OpenAI 发布全双工语音模型 GPT-Live-1，开发者从 API 定价逆向解析架构
rdesh26 · x · 2026-09-12
OpenAI 发布 GPT-Live-1 API，即驱动 ChatGPT/Codex/Work 语音的模型，Hatch、Yelp、Speak 已在生产使用。作者虽无官方架构资料，但从 API、定价、文档和第三方评测推断出大量细节：
- 全双工：单一模型同时对进出音频推理，可边说边听，无 turn/audio-done 事件，模型自行决定何时开口
- 前后端分离：GPT-Live 只负责对话交互，推理和工具调用委托给后端模型（OpenAI 的或用户自选），作者称之为最干净的产品级前后端分离，推测前端采用 interleaved 多流设计
- 定价：$0.05/分钟、无按 token 计价；按 12.5Hz 音频 token 折算约 $28/M tokens
- 评测疑点：τ-Voice 分数在 OpenAI 博客 86.2%、官方排行榜 81.7%、Artificial Analysis 仅 67.9%，后端模型差异影响很大
- OpenAI 公开了 CRAWL/WALK/RUN 语音 agent 评测工具
所属事件:OpenAI 语音模型 GPT-Live-1 上线 API，支持全双工对话(38 条相关)→
「编程与Agent」频道最新
- 用 $28 算力让模型给自己造 copilot：他的新模型个人基准 — bucolucas · 2026-10-27
- Agent 中途改计划该被允许吗：真实系统介入时的边界之辩 — wistfulcracker84 · 2026-10-27
- HeyGen 联手 Canva:幻灯片讲者备注自动变数字人讲解视频 — HeyGen · 2026-10-27
- 隐私场景实测：本地 Qwen 3.8 FN 不输云端前沿模型还更快 — dr_lm · 2026-10-27
- Cloudflare Computer 支持 agent 中断恢复，可跳过已完成的非幂等请求 — irvinebroque · 2026-10-27
- LLM Tails 实测省 80% 输入 token：先读后写约束 agent 编码 — savadks1818 · 2026-10-27