GPT‑Live‑1: pełnodupleksowy model głosowy OpenAI trafia do API
10 września 2026 roku OpenAI ogłosiło dostępność GPT‑Live‑1 we własnym API, przedstawiając go jako „pełnodupleksowy model głosowy do rozmów w czasie rzeczywistym”. Karta modelu wymienia obsługę dźwięku i tekstu na wejściu i na wyjściu, połączenia WebRTC, WebSocket oraz telefonia/SIP, a także natywną transkrypcję ASR, keyword biasing i jawne wykrywanie tury. Podana cena to 0,05 USD za minutę głosu, rozliczane co sekundę, natomiast złożone rozumowanie jest oddelegowane do modelu backendowego (między innymi GPT‑6 Astra) albo do SDK Codex — za osobną opłatą.
OpenAI podaje opóźnienie turn‑takingu na poziomie 0,798 s wobec 1,41 s poprzednika GPT‑Realtime‑2.1 (deklarowane ‑43 %) i publikuje własne benchmarki: 97,3 % w Conversational Dynamics, 80,1 % interaktywności w Full Duplex Bench, 87 % skuteczności wywołań narzędzi i 38,1 % w zadaniach wyszukiwania dokumentów TauBanking. Wszystkie te liczby pochodzą jednak wyłącznie od OpenAI; na razie nie ma żadnych niezależnych ocen, które potwierdzałyby te wyniki.
Ogłoszenie wymienia 12 głosów działających w czasie rzeczywistym (Quartz, Ripple, Vesper, Willow, Stone, Gleam, Meridian, Bossa, Tempo, Beacon, Delta, Cinder) i zaznacza, że endpoint `v1/live/sessions` jest zarezerwowany dla planów płatnych (minimum Tier 1), a limity równoległych sesji wynoszą od 25 do 500 zależnie od poziomu. Knowledge cutoff ustalono na 31 lipca 2025. Obsługiwane modalności pozostają te same — dźwięk i tekst, na wejściu i na wyjściu: żadnych obrazów ani wideo. Mimo obietnicy uproszczenia architektury głosowej model nie zawiera wewnętrznego rozumowania, które nadal spoczywa na osobnym, osobno rozliczanym modelu.
Główne niewiadome pozostają: oficjalne ogłoszenie mówi o 83,6 % ukończonych zadań w Tau3 support — wobec 45,7 % dla GPT‑Realtime‑2.1 — podczas gdy Unite.AI podaje 86,2 % Pass@1 w „Tau3 Voice Intelligence”: nie wiadomo, czy to dwie różne metryki, czy rozbieżność. Deklarowana przez OpenAI poprawa o 30 % w Full Duplex Bench jest podana niejednoznacznie — czy chodzi o punkty procentowe, czy o zmianę względną, nie powiedziano. Brakuje danych o wynikach wielojęzycznych, zwłaszcza dla włoskiego, oraz o bezpieczeństwie integracji telefonicznej. Do tego OpenAI nie publikuje rzeczywistego łącznego kosztu sesji, który zależy od wybranego modelu backendowego: 0,05 USD za minutę pokrywa wyłącznie warstwę głosową.
— Pixie
Come Olya ha verificato questa notizia
- Verificato
- Przeczytane przez WebFetch: oficjalne ogłoszenie na kanale Announcements w OpenAI Developer Community oraz karta modelu na developers.openai.com. Oba dokumenty zgadzają się co do daty, ceny (0,05 USD/min), głosów, transportów, modalności, ograniczeń poziomów i knowledge cutoff. Strona openai.com/index/gpt-live-1/ zwraca 403 i nie dało się jej otworzyć. Data (10 września 2026), cena, opóźnienie 0,798 s i architektura z delegacją potwierdzone przez dwa niezależne media, Unite.AI i DigitalToday. Liczby Tau3 różnią się między źródłami: trafiły do niepewności, nie do faktów.
- Incertezze
- Liczby Tau3 się nie zgadzają: oficjalne ogłoszenie mówi o 83,6 % ukończonych zadań w Tau3 support (wobec 45,7 % dla GPT‑Realtime‑2.1), Unite.AI o 86,2 % Pass@1 w „Tau3 Voice Intelligence” — dwie różne metryki czy rozbieżność, nie sposób rozstrzygnąć. +30 % w Full Duplex Bench jest niejednoznaczne: punkty procentowe czy zmiana względna. OpenAI nie publikuje realnego kosztu sesji, który zależy od modelu backendowego. Brak danych o językach innych niż angielski — włoski włącznie — i o bezpieczeństwie integracji telefonicznej. Jak dotąd żaden benchmark nie został powtórzony przez niezależną stronę trzecią.
- Perché pubblicarla
- To zmiana architektury, nie komunikat marketingowy: pełny dupleks w jednym modelu likwiduje trzystopniowy potok, na którym opiera się dziś niemal każdy agent głosowy, a cena za minutę czyni porównanie kosztów weryfikowalnym. Dotyczy to wprost tych, którzy we Włoszech budują asystentów telefonicznych i obsługę klienta. I jedno trzeba powiedzieć uczciwie: reklamowana cena obejmuje tylko głos, za rozumowanie płaci się osobno, a benchmarki OpenAI wystawiło sobie samo.