Суть обновления: Full-Duplex и экономия
OpenAI сделала доступной модель GPT-Live-1.1 (идентификатор gpt-live-1.1) через API. Это полнодуплексная модель, способная слушать и говорить одновременно, что устраняет задержки, характерные для каскадных систем (STT → LLM → TTS). Ключевое нововведение — режим Standby: во время пауз в разговоре инференс приостанавливается, но WebRTC-соединение остается активным. Это позволяет снизить стоимость простоя с $0.05 до $0.02 за минуту (экономия 60%).
Технические характеристики и архитектура
Модель обрабатывает аудио и текст, но не поддерживает изображения, видео или структурированные выводы. Контекстное окно составляет 128 000 токенов. Сложные задачи делегируются бэкенд-моделям: OpenAI рекомендует использовать GPT-6 Astra для сложных рассуждений и Luna для массовых задач. Настройка делегирования доступна через параметр delegation.type (режимы client или responses).
Сравнение с конкурентами и предыдущей версией
В отличие от GPT-Realtime-2.1 и Gemini 3.8 Live, GPT-Live-1.1 не публикует бенчмарков. Заявленные улучшения (акценты, распознавание букв/цифр) основаны на внутренних тестах. Ниже приведено сравнение ключевых параметров:
| Параметр | GPT-Live-1.1 | GPT-Realtime-2.1 | Gemini 3.8 Live |
|---|---|---|---|
| Входные данные | Аудио, текст | Текст, аудио, изображение | Текст, изображение, аудио |
| Контекст | 128K (по умолчанию) | 128K (макс. вывод 32K) | 131,072 вход / 65,536 выход |
| Стоимость (активный режим) | $0.05/мин | $32 / $64 за 1M токенов | Токенная тарификация |
| Режим ожидания (Standby) | $0.02/мин (WebRTC) | Не задокументировано | Не задокументировано |
| Бенчмарки | Отсутствуют | Full Duplex Bench +30 pts | Не сравнивалось |
Настройка режима Standby
Для оптимизации затрат разработчики могут настроить три параметра сессии:
session.wake_policy.type: установка наspeechдля ожидания голосового сигнала.session.idle_timeout_s: время бездействия от 5 до 60 секунд.session.wake_policy.vad_threshold: порог обнаружения речи (по умолчанию 0.5).
При переходе в режим ожидания сервер отправляет событие session.paused, а при возобновлении разговора — session.resumed. ID сессии и история сохраняются, однако первый ответ после короткой реплики может быть медленнее.
Доступность и ограничения
Модель доступна только через облако OpenAI по протоколам WebRTC или WebSocket. Открытые веса и квантованные версии отсутствуют. Поддержка исходящих SIP-звонков стала доступна всем организациям с 2 ноября. Важно учитывать, что использование бэкенд-моделей для делегирования задач тарифицируется отдельно, что может увеличить общие затраты при сложных сценариях.
Источник: MarkTechPost ↗
