GPT-Live-1 в API: як OpenAI змінює голосових агентів

OpenAI оголосила про загальну доступність GPT-Live-1 в API 10 вересня 2026 року, а не 11 вересня. Реліз дає розробникам голосовий рівень для агентів, які можуть слухати й говорити одночасно, не зводячи діалог до жорсткої послідовності завершених реплік. 116

Що змінює повнодуплексний режим

Багато голосових агентів побудовані як ланцюжок: розпізнавання мовлення переводить аудіо в текст, мовна модель формує відповідь, а синтез мовлення озвучує її. GPT-Live-1 позиціонується як єдиний голосовий рівень для частини взаємодії, що відбувається в реальному часі. 1

Ключова відмінність — у веденні діалогу. За даними OpenAI, GPT-Live-1 здатна слухати й говорити паралельно, відстежувати паузи та зміни темпу й вирішувати, чи час відповідати, чи краще ще послухати. Це має зробити перебивання та короткі сигнали на кшталт «так», «ага», «розумію» — так звані бекченели — природною частиною розмови, а не помилкою системи. 1915

Це не означає, що голосова модель повинна самостійно виконувати кожне завдання. Розмова з GPT-Live-1 може тривати, поки бекенд-модель або агент проводить глибше міркування чи користується інструментами. OpenAI підтримує делегування через Responses до моделі OpenAI, а також клієнтське делегування до власного бекенду розробника. 116

Як влаштована архітектура

GPT-Live-1 виконує роль фронтального голосового шару: слухає, говорить і керує ритмом діалогу. Бекенд може відповідати за складніше міркування, пошук інформації, виконання робочих процесів або виклики інструментів. У продуктових нотатках OpenAI GPT-6 Astra вказана як варіант для складного пошуку та міркувань; розробники API також можуть підключити власний бекенд через клієнтське делегування. 416

Для команд розробки це означає поділ відповідальності:

• GPT-Live-1 веде живе спілкування: слухання, мовлення та вибір моменту для відповіді.
• Бекенд-модель або агент може приймати складні рішення й працювати з інструментами.
• Вартість і поведінка агента загалом залежать від обох рівнів, а не лише від голосової моделі. 1618

OpenAI також повідомила про поліпшене виконання інструкцій, користувацькі голоси та підтримку телефонії в API. 13

Ціна: $0,05 за хвилину голосу — плюс витрати на бекенд

Голосові сесії GPT-Live-1 коштують $0,05 за хвилину. Нарахування відбувається посекундно, без округлення до наступної повної хвилини. 1618

Це тариф саме за голосову сесію, а не обов’язково повна ціна голосового агента. Використання бекенд-моделі та інструментів оплачується окремо. Тому в робочому бюджеті варто враховувати і тривалість розмов, і ресурси, які агент передає на бекенд. 1618

Що відомо про продуктивність

OpenAI заявила, що GPT-Live-1 перевершила GPT-Realtime-2.1 на 30 відсоткових пунктів у власному тесті Full Duplex Bench. Також компанія зазначила, що зв’язка GPT-Live-1 і GPT-6 Astra із середнім рівнем міркувань посіла перше місце в Tau3. 1

Водночас надані матеріали не дозволяють незалежно підтвердити конкретні показники затримки зміни черги в розмові або точне порівняння частки успішного проходження Tau3. Тому ці точні цифри не слід вважати верифікованими на підставі доступних джерел.

Що повідомили перші користувачі

OpenAI навела кілька прикладів виробничого використання моделі, що мають показати цінність природнішого обміну репліками:

• Yelp повідомила про кращу зміну черги в розмові та точність після інтеграції GPT-Live-1 у Yelp Host і Hatch. Для дзвінків щодо бронювання та замовлення їжі компанія зафіксувала природніші й повніші репліки від клієнтів, а також поліпшення обробки дзвінків. 1
• Speak повідомила, що учні отримали більше часу на обдумування перед відповіддю віртуального викладача; кількість перебивань, за її даними, знизилася майже на 80% порівняно з попередніми системами з почерговими репліками. 1
• Компанія зі сфери охорони здоров’я заявила, що відмова від каскадної реалізації спростила її кодову базу на 80% і дозволила прибрати 23 000 рядків коду, водночас зробивши розмови з пацієнтами природнішими в реальному часі. 1

Це результати, про які повідомили самі компанії, а не незалежні оцінювання. Їх варто сприймати як приклади впровадження, а не як універсальну гарантію результату.

Що не підтверджено наданими матеріалами

Доступні джерела не підтверджують твердження про корпоративний доступ через керований продукт під назвою «Presence». Також вони не встановлюють конкретного розширення підтримки акцентів, діалектів або мов у межах цього запуску API. Перед закупівлею чи впровадженням такі деталі варто перевіряти в актуальній документації OpenAI.

Головне

Основна зміна в GPT-Live-1 — архітектурна: API отримує повнодуплексний голосовий шар, який може підтримувати природний діалог, поки окрема система виконує повільніше міркування або звертається до інструментів. Тариф $0,05 за хвилину з посекундним білінгом робить витрати на голосовий час зрозумілими, але повна ціна залежатиме від обраної бекенд-моделі та інструментів. 11618