GPT‑Live‑1 в API: как OpenAI меняет голосовых агентов и сколько это стоит

OpenAI объявила об общедоступности GPT‑Live‑1 в API 10 сентября 2026 года, а не 11 сентября. Это голосовая модель для приложений и рабочих процессов, которая способна одновременно слушать собеседника и отвечать ему — без строго разделённых, завершённых речевых ходов. 116

Что даёт полнодуплексный режим

Обычный голосовой агент часто строится как последовательная цепочка: распознавание речи переводит аудио в текст, языковая модель формирует ответ, затем синтез речи озвучивает его. GPT‑Live‑1 позиционируется как единый голосовой слой для той части диалога, где особенно важны реакция в реальном времени и естественный ритм беседы. 1

Ключевое отличие — управление очередностью реплик. По данным OpenAI, GPT‑Live‑1 может слушать и говорить параллельно, учитывать паузы и изменения темпа, а также решать по ходу разговора, отвечать ли уже сейчас или продолжать слушать. Поэтому перебивания и короткие реплики-подтверждения могут восприниматься не как сбой, а как нормальная часть общения. 1915

Это не означает, что голосовая модель обязана самостоятельно выполнять все задачи. Пока GPT‑Live‑1 ведёт разговор, бэкендовая модель или агент может заниматься более глубокими рассуждениями либо работать с инструментами. OpenAI предлагает делегирование через Responses с моделью OpenAI или клиентское делегирование для подключения собственного бэкенда разработчика. 116

Голосовой слой отдельно, логика — отдельно

GPT‑Live‑1 выступает фронтенд-слоем живого голосового диалога: слушает, говорит и управляет таймингом разговора. Бэкенд при этом может отвечать за более сложные рассуждения, поиск и получение данных, выполнение сценариев или вызовы инструментов.

В заметках OpenAI для продуктов компании GPT‑6 Astra названа одним из вариантов для трудных задач поиска и рассуждений; разработчики API также могут подключить свой бэкенд через клиентское делегирование. 416

Для команд это разделение означает следующее:

• GPT‑Live‑1 отвечает за разговор в реальном времени: слушание, речь и естественную очередность реплик;
• бэкендовая модель или агент берёт на себя сложные решения и работу с инструментами;
• стоимость и поведение готового агента зависят от обеих частей, а не только от голосовой модели. 1618

Для API OpenAI также заявила улучшенное следование инструкциям, пользовательские голоса и поддержку телефонии. 13

Цена: $0,05 за минуту голоса — плюс расходы на бэкенд

Голосовой сеанс GPT‑Live‑1 стоит $0,05 за минуту. Оплата рассчитывается посекундно: время не округляется до полной минуты. 1618

Это тариф именно за голосовой сеанс, а не за весь голосовой агент. Использование бэкендовой модели и инструментов оплачивается отдельно. Поэтому при расчёте бюджета нужно учитывать и длительность разговоров, и объём задач, передаваемых на бэкенд. 1618

Что известно о результатах тестов

OpenAI сообщила, что GPT‑Live‑1 превзошла GPT‑Realtime‑2.1 на 30 процентных пунктов в собственном Full Duplex Bench, а связка GPT‑Live‑1 и GPT‑6 Astra со средним уровнем рассуждений заняла первое место в Tau3. 1

При этом предоставленные материалы не позволяют независимо подтвердить точные значения задержки смены реплики и конкретное сравнение показателей прохождения Tau3, упомянутые в исходном вопросе. Эти цифры не следует считать подтверждёнными в рамках имеющихся источников.

Что рассказали первые пользователи

OpenAI привела несколько примеров промышленного использования, в которых более естественная очередность реплик стала главным эффектом:

• Yelp сообщила о лучшей очередности реплик и точности после интеграции GPT‑Live‑1 в Yelp Host и Hatch. В звонках для бронирования и заказа еды, по словам компании, пользователи стали говорить более полными и естественными фразами, а обработка звонков улучшилась. 1
• Speak заявила, что изучающие язык получили больше времени на обдумывание ответа до реакции виртуального преподавателя; число перебиваний сократилось почти на 80% по сравнению с прежними системами с пошаговым обменом репликами. 1
• Одна компания из сферы здравоохранения сообщила, что отказ от каскадной реализации сократил её кодовую базу на 80% — на 23 000 строк кода — и позволил сделать разговоры с пациентами более естественными в реальном времени. 1

Это результаты, заявленные самими компаниями, а не независимые оценки. Их корректнее воспринимать как примеры внедрения, а не как гарантию аналогичного эффекта для любого проекта.

Какие заявления пока не подтверждены

Имеющиеся источники не подтверждают доступ для корпоративных клиентов через управляемый продукт под названием «Presence». Также они не устанавливают конкретное расширение набора акцентов, диалектов или языков именно в рамках этого запуска API. Перед закупкой или внедрением эти детали стоит проверить в актуальной документации OpenAI.

Главное

Основное новшество GPT‑Live‑1 — архитектурное. API получает полнодуплексный голосовой слой, который позволяет агенту естественнее слушать и говорить, пока отдельная система выполняет более медленные рассуждения или вызывает инструменты. Тариф $0,05 за минуту с посекундным учётом делает стоимость голосового времени понятной, однако итоговая цена решения всё равно зависит от выбранной бэкендовой модели и инструментов. 11618