GPT-Live-1 chega à API da OpenAI com conversas de voz em tempo real

A OpenAI anunciou a disponibilidade geral do GPT-Live-1 em sua API em 10 de setembro de 2026, e não em 11 de setembro. A novidade oferece aos desenvolvedores uma camada de voz para criar agentes capazes de ouvir e falar ao mesmo tempo, em vez de conduzir a conversa em turnos rígidos e concluídos. 116

O que muda com o full-duplex

Muitos agentes de voz funcionam como uma sequência: o sistema transforma a fala em texto, um modelo de linguagem produz a resposta e, por fim, outro sistema converte o texto de volta em voz. O GPT-Live-1 é apresentado como uma camada unificada para a parte conversacional em tempo real dessa interação. 1

Na prática, a diferença está na alternância de fala. Segundo a OpenAI, o GPT-Live-1 consegue ouvir e falar simultaneamente, acompanhar pausas e mudanças de ritmo e decidir se deve responder ou continuar ouvindo. A proposta é tratar interrupções e breves sinais de atenção — como um “aham” — como partes normais de uma conversa, e não como falhas. 1915

Isso não quer dizer que o modelo de voz precise executar todas as tarefas sozinho. A conversa com o GPT-Live-1 pode continuar enquanto um modelo ou agente de backend realiza raciocínios mais profundos ou usa ferramentas. A OpenAI oferece a delegação via Responses para modelos da própria empresa e a delegação pelo cliente para conectar o backend do desenvolvedor. 116

Como funciona a divisão entre voz e backend

O GPT-Live-1 atua como a camada de voz voltada à conversa ao vivo. Já o backend pode assumir tarefas como raciocínio mais complexo, busca e recuperação de informações, execução de fluxos de trabalho ou chamadas de ferramentas. Nas notas da OpenAI sobre seus produtos, o GPT-6 Astra aparece como opção para tarefas mais difíceis de busca e raciocínio; quem usa a API também pode conectar o próprio backend pela delegação do cliente. 416

Para quem desenvolve, essa separação cria uma arquitetura em duas partes:

• GPT-Live-1: cuida da interação ao vivo, incluindo escuta, fala e o timing da conversa.
• Modelo ou agente de backend: toma decisões mais complexas e usa ferramentas.
• Custo e comportamento do agente: dependem das duas camadas, e não apenas do modelo de voz. 1618

A OpenAI também destacou melhor seguimento de instruções, vozes personalizadas e suporte a telefonia no lançamento da API. 13

Preço: US$ 0,05 por minuto, mais o custo do backend

As sessões de voz com o GPT-Live-1 custam US$ 0,05 por minuto. A cobrança é feita por segundo, sem arredondamento para o minuto inteiro seguinte. 1618

Esse valor cobre a sessão de voz, não necessariamente todo o custo de um agente de voz. O uso do modelo de backend e de ferramentas é cobrado à parte. Por isso, um orçamento de produção precisa considerar tanto a duração da conversa quanto o trabalho delegado ao sistema por trás dela. 1618

Resultados divulgados e o que as fontes confirmam

A OpenAI informou que o GPT-Live-1 teve melhora de 30 pontos percentuais no seu Full Duplex Bench em relação ao GPT-Realtime-2.1. A empresa também afirmou que o GPT-Live-1 combinado ao GPT-6 Astra, com esforço de raciocínio médio, ficou em primeiro lugar no Tau3. 1

Por outro lado, o material fornecido não confirma de forma independente os números específicos mencionados na pergunta sobre latência de alternância de fala nem a comparação exata de taxas de aprovação no Tau3. Portanto, essas cifras precisas não devem ser tratadas aqui como verificadas.

O que usuários iniciais relataram

A OpenAI apresentou algumas implementações iniciais em produção como exemplos do ganho de naturalidade na alternância de fala:

• Yelp: informou melhor alternância de fala e maior precisão após integrar o GPT-Live-1 ao Yelp Host e ao Hatch. Em ligações para reservas e pedidos de comida, a empresa disse que os clientes passaram a usar frases mais completas e naturais, enquanto o atendimento das chamadas melhorou. 1
• Speak: relatou que estudantes passaram a ter mais tempo para pensar antes da resposta do tutor, o que reduziu interrupções em quase 80% em comparação com sistemas anteriores baseados em turnos. 1
• Uma empresa de saúde: afirmou que a troca de uma implementação em cascata simplificou sua base de código em 80% e eliminou 23 mil linhas de código, ao mesmo tempo que permitiu conversas em tempo real mais naturais com pacientes. 1

Esses são resultados relatados pelas próprias empresas, e não avaliações independentes. Eles devem ser entendidos como exemplos de uso em produção, não como garantias universais de desempenho.

Pontos ainda não confirmados

As evidências disponíveis não sustentam alegações sobre acesso empresarial por um produto gerenciado chamado “Presence”, nem comprovam uma expansão específica de sotaques, dialetos ou idiomas para este lançamento da API. Antes de incluir esses pontos em decisões de compra ou implementação, é recomendável verificá-los diretamente na documentação atual da OpenAI.

Em resumo

A principal mudança do GPT-Live-1 é arquitetural: ele leva à API uma camada de conversa por voz full-duplex, capaz de manter uma interação mais natural enquanto outro sistema executa raciocínios mais lentos ou chama ferramentas. A tarifa de US$ 0,05 por minuto — cobrada por segundo — torna o custo do tempo de voz fácil de calcular, mas a conta completa ainda varia conforme o modelo de backend e as ferramentas escolhidas. 11618