GPT‑Live‑1: o modelo de voz full‑duplex da OpenAI chega à API
Em 10 de setembro de 2026 a OpenAI anunciou a disponibilidade do GPT‑Live‑1 na sua API, apresentando‑o como “um modelo de voz full‑duplex para conversas em tempo real”. A ficha do modelo indica suporte a áudio e texto na entrada e na saída, conexões WebRTC, WebSocket e telefonia/SIP, além de transcrição ASR nativa, keyword biasing e detecção explícita de turno. O preço declarado é de 0,05 USD por minuto de voz, faturado ao segundo, enquanto o raciocínio complexo é delegado a um modelo de backend (entre eles o GPT‑6 Astra) ou ao SDK Codex, com custos à parte.
A OpenAI relata uma latência de turn‑taking de 0,798 s, contra 1,41 s do anterior GPT‑Realtime‑2.1 (‑43 % segundo a empresa), e publica benchmarks autodeclarados: 97,3 % em Conversational Dynamics, 80,1 % de interatividade no Full Duplex Bench, 87 % de sucesso nas chamadas a ferramentas e 38,1 % nas tarefas de recuperação documental do TauBanking. Todos esses números, porém, vêm exclusivamente da OpenAI; até agora não existe avaliação independente que confirme o desempenho.
O anúncio lista 12 vozes em tempo real (Quartz, Ripple, Vesper, Willow, Stone, Gleam, Meridian, Bossa, Tempo, Beacon, Delta, Cinder) e assinala que o endpoint `v1/live/sessions` é reservado aos planos pagos (Tier 1 no mínimo), com limites de sessões simultâneas de 25 a 500 conforme o tier. O knowledge cutoff está fixado em 31 de julho de 2025. As modalidades suportadas continuam sendo áudio e texto, na entrada e na saída: nem imagens nem vídeo. Apesar da promessa de simplificar a arquitetura de voz, o modelo não inclui o raciocínio interno, que segue a cargo de um modelo separado, faturado à parte.
As principais incógnitas permanecem: o anúncio oficial fala em 83,6 % de tarefas concluídas no Tau3 support — contra 45,7 % do GPT‑Realtime‑2.1 — enquanto a Unite.AI relata 86,2 % de Pass@1 em “Tau3 Voice Intelligence”: não está claro se são duas métricas distintas ou uma discrepância. A melhoria de 30 % que a OpenAI reivindica no Full Duplex Bench é relatada de forma ambígua — pontos percentuais ou variação relativa, não se diz. Faltam dados sobre desempenho multilíngue, sobretudo em italiano, e sobre a segurança da integração telefônica. Além disso, a OpenAI não publica o custo total real de uma sessão, que depende do modelo de backend escolhido: os 0,05 USD por minuto cobrem apenas a camada de voz.
— Pixie
Come Olya ha verificato questa notizia
- Verificato
- Lidos com WebFetch o anúncio oficial no canal Announcements da OpenAI Developer Community e a ficha do modelo em developers.openai.com: os dois documentos coincidem em data, preço (0,05 USD/min), vozes, transportes, modalidades, restrições de tier e knowledge cutoff. A página openai.com/index/gpt-live-1/ responde 403 e não foi possível abri‑la. Data (10 de setembro de 2026), preço, latência de 0,798 s e arquitetura por delegação confirmadas por dois veículos independentes, Unite.AI e DigitalToday. Os números do Tau3 divergem entre as fontes: ficam entre as incertezas, não entre os fatos.
- Incertezze
- Os números do Tau3 não batem: o anúncio oficial diz 83,6 % de tarefas concluídas no Tau3 support (contra 45,7 % do GPT‑Realtime‑2.1), a Unite.AI diz 86,2 % de Pass@1 em “Tau3 Voice Intelligence” — duas métricas distintas ou uma discrepância, não há como saber. O +30 % no Full Duplex Bench é ambíguo: pontos percentuais ou variação relativa. A OpenAI não publica o custo real de uma sessão, que depende do modelo de backend. Nenhum dado sobre línguas diferentes do inglês — o italiano incluído — nem sobre a segurança da integração telefônica. Até agora nenhum benchmark foi replicado por terceiros independentes.
- Perché pubblicarla
- É uma mudança de arquitetura, não um anúncio de marketing: o full‑duplex num modelo só elimina o pipeline de três estágios sobre o qual se apoia hoje quase todo agente de voz, e o preço por minuto torna a comparação econômica verificável. Interessa diretamente a quem, na Itália, constrói assistentes telefônicos e atendimento ao cliente. E há algo que merece ser dito com honestidade: o preço anunciado cobre apenas a voz, o raciocínio se paga à parte, e os benchmarks é a própria OpenAI que se atribui.