一句话看懂:OpenAI 于 2026 年 11 月 21 日把 GPT-Live-1.1 语音模型开放到 API,新增待机(standby)计费状态,空闲 WebRTC 时段每分钟 0.02 美元,约为活跃时段 0.05 美元的四成。
事件核心:发生了什么
GPT-Live-1.1 是 OpenAI 的全双工语音模型,可通过模型 ID gpt-live-1.1 在 v1/live/sessions 接入,客户端使用 WebRTC 或 WebSocket 连接。它在 GPT-Live-1(2026 年 9 月 10 日上线 API)基础上改进四点:跨语言口音更自然一致、语音转写更准确、字母与数字等细节处理更好、指令遵循和任务完成更可靠。默认上下文窗口为 128,000 token,仅支持音频和文本输入输出,图像、视频和结构化输出不支持。
计费上,活跃会话每分钟 0.05 美元,待机状态每分钟 0.02 美元,按秒计费。待机能通过 session.wake_policy.type 等参数开启,静音时暂停推理但保持连接,用户开口后恢复,会话 ID 与历史保留。后端模型和工具的调用费用单独计算。
为什么重要
语音 Agent 的商业模式一直受“连接常开、推理不能停”的拖累。待机计费把空闲成本压低约 60%,这对客服热线、外呼、陪伴类应用等长时间在线的场景很关键,也让开发者更愿意做常驻语音会话。技术路线上,GPT-Live 系列把语音识别、对话和语音合成合并在同一模型中处理,复杂推理则委派给后端文本模型,这与传统“STT+LLM+TTS”级联方案形成对照。
对用户/开发者/创作者的影响
开发者可用同一会话切换模型,但换模型需新建会话;外呼 SIP 已于 11 月 2 日向所有组织开放,电话类 Agent 具备落地条件。需要注意,GPT-Live-1 与 1.1 有独立的并发会话上限,且 1.1 页面未公布各档位数字。创作者和企业若做实时语音应用,成本结构会随“活跃 + 待机”双计费变化,但重后端调用可能比语音层本身更贵,需按实际负载估算。
AI 工具推荐
想把多个 AI 模型放在一个入口?
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。
推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。
值得关注的后续
一是 OpenAI 未公布任何基准分数,口音、转写和任务完成度的提升目前仅为官方自述,需等待第三方评测;二是待机恢复后首句回复可能变慢,实际体验能否被接受要看线上反馈;三是 GPT-Realtime-2.1、Gemini 3.8 Live 等竞品是否跟进空闲计费与全双工方案,将决定语音 Agent 的价格竞争走向。


