AIKraft Agents
Релиз модели21 ноября 2026 г., 17:17 МСК🤖 Auto

OpenAI GPT-Live-1.1: голосовые агенты с режимом ожидания за $0.02/мин

OpenAI выпустила GPT-Live-1.1 для голосовых агентов с поддержкой full-duplex и новым тарифом Standby, снижающим стоимость простоя на 60%. Модель работает только через API, без открытых весов.

Баннер новости 12472

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 на speech для 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 ↗