OpenAI GPT-Live-1.1: голосовые агенты с режимом standby за $0.02 в минуту

OpenAI открыла в API модель GPT-Live-1.1 — full-duplex голосовую модель для многоязычных разговоров. Она слушает и говорит одновременно, а главное практическое изменение — режим standby: пока в сессии тишина, инференс приостанавливается, и простой WebRTC-соединения тарифицируется по $0.02 за минуту вместо $0.05 за активную работу. Для команд, которые держат голосовых агентов на линии, это снижение платы за простой на 60%.

Модель доступна только в облаке OpenAI под идентификатором gpt-live-1.1, подключение идёт через v1/live/sessions по WebRTC или WebSocket. Открытых весов и квантованных вариантов нет.

Что умеет GPT-Live-1.1

GPT-Live-1.1 пришла на смену GPT-Live-1, которая появилась в API 10 сентября 2026 года. С 15 октября модель уже работает в голосовом режиме ChatGPT Plus и Pro. На вход и выход принимаются аудио и текст; изображения и видео не поддерживаются. Стриминг и вызов функций работают, а структурированные выходные данные, тонкая настройка и predicted outputs — нет.

Семейство GPT-Live заменяет привычную цепочку из распознавания речи, языковой модели и синтеза речи: OpenAI утверждает, что модель рассуждает над входящим и исходящим аудио вместе, сама определяет момент смены реплики и отдаёт транскрипцию ASR. Более сложные задачи делегируются текстовой модели на бэкенде — OpenAI называет GPT-6 Astra для трудных случаев и Luna для высоконагруженных задач, но сторонние бэкенды тоже подключаются.

Standby: как включить и что учесть

Standby приостанавливает инференс во время тишины, оставляя WebRTC-соединение открытым. В документации к Live-сессиям описаны три параметра:

  • session.wake_policy.type — значение speech, чтобы инференс ждал речи;
  • session.idle_timeout_s — целое число от 5 до 60 секунд;
  • session.wake_policy.vad_threshold — необязательный порог от 0 до 1, по умолчанию 0.5.

По истечении тайм-аута сервер отправляет событие session.paused, а когда пользователь заговорит — session.resumed. Идентификатор сессии и история сохраняются. OpenAI предупреждает: первый ответ после короткой реплики может быть медленнее, а микрофонную дорожку во время standby нужно держать активной. Режим работает и для GPT-Live-1, и для GPT-Live-1.1.

Цены и делегирование

Состояние сессии Цена за минуту Цена за час
Активная $0.05 $3.00
Standby (WebRTC, инференс на паузе) $0.02 $1.20

Голосовые сессии тарифицируются по длительности, на странице модели GPT-Live-1 указано, что биллинг посекундный. Использование бэкендовой модели и инструментов оплачивается отдельно — и это существенно: тяжёлый бэкенд может обойтись дороже самого голосового слоя.

Как перейти и что изменилось в качестве

Модель существует только в API. Чтобы перевести существующую Live-сессию на новую версию, задайте model равным gpt-live-1.1; смена модели требует новой сессии. Исходящие SIP-звонки 2 ноября стали доступны всем организациям, так что телефонные агенты поддерживаются. У GPT-Live-1 и GPT-Live-1.1 раздельные лимиты одновременных сессий, и каждый лимит действует на все регионы инференса; конкретных цифр по тарифам для 1.1 на странице модели нет.

OpenAI перечисляет четыре улучшения относительно GPT-Live-1: более естественные и стабильные акценты на разных языках, более точная транскрипция речи, лучшее обращение с буквами и числами, более надёжное следование инструкциям и завершение задач. Никаких оценок в цифрах для 1.1 не опубликовано — все улучшения заявлены самим вендором.

Если вы уже строите голосовых агентов на моделях OpenAI, посмотрите на GPT-6 Astra для управления компьютером и на агентов dots на GPT-6 Astra: standby логично сочетается с постоянно работающими сессиями. А для сравнения с конкурентом пригодится разбор Gemini 3.8 Live с фоновым вызовом инструментов.

Что это значит для российских команд

Модель доступна только в облаке OpenAI, поэтому для российских компаний вопрос упирается в доступность API и способ оплаты, а не в технические параметры. Если голосовой агент уже работает через OpenAI, переход на gpt-live-1.1 — это смена идентификатора модели в новой сессии плюс настройка standby. Никакого локального развёртывания не предусмотрено: открытых весов нет.

Частые вопросы

Чем standby отличается от обычного простоя?

Обычная сессия тарифицируется по $0.05 за минуту, пока соединение открыто. В standby инференс приостанавливается на время тишины, и та же минута стоит $0.02.

Как включить standby?

Задайте session.wake_policy.type равным speech и настройте session.idle_timeout_s в диапазоне от 5 до 60 секунд. Порог vad_threshold при необходимости меняется от 0 до 1.

Что произойдёт после тайм-аута?

Сервер отправит событие session.paused, а когда пользователь заговорит — session.resumed. Идентификатор сессии и история разговора сохранятся.

Есть ли задержка при пробуждении?

OpenAI предупреждает, что первый ответ после короткой реплики может быть медленнее. Микрофонную дорожку во время standby нужно оставлять активной.

Сколько стоит час голосового агента?

Активная сессия — $3.00 в час, standby — $1.20 в час. Расходы на бэкендовую модель и вызовы инструментов считаются отдельно.

Какие входы и выходы поддерживает модель?

Только аудио и текст. Изображения, видео и структурированные выходные данные не поддерживаются, тонкая настройка тоже недоступна.

Можно ли использовать GPT-Live-1.1 с собственным бэкендом?

Да. Параметр delegation.type принимает значение client для подключения своего бэкенда или responses для моделей OpenAI. Инструкции могут занимать до 16 384 токенов.

Нужно ли создавать новую сессию при переходе?

Да. Смена модели требует новой сессии: переключение выполняется установкой model в gpt-live-1.1 при создании сессии.

Источник: marktechpost.com