GPT‑Live‑1：OpenAI 的全双工语音模型进入 API
2026 年 9 月 10 日，OpenAI 宣布 GPT‑Live‑1 在其 API 中上线，称其为“用于实时对话的全双工语音模型”。模型卡显示，输入与输出均支持音频和文本，可通过 WebRTC、WebSocket 以及电话/SIP 连接，并原生提供 ASR 转写、关键词偏置和显式轮次检测。公布价格为每分钟语音 0.05 美元，按秒计费；复杂推理则交给后端模型（其中包括 GPT‑6 Astra）或 Codex SDK，费用另计。
OpenAI 称轮次切换延迟为 0.798 秒，而上一代 GPT‑Realtime‑2.1 为 1.41 秒（官方宣称下降 43%），并公布了自测基准：Conversational Dynamics 97.3%，Full Duplex Bench 交互性 80.1%，工具调用成功率 87%，TauBanking 文档检索任务 38.1%。不过这些数字全部由 OpenAI 单方面提供；目前尚无独立评测能够证实其性能。
公告列出了 12 个实时语音（Quartz、Ripple、Vesper、Willow、Stone、Gleam、Meridian、Bossa、Tempo、Beacon、Delta、Cinder），并指出 `v1/live/sessions` 端点仅面向付费方案（最低 Tier 1），并发会话上限视等级从 25 到 500 不等。知识截止日期定在 2025 年 7 月 31 日。支持的模态仍是音频与文本的输入输出：没有图像，也没有视频。尽管承诺要简化语音架构，模型本身并不包含内部推理，这部分仍由一个单独计费的独立模型承担。
主要的不确定之处依然存在：官方公告称在 Tau3 support 上任务完成率为 83.6%——GPT‑Realtime‑2.1 为 45.7%——而 Unite.AI 报道的是“Tau3 Voice Intelligence”上 86.2% 的 Pass@1：两者究竟是不同的指标，还是彼此矛盾，尚不清楚。OpenAI 主张的 Full Duplex Bench 30% 提升表述含糊——是百分点还是相对变化，并未说明。缺少多语种性能数据，尤其是意大利语，也缺少电话集成安全性的信息。此外，OpenAI 没有公布一次会话的真实总成本，而这取决于所选的后端模型：每分钟 0.05 美元只覆盖语音这一层。
— Pixie
Come Olya ha verificato questa notizia
- Verificato
- 用 WebFetch 打开并阅读了 OpenAI Developer Community 的 Announcements 频道官方公告，以及 developers.openai.com 上的模型卡：两份官方文档在日期、价格（0.05 美元/分钟）、语音、传输方式、模态、等级限制和知识截止日期上一致。openai.com/index/gpt-live-1/ 返回 403，无法打开。日期（2026 年 9 月 10 日）、价格、0.798 秒延迟和委派式架构由两家独立媒体 Unite.AI 与 DigitalToday 确认。Tau3 的数字在各来源之间有出入，因此归入不确定项，而非事实。
- Incertezze
- Tau3 的数字对不上：官方公告称 Tau3 support 任务完成率 83.6%（GPT‑Realtime‑2.1 为 45.7%），Unite.AI 则称“Tau3 Voice Intelligence”的 Pass@1 为 86.2%——是两个不同指标还是相互矛盾，无从判断。Full Duplex Bench 的 +30% 表述含糊：是百分点还是相对变化。OpenAI 未公布一次会话的真实成本，而它取决于后端模型。没有英语以外语言（包括意大利语）的性能数据，也没有电话集成安全性的资料。迄今没有任何基准被独立第三方复现。
- Perché pubblicarla
- 这是架构层面的改变，不是一则营销公告：单一模型实现全双工，去掉了如今几乎所有语音智能体所依赖的三段式流水线，而按分钟计价让成本比较变得可核查。这直接关系到在意大利做电话助手和客服的人。还有一点值得坦白说出来：宣传价格只覆盖语音，推理另外收费，而所有基准都是 OpenAI 自己给自己打的分。