar per minutt – pluss bakenden

Stemmesesjoner med GPT-Live-1 koster 0,05 dollar per minutt. Faktureringen skjer per sekund, uten avrunding opp til neste hele minutt. 1618

Dette er prisen for selve stemmesesjonen, ikke nødvendigvis hele kostnaden for en stemmeagent. Bruk av bakendemodeller og verktøy faktureres separat. Ved budsjettering i produksjon må man derfor regne med både samtalens varighet og arbeidet som delegeres til systemene i bakgrunnen. 1618

Ytelsespåstander – og hva kildene faktisk bekrefter

OpenAI opplyste at GPT-Live-1 forbedret resultatet med 30 prosentpoeng på selskapets Full Duplex Bench sammenlignet med GPT-Realtime-2.1. Selskapet opplyste også at GPT-Live-1 sammen med GPT-6 Astra, med middels resonneringsnivå, kom best ut på Tau3. 1

Kildematerialet som er tilgjengelig her, underbygger imidlertid ikke de konkrete tallene som ble nevnt i spørsmålet om turvekslingsforsinkelse eller den nøyaktige Tau3-sammenligningen i bestått-rate. De tallene bør derfor ikke behandles som verifisert på dette grunnlaget.

Hva tidlige brukere rapporterte

OpenAI trakk frem flere tidlige produksjonsimplementeringer som eksempler på nytten av mer naturlig turveksling:

• Yelp opplyste at turveksling og nøyaktighet ble bedre etter at GPT-Live-1 ble integrert i Yelp Host og Hatch. For samtaler om reservasjoner og matbestillinger sa selskapet at innringere brukte mer fullstendige og naturlige formuleringer, og at samtalehåndteringen ble bedre. 1
• Speak rapporterte at språkstudenter kunne bruke mer tid på å tenke før en digital lærer svarte. Ifølge selskapet reduserte dette avbrytelsene med nesten 80 prosent sammenlignet med tidligere turbaserte systemer. 1
• Et helseteknologiselskap opplyste at overgangen bort fra en kjedet implementering forenklet kodebasen med 80 prosent og fjernet 23 000 kodelinjer, samtidig som det la til rette for mer naturlige pasientsamtaler i sanntid. 1

Dette er resultater rapportert av selskapene selv, ikke uavhengige evalueringer. De bør derfor leses som eksempler fra konkrete implementeringer, ikke som generelle ytelsesgarantier.

Det som ikke er bekreftet i materialet

Det foreliggende kildematerialet underbygger ikke påstander om bedriftsadgang via et administrert produkt kalt «Presence». Det dokumenterer heller ikke en bestemt utvidelse av aksenter, dialekter eller språk i forbindelse med denne API-lanseringen. Slike forhold bør kontrolleres direkte mot oppdatert OpenAI-dokumentasjon før de inngår i anskaffelses- eller implementeringsbeslutninger.

Kort oppsummert

Den viktigste endringen med GPT-Live-1 er arkitekturen: API-et får et full-dupleks stemmelag som kan holde samtalen i gang på en mer naturlig måte, mens et separat system utfører langsommere resonnering eller kaller verktøy. Prisen på 0,05 dollar per minutt – fakturert per sekund – gjør kostnaden for stemmetid lett å beregne. Men totalprisen avhenger fortsatt av hvilken bakendemodell og hvilke verktøy som brukes. 11618