GPT-Live-1 вышла в API: полный дуплекс за $0,05 в минуту, 12 голосов — и без поддержки картинок

Полный дуплекс здесь не маркетинговое слово: модель обрабатывает паузы, перебивания и поддакивания, не дожидаясь, пока собеседник закончит фразу. На Full Duplex Bench v1.5 это 80,1% интерактивности и латентность смены реплик 0,798 с против 1,41 с у предшественника. Голосов — 12: Quartz, Ripple, Vesper, Willow, Stone, Gleam, Meridian, Bossa, Tempo, Beacon, Delta, Cinder. Называть их все новыми не стоит: часть могла прийти из версии для ChatGPT, и ни анонс, ни карточка модели этого не уточняют.

Два уточнения к расхожим формулировкам. Во-первых, GPT-Live-1 — не первая голосовая модель OpenAI в API: Realtime API работает с октября 2024 года, до неё там уже были gpt-realtime, GPT-Realtime-2, GPT-Realtime-2.1 и GPT-Realtime-Translate. Новое здесь — первый представитель линейки GPT-Live в API; сама модель появилась в ChatGPT ещё 8 июля 2026 года, но без доступа по API. Во-вторых, по сравнению с предшественником есть прямой регресс: в карточке модели значатся «input modalities: audio, text» и «unsupported: image, video», тогда как gpt-realtime-2.1 картинки на вход принимала.

Архитектурно OpenAI подаёт модель как «фронтенд-слой»: рассуждения и действия делегируются отдельному бэкенду — любой модели из API или агентскому фреймворку, — который тарифицируется поверх голоса. То есть $0,05/мин — это только голосовая оболочка, и итоговая стоимость минуты разговора зависит от того, что стоит за ней. Для Web3 это снимает необходимость поднимать собственную голосовую инфраструктуру под ассистентов к кошелькам и DeFi-аналитике, но счёт нужно считать по двум статьям, а не по одной.