AREXOpen in interactive Feed

AREX Feed Article

OpenAI 将 GPT-Live-1.1 开放进 API,新增 Standby 配置:静默时段费率降至每分钟 0.02 美元

November 20, 2026

美国时间 2026 年 11 月 19 日 20 时(北京时间 11 月 20 日凌晨),OpenAI 面向开发者的官方账号 @OpenAIDevs 在 X 上连发三条帖文宣布:语音模型 GPT-Live-1.1 现已在 API 上可用,同时上线名为 Standby(闲置待机)的新配置。按帖文说明,开发者可设置 5~60 秒的闲置超时,静默达到该时长后模型暂时暂停,但 WebRTC(网页实时音视频通信协议)通话保持开放,费率从标准的每分钟 0.05 美元降到 0.02 美元,直到有人再次开口;该配置对 GPT-Live-1 和 GPT-Live-1.1 两个模型都可用(主帖文、Standby 说明帖文)。

发布内容可与官方文档相互印证:gpt-live-1.1 已出现在 OpenAI 开发者文档的模型页上,Active(活跃)与 Standby 两档费率同帖文一致,并注明较低的 standby 费率只适用于“推理暂停期间的 WebRTC 会话”;第三方报道指出,这一变化对应 OpenAI API 更新日志 11 月 19 日的条目(Data Studios 报道)。@OpenAIDevs 还在帖文中给出背景:GPT-Live-1.1 自 10 月 15 日起驱动 ChatGPT Plus 与 Pro 的语音功能,“现在它可以驱动你的应用”(帖文)。

Standby 的运作方式:连接不断,推理暂停

据 Data Studios 查引 OpenAI 会话管理指南的描述,standby 靠两个会话设置启用:把 session.wake_policy.type 设为 speech,让会话等待说话声再启动推理;用 session.idle_timeout_s 设定模型在最后一次输入或输出转录后保持活跃的秒数,取 5~60 的整数。达到超时后,服务器发出 session.paused 事件,会话进入 standby,连接和 sideband(旁路控制通道)保持打开;再次检测到说话时发出 session.resumed,推理恢复。连接与会话 ID 在暂停前后不变,应用不需要重建上下文或重连音频流。

三个细节决定实际效果。可选的 session.wake_policy.vad_threshold(0~1,默认 0.5)控制多大的语音证据才算“醒来”,调高可减少背景噪音造成的误唤醒,代价是可能忽略较小的说话声;OpenAI 提醒开发者在 standby 期间让麦克风音轨保持开启,因为模型必须听到用户才能唤醒;如果省略 idle_timeout_s,推理会在首次唤醒后一直活跃到会话结束,会话永远回不到较低费率。Data Studios 还记下了延迟代价:standby 之后对短语句的首次响应可能变慢,对“是/否”这类极短交互影响最大。此外,这次更新日志条目只点名 WebRTC 会话,SIP 电话与 WebSocket 连接不在 standby 费率的适用范围内。

静默时段的账单:一小时从 3.00 美元到 1.20 美元

官方定价页写明 GPT-Live 语音会话按秒计费、不向上取整到整分钟,后端模型与工具用量单独收费。在 standby 出现之前,会话打开期间的每一秒都按活跃费率计算——包括用户说话、助手说话、双方都沉默以及后端在工作的时间,静音麦克风并不会关闭会话(Data Studios 查引 OpenAI 的成本文档)。按此费率,一小时的静默时段从 3.00 美元降到 1.20 美元(触发超时前的几秒仍按活跃费率计),降幅 60%。另一个计费细节:创建 WebRTC 会话时先计 15 秒语音时长,随后抵扣进实际用量。

Data Studios 按 10 秒超时、只计语音费的假设算了两种工作负载。一个 30 分钟、实际通话 12 分钟的辅导类应用,账单从 1.50 美元降到 0.99 美元,省 34%;一个 8 小时班次、通话合计 45 分钟的门店自助终端,语音账单从每天 24.00 美元降到 11.25 美元,省 53%。持续通话、没有静默段的应用则基本不受影响。更省钱的办法依然存在:在两次交互之间直接关闭会话,上述终端场景每天只需约 2.75 美元——但关闭的 Live 会话无法监听用户,应用得自备恢复按钮或唤醒机制,standby 补的正是这个空当。

GPT-Live-1.1 相对 GPT-Live-1 改了什么

@OpenAIDevs 的措辞是“跨语言口音更自然、更一致,任务完成更可靠”。官方模型页对前半句有对应描述:与 GPT-Live-1 相比,gpt-live-1.1 转录语音更准确,在不同语言之间保持更一致的口音与音色;模型页还确认它可以边说边听(full duplex,全双工),并支持用自然语言描述何时把任务交给后端做推理或工具调用。官方入门指南把这套分工称为 delegation(委派):GPT-Live 负责听话和说话,后端负责查信息、调工具、完成任务;后端可以是 OpenAI 托管的 Responses 模型,也可以是应用自己接入的模型或智能体。Data Studios 整理的官方文档建议后端从 gpt-6-luna 起步,复杂任务换 gpt-6-sol。

边界也写在文档里:模型页标注 gpt-live-1.1 支持流式输出与 function calling(函数调用),不支持结构化输出和微调;输入输出为音频与文本,不支持图像与视频。GPT-Live-1.1 与 GPT-Live-1 各有独立的并发会话限额,各自适用于所有推理区域;Data Studios 查到 GPT-Live-1 的限额为 Build 档 50 路、Launch 档 300 路、Grow 档 500 路,免费档无访问权限。

先进 ChatGPT 语音,后进开发者 API

帖文用一条时间线交代了模型的来处:OpenAI 称 GPT-Live-1.1 “自 10 月 15 日起”就是 ChatGPT Plus 与 Pro 语音背后的模型,如今开放给 API 开发者,并点名三类目标能力——可靠听清字母与数字等精确细节、遵循指令、把复杂工作流委派给所选后端模型而不打断对话。Data Studios 补充了 10 月 15 日那一侧的事实:OpenAI 当天在 Deployment Safety Hub 发布该模型的系统卡,写明 GPT-Live-1.1 是 Plus 及以上档位(含 Codex 与 Dots)的默认语音模型,其他用户默认为 GPT-Live-1.1 Quip,后者未出现在 API 定价页上;ChatGPT 旧的 Advanced 与 Standard 语音模式则将在 12 月 11 日下线。

回复里的欢迎、质疑与没答完的问题

帖文下的开发者回复集中在闲置计费上。开发者 archy 写道:“为静默付费是语音应用里最蠢的账单,standby 帮忙解决了”(回复);NULLchimp 表示“我不想为一个只是待在那儿的智能体付费”(回复)。另一些回复直指公告没说清的地方:vexor4i 问“开启 standby 后你们的延迟数字是多少”(回复);开发者 Lourd Arun Raj 问“standby 会把等待音乐当作静默吗?电话坐席经常在等待中”(回复);Moriarty 则问口音修正是覆盖波兰语这类语种,还是只照顾大语种(回复)。质疑同样存在:开发者 Raphi-2Code 回帖称德语“听起来还是不太好”,并称这个模型在 ChatGPT 里已经上线了一段时间,“没察觉到任何改进”(回复)。

这些关于延迟数字、计费边界与语言覆盖的具体问题,在公告帖文本身里没有答案。对必须在无人点击的情况下响应说话的产品,standby 提供的是介于持续计费与断开会话之间的中间选项:断开更便宜,但应用得自己解决“谁来唤醒”。

参考链接

  • @OpenAIDevs 主帖文(X)
  • @OpenAIDevs Standby 说明帖文(X)
  • @OpenAIDevs 关于 ChatGPT 语音与语音智能体能力的帖文(X)
  • OpenAI 开发者文档:GPT-Live-1.1 模型页
  • OpenAI 开发者文档:定价页
  • OpenAI 开发者文档:GPT-Live 入门指南
  • Data Studios:OpenAI adds GPT-Live-1.1 to its API with $0.02-a-minute standby mode
  • 开发者 archy 的回复(X)
  • 开发者 NULLchimp 的回复(X)
  • 开发者 vexor4i 的回复(X)
  • 开发者 Lourd Arun Raj 的回复(X)
  • 开发者 Moriarty 的回复(X)
  • 开发者 Raphi-2Code 的回复(X)