OpenAI открыла GPT-Live-1.1 в API и удешевила паузы в разговоре в 2,5 раза

OpenAI открыла GPT-Live-1.1 в API и добавила режим standby: что изменилось, сколько он экономит и как его включить.

Обложка: OpenAI открыла GPT-Live-1.1 в API и удешевила паузы в разговоре в 2,5 раза

OpenAI 19 ноября открыла в API голосовую модель GPT-Live-1.1 и одновременно добавила режим standby для WebRTC-сессий GPT-Live-1 и GPT-Live-1.1. В standby модель перестаёт обрабатывать звук, пока собеседник молчит, а минута такой паузы стоит $0,02 вместо $0,05 в активном режиме.

Для тех, кто делает голосового агента, это две отдельные новости. Новая модель стоит столько же, сколько прежняя, и, по словам OpenAI, точнее распознаёт речь и держит акцент на разных языках; чтобы её попробовать, в существующей конфигурации достаточно заменить идентификатор модели. Standby бьёт по главной статье расходов длинных разговоров: время, когда сессия открыта, а никто не говорит. Бесплатным он не стал, и включать его нужно явно.

Анонс вышел в аккаунте OpenAI Developers в X 19 ноября в 23:00 мск. В ChatGPT модель GPT-Live-1.1 работает с 15 октября, тогда OpenAI пообещала вывести её в API «скоро».

Ключевые выводы
  • Модель gpt-live-1.1 доступна только через Live-эндпоинт v1/live/sessions; цена та же, что у GPT-Live-1: $0,05 за минуту активной сессии.
  • Standby тарифицируется по $0,02 за минуту, оплата посекундная, работает только в WebRTC-сессиях GPT-Live-1 и GPT-Live-1.1.
  • Включается параметрами session.wake_policy.type: "speech" и session.idle_timeout_s от 5 до 60 секунд; микрофонный трек должен оставаться активным.
  • Выключенный микрофон не переводит сессию в standby: такое время оплачивается по активной ставке.
  • Чисел, насколько 1.1 лучше первой версии, OpenAI не привела.

Что OpenAI улучшила в GPT-Live-1.1?

Коротко: произношение, устойчивость акцента и распознавание речи в многоязычных разговорах. На странице модели сказано, что по сравнению с GPT-Live-1 новая версия «точнее транскрибирует речь и сохраняет более последовательный акцент и голос на разных языках» (здесь и далее перевод редакции). В анонсе компания добавила, что модель «ещё надёжнее доводит задачи до конца».

GPT-Live — семейство full-duplex голосовых моделей: модель слушает, пока говорит, и пользователь может перебить её на полуслове. Сложные задачи она не решает сама, а передаёт бэкенду, например текстовой модели через Responses API с поиском в вебе. Для 1.1 OpenAI отдельно советует описывать обычным языком в инструкциях, когда модели передавать задачу бэкенду.

Количественных оценок улучшений нет ни в анонсе, ни в changelog, ни на странице модели: ни доли ошибок распознавания, ни задержки, ни результатов на бенчмарках. Не указана и дата среза знаний, у GPT-Live-1 это 31 июля 2025 года. Независимых замеров 1.1 на 20 ноября мы не нашли, так что улучшения пока остаются заявлением компании.

OpenAI открыла GPT-Live-1.1 в API и удешевила паузы в разговоре в 2,5 раза_8
Кадр из демо GPT-Live-1.1: многоязычный разговор, где голоса на английском, французском, немецком и корейском переводят друг другу отдельные слова. Изображение: OpenAI

Смотреть видео: демо GPT-Live-1.1 в анонсе OpenAI Developers, 44 секунды.

Как работает standby и чем он отличается от выключенного микрофона?

Standby — пауза в работе модели при открытом соединении. Если в течение заданного числа секунд нет ни входной, ни выходной транскрипции, сервер останавливает инференс и переводит сессию в режим ожидания. Соединение и идентификатор сессии сохраняются. Когда пользователь снова заговорит, сессия возобновляется и восстанавливает историю разговора.

Ключевая оговорка документации: микрофонный трек должен оставаться активным, иначе серверу нечем услышать, что человек снова говорит. Выключение микрофона в интерфейсе модель не усыпляет: в руководстве по стоимости прямо сказано, что мьют оставляет сессию активной, то есть время оплачивается по $0,05 за минуту. Кнопка «выключить микрофон» в приложении экономии не даёт.

У режима есть цена в задержке. После standby первый ответ на короткую реплику может прийти позже обычного, предупреждает OpenAI. Насколько позже, в документации не сказано.

Приложение узнаёт о смене режима по двум событиям, которые приходят в sideband-канал или в data channel WebRTC, если его настройки событий это разрешают:

  • session.paused — таймаут простоя остановил инференс, сессия ушла в standby; соединение и sideband остаются открытыми;
  • session.resumed — инференс снова готов, в том числе при первом пробуждении сессии.

Как включить standby в своей сессии?

Два параметра при создании WebRTC-сессии через POST /v1/live/sessions. Поле session.wake_policy.type со значением speech заставляет сессию ждать речи, прежде чем запускать инференс. Поле session.idle_timeout_s, целое число от 5 до 60, задаёт, через сколько секунд тишины вернуться в standby. Если таймаут не указать, после первого пробуждения инференс останется активным до конца сессии.

Ниже пример из WebRTC-квикстарта на Node.js SDK, в который добавлены поля standby из справочника API. Сервер получает SDP-оффер от браузера и создаёт сессию; блок delegation передаёт сложные запросы бэкенд-модели с веб-поиском:

			const result = await client.live.create({
  session: {
    model: "gpt-live-1.1",
    instructions:
      "Be concise. Delegate requests needing current information to the backend, which can search the web.",
    delegation: {
      type: "responses",
      responses: {
        model: "gpt-5.6-terra",
        instructions:
          "Use web search when current facts are needed. Return concise, grounded results for a spoken conversation.",
        tools: [{ type: "web_search" }],
        tool_choice: "auto",
      },
    },
    // ждать речи перед запуском инференса
    wake_policy: { type: "speech", vad_threshold: 0.5 },
    // уходить в standby после 15 секунд без транскрипции
    idle_timeout_s: 15,
  },
  transport: {
    type: "webrtc",
    sdp: request.body.sdp,
  },
});
		

Необязательный vad_threshold от 0 до 1, по умолчанию 0,5, задаёт, насколько уверенно серверный детектор голосовой активности (VAD) должен распознать речь, чтобы разбудить модель; чем выше значение, тем больше нужно доказательств. Порог действует и на первое пробуждение, и на каждое следующее. На практике это значит, что в шумной обстановке его стоит поднимать, чтобы посторонний звук реже возвращал сессию на активный тариф.

Остальное в квикстарте не меняется: браузер отправляет SDP-оффер вашему серверу, сервер создаёт сессию, клиент ждёт события session.started в data channel и не отправляет session.start сам. Если убрать блок delegation, делегированные задачи придётся обрабатывать самому приложению. Тем, кто уже работает на GPT-Live-1, для перехода на 1.1 достаточно поменять model, говорится в changelog.

Сколько стоит GPT-Live и сколько экономит standby?

GPT-Live считает не аудиотокены, а длительность сессии. По прайсу у обеих моделей одинаковые ставки, разницы в цене между 1.1 и 1 нет:

Тарифы GPT-Live в API

2 сервиса, 3 столбца
Тарифы GPT-Live в API
МодельАктивный режимStandby
gpt-live-1.1$0,05 за минуту$0,02 за минуту
gpt-live-1$0,05 за минуту$0,02 за минуту
Листайте столбцы →Смахните влевоВсе 3 столбца
OpenAI, цены API на 20 ноября 2026

Оплата посекундная, до целой минуты время не округляется. По активной ставке идут речь, тишина до истечения таймаута простоя и ожидание ответа бэкенда, пока инференс работает. Пониженная ставка действует, только пока инференс стоит на паузе в WebRTC-сессии, настроенной на standby. Вызовы бэкенд-модели и инструментов оплачиваются отдельно по их обычным ценам.

Ещё одна строка счёта: при запуске по умолчанию создание WebRTC-сессии сразу списывает 15 секунд голосового времени на инициализацию. Когда сессия начинает работать, эта сумма засчитывается в её длительность, так что 90-секундная активная сессия уже включает эти 15 секунд, добавлять их сверху не нужно. Но каждое пересоздание сессии их снова списывает, и это стоит учитывать при выборе между standby и переподключением.

Расчёт редакции на числах прайса: час в активном режиме стоит $3, час в standby — $1,20. Возьмём 30-минутную сессию, где пользователь говорит с агентом 5 минут, а между репликами пять раз замолкает на 5 минут, например читает ответ или занят своим делом. Без standby все 30 минут идут по $0,05: итого $1,50. Со standby и таймаутом 15 секунд каждая пауза начинается с 15 активных секунд, так что активными будут 6,25 минуты ($0,31), а 23,75 минуты уйдут в standby ($0,48). Итого около $0,79, почти вдвое меньше.

OpenAI открыла GPT-Live-1.1 в API и удешевила паузы в разговоре в 2,5 раза_28
Стоимость 30-минутной сессии с 5 минутами речи и пятью паузами по 5 минут. Источник данных: цены OpenAI на 20 ноября 2026; расчёт Tproger

Предельная экономия на паузах — 60%: дешевле $0,02 за минуту открытая сессия стоить не может. Чем короче паузы, тем меньше выигрыш, потому что первые секунды каждой паузы до таймаута оплачиваются по полной ставке. Агенту, с которым говорят без перерывов, например в коротком телефонном звонке, standby почти ничего не даст.

Где standby не работает и чего OpenAI не сказала?

Ограничений несколько, и о них стоит знать до того, как закладывать экономию в бюджет.

  • Только WebRTC. Live-сессии также работают через WebSocket и SIP-телефонию, но standby для них не заявлен ни в changelog, ни в документации.
  • Только Live-эндпоинт. GPT-Live-1.1 не поддерживается в Chat Completions, Responses, Realtime API, Batch и fine-tuning.
  • Только аудио и текст на входе и выходе.
  • Отдельные лимиты. У GPT-Live-1.1 и GPT-Live-1 раздельные лимиты одновременных сессий. Для первой версии OpenAI называет 50, 300 и 500 сессий на тарифах Build, Launch и Grow, бесплатный тариф не поддерживается; цифр для 1.1 на странице модели нет, их показывают в настройках организации.
  • Регионы доступности, дата среза знаний и количественные метрики улучшений 1.1 не опубликованы.

Для длинных перерывов, когда приложение может отключиться, OpenAI предлагает другой путь: закрыть сессию, сохранить контекст и состояние задачи, а когда пользователь вернётся, открыть новую сессию с форком сохранённой или с текстовой историей разговора. Выбирать таймаут простоя документация советует, сравнивая сэкономленное время со стоимостью создания новой сессии и задержкой, пока голос снова станет доступен.

Что сделать сейчас: в существующей конфигурации заменить model на gpt-live-1.1 и сравнить качество распознавания на своих разговорах; для WebRTC-сессий с паузами добавить wake_policy и idle_timeout_s, проверить, что приложение не глушит микрофонный трек, и подписаться на session.paused и session.resumed, чтобы видеть долю времени в standby.

Как OpenAI шла к этому релизу?

Семейство GPT-Live OpenAI представила 8 июля 2026 года в ChatGPT вместе с облегчённой GPT-Live-1 mini. 10 сентября GPT-Live-1 стала общедоступной в API по $0,05 за минуту. 15 октября GPT-Live-1.1 вышла в ChatGPT и Codex с новыми голосами на французском, немецком, хинди, мексиканском испанском, корейском и японском. Версии mini в API по-прежнему нет: в прайсе её не появилось.

Если вы выбираете, на чём собирать голосового агента, сравните готовые фреймворки из нашего разбора LiveKit, Pipecat и Vapi: они берут на себя транспорт и оркестрацию поверх моделей. Голосовые режимы появляются и в инструментах для разработчиков: недавно Cursor научил агентов разговаривать голосом на модели Grok Voice.

Источники: OpenAI: changelog API, 19 ноября 2026, OpenAI: страница модели GPT-Live-1.1, OpenAI: Managing sessions, раздел Configure standby, OpenAI: Voice latency and cost, OpenAI: цены API, GPT-Live, OpenAI: справочник API, создание Live-сессии, OpenAI: WebRTC quickstart для GPT-Live, OpenAI Developers в X: анонс GPT-Live-1.1 в API, OpenAI в X: GPT-Live-1.1 в ChatGPT, 15 октября 2026, OpenAI: Introducing GPT-Live-1 in the API

Изображение на обложке: Изображение: OpenAI