GPT‑Live‑1 переносит естественные двусторонние голосовые разговоры в API. Модель может одновременно слушать и говорить; она может делегировать задачи моделям и инструментам, с которыми интегрирована для более глубокого рассуждения и выполнения действий. Разработчики могут адаптировать голосовой интерфейс под своих пользователей, рабочие процессы и цели.
Способность модели управлять перебиваниями получила положительную оценку со стороны Speak на ранних этапах тестирования. GPT‑Live‑1 почти на 80% сократила количество перебиваний по сравнению с предыдущими последовательными системами, предоставляя учащимся больше времени на размышление до ответа преподавателя языка. В отличие от традиционных голосовых агентов, которые разделяют разговор на этапы преобразования речи в текст, рассуждения и преобразования текста в речь, GPT‑Live‑1 объединяет слушание и говорение в одной модели. Она может мгновенно обрабатывать ответы, подтверждения и перебивания, одновременно продолжая более глубокую обработку в фоновом режиме.
Разработчики могут выбирать модели, инструменты и инфраструктуру агентов; Luna можно использовать для планирования или обновления заказов в больших объёмах, а Astra — для сложных клиентских вопросов. Таким образом, скорость, стоимость и уровень рассуждения можно настраивать в зависимости от задачи. GPT‑Live‑1 предоставляет расшифровки ASR и текст ответа; поддерживает буквенно-цифровые выражения и приоритизацию ключевых слов. Несмотря на то что это не последовательная модель, в неё также встроено определение очередности реплик.
В ходе оценок GPT‑Live‑1 повысила результат в Full Duplex Bench на 30 пунктов по сравнению с GPT‑Realtime‑2.1. Вместе с GPT‑6 Astra она заняла первое место в Tau3 при среднем уровне рассуждения. Модель предлагает более широкий выбор голосов для разных акцентов, диалектов и языков. Уже сегодня её можно использовать в API по цене $0,05 за минуту для голосового слоя интерфейса. Её можно интегрировать с Codex и OpenAI Presence; для получения доступа к пользовательским голосам необходимо связаться с отделом продаж.
Почему это важно
Этот подход особенно актуален для образовательных сценариев и клиентского обслуживания, где взаимодействие часто прерывается, поскольку позволяет управлять потоком разговора в голосовых приложениях, не разделяя его на отдельные этапы распознавания, обработки и озвучивания. Возможность обрабатывать прослушивание, ответы и фоновые задачи в рамках одной структуры позволяет разработчикам создавать разные компоненты с учётом требований к скорости, стоимости и рассуждению, а не использовать агента одного типа. Результаты ранних оценок показывают, что сравнение производительности измеряет не только технические возможности, но и естественность разговора, а также время ожидания. Предоставление API расшифровки и текста ответа упрощает подключение голосовых взаимодействий к существующим рабочим процессам. Вместе с тем стоимость поминутной оплаты при использовании в больших объёмах и зависимость доступа к пользовательским голосам от процесса взаимодействия с отделом продаж остаются аспектами, которые командам, планирующим внедрение, необходимо дополнительно оценить.
Предыстория
GPT — не новое имя в архиве FikirPilot: за последние 90 дней мы опубликовали 2 новости, в самой свежей из них это имя упоминается 13 сентября 2026 года.
Термин: агент
Агент искусственного интеллекта — это программное обеспечение, которое для достижения цели вызывает инструменты и выполняет многошаговые задачи, а не просто генерирует один ответ.