GPT‑Live‑1 dari OpenAI Hadir di API dengan Harga $0.05 per Menit

OpenAI meluncurkan GPT‑Live‑1 di API pada 10 September 2026, menjadikan model suara full‑duplexnya tersedia bagi pengembang dengan biaya $0.05 per menit untuk lapisan suara front‑end. Rilis ini memperluas sistem percakapan di balik ChatGPT Voice ke aplikasi pihak ketiga dan alur kerja bisnis.

GPT‑Live‑1 dapat mendengarkan dan berbicara secara bersamaan, dan OpenAI menyatakan bahwa model ini menyerahkan penalaran mendalam serta tindakan kepada model dan alat yang dipasangkannya, seperti yang ditunjukkan dengan Codex dan ChatGPT Work. Untuk rilis API, perusahaan menekankan kemampuan yang memungkinkan pengembang mengarahkan dan menyesuaikan pengalaman suara sesuai dengan pengguna, alur kerja, dan tujuan mereka.

Satu Model untuk Mendengarkan dan Berbicara

Agen suara tradisional menggabungkan rangkaian speech‑to‑text, model penalaran, dan text‑to‑speech, dan setiap serah terima menambah latensi serta meningkatkan peluang kehilangan timing, konteks, atau ritme alami percakapan. GPT‑Live‑1 menangani mendengarkan dan berbicara dalam satu model yang menalar atas audio masuk dan keluar secara bersamaan, merespons interupsi dan pengakuan secara real‑time sambil menyerahkan penalaran mendalam ke backend, sehingga percakapan dapat berlanjut sementara pekerjaan berlangsung di latar belakang.

Pengembang memilih model, alat, dan rangka agen di balik percakapan. OpenAI memberi contoh menggabungkan GPT‑Live‑1 dengan model seperti Luna untuk tugas bervolume tinggi seperti penjadwalan atau pembaruan pesanan, serta model seperti Astra untuk masalah pelanggan kompleks yang memerlukan penalaran; backend juga dapat berupa model pihak ketiga. Pengembang dapat mengatur nada, kecepatan, dan gaya percakapan agen melalui prompt sistem.

OpenAI mencantumkan keunggulan tambahan untuk rilis API: manajemen konteks diam dan penanganan kebisingan latar belakang tanpa harus menuturkan setiap langkah secara keras, retensi konteks selama sesi yang diperpanjang, serta dukungan telepon untuk agen full‑duplex pada panggilan mulai dari reservasi restoran hingga dukungan pelanggan. GPT‑Live‑1 secara native menyediakan transkrip ASR dan teks respons, mendukung bias kata kunci serta pemahaman alfanumerik, dan meskipun bukan model berbasis giliran, secara native mendukung deteksi giliran sehingga pengembang dapat terus membangun di sekitar batas giliran yang eksplisit. Sebuah cuplikan kode yang dipublikasikan bersama pengumuman menunjukkan sebuah aplikasi mengirim konteks percakapan ke Codex dan mengembalikan jawaban Codex ke GPT‑Live‑1 selama sesi.

Hasil Evaluasi yang Dilaporkan

OpenAI melaporkan bahwa GPT‑Live‑1 meningkatkan kinerja Full Duplex Bench sebesar 30 poin persentase dibandingkan GPT‑Realtime‑2.1, dengan peningkatan signifikan pada latensi giliran dan perilaku interaktif, serta menempati peringkat pertama pada Tau3, sebuah benchmark yang mengukur kecerdasan agen suara frontier pada tugas end‑to‑end, ketika dipasangkan dengan GPT‑6 Astra dengan upaya penalaran menengah.

Pada Tau3 (Voice) Intelligence, yang menilai tugas layanan pelanggan berbicara dalam domain maskapai, ritel, dan telekomunikasi, skor Pass@1 yang dilaporkan OpenAI adalah 86,2 % untuk GPT‑Live‑1, dibandingkan 45,7 % untuk GPT‑Realtime‑2.1 dan 42,4 % untuk GPT‑Realtime‑2. Pada Tau Banking (Voice) Knowledge, yang diukur sebagai fraksi dari 97 tugas pengetahuan perbankan yang berhasil diselesaikan, angka yang dilaporkan adalah 32,0 % versus 12,4 % dan 10,3 %.

Perusahaan juga melaporkan skor rata‑rata Artificial Analysis Conversational Dynamics sebesar 97,3 % untuk GPT‑Live‑1, dibandingkan 95,7 % untuk GPT‑Realtime‑2.1 dan 95,3 % untuk GPT‑Realtime‑2, pada evaluasi yang mencakup penanganan jeda, giliran percakapan, interupsi, dan backchannel. Pada Full Duplex Bench v1.5 Interactivity, yang menguji reaksi terhadap suara latar, suara ke orang lain, backchannel pendengar, dan interupsi, skor yang dilaporkan adalah 80,10 % versus 45,4 % dan 47,8 %. Latensi giliran pada Full Duplex Bench v1, yang mengukur seberapa cepat agen memulai balasannya setelah pengguna menyelesaikan giliran, tercatat 0,798 detik versus 1,41 detik dan 1,63 detik. Pada Full Duplex Bench v3, yang dijalankan dengan backend Terra pada upaya penalaran rendah, OpenAI melaporkan Pass@1 tool‑calling sebesar 87,0 % versus 60,0 % dan 58,0 %, serta kualitas respons 90,0 % versus 88,0 % dan 81,0 %.

Dari ChatGPT Voice ke API

OpenAI memperkenalkan GPT‑Live pada 8 Juli 2026 sebagai generasi baru model suara full‑duplex yang mendukung ChatGPT Voice, meluncurkan GPT‑Live‑1 dan GPT‑Live‑1 mini ke pengguna ChatGPT secara global pada hari yang sama serta menyatakan rencananya untuk membawa model tersebut ke API. OpenAI menyatakan bahwa GPT‑Live‑1 akan menjadi model default yang menggerakkan ChatGPT Voice untuk pengguna Go, Plus, dan Pro, sementara GPT‑Live‑1 mini menjadi default untuk pengguna Gratis. Pembaruan pada 31 Juli 2026 menambahkan watermark SynthID pada audio yang didukung dan dihasilkan dengan GPT‑Live melalui ChatGPT Voice dan API OpenAI, serta akses API ke alat verifikasi publik OpenAI.

Pengumuman tersebut juga mengarahkan perusahaan ke OpenAI Presence, yang menurut OpenAI menggunakan GPT‑Live‑1 untuk menggerakkan interaksi suara real‑time bagi agen yang menjawab pertanyaan, menyelesaikan masalah, menggunakan sistem perusahaan, melakukan tindakan yang disetujui, dan meningkatkan ke manusia bila diperlukan. OpenAI memperkenalkan Presence pada 22 Juli 2026 sebagai produk enterprise yang diterapkan untuk alur kerja suara dan chat, tersedia bagi pelanggan yang memenuhi syarat melalui program ketersediaan umum terbatas yang dipimpin oleh OpenAI Forward Deployed Engineers dan integrator sistem global terpilih, bukan sebagai produk layanan mandiri.

Pelanggan Awal dan Suara Baru

Kepala teknologi Yelp, Alex Levy, mengatakan bahwa penambahan GPT‑Live‑1 ke Yelp Host dan Hatch meningkatkan giliran dan akurasi dibandingkan arsitektur suara tradisional perusahaan, serta Yelp melihat peningkatan signifikan pada tingkat penanganan panggilan ketika Yelp Host menjawab panggilan seperti reservasi dan pesanan makanan. “Pemanggil juga berbicara dengan kalimat yang lebih lengkap dan alami, yang memberi tahu kami bahwa pengalaman di ujung telepon terasa benar‑benar berbeda,” kata Levy. Demo yang dipublikasikan bersama pengumuman menunjukkan Yelp Host mengamankan reservasi sementara GPT‑Live‑1 menangani kebisingan latar, percakapan sampingan, dan interupsi.

Co‑founder dan kepala teknologi Speak, Andrew Hsu, mengatakan evaluasi awal menemukan bahwa GPT‑Live‑1 mengurangi interupsi selama jeda berpikir pelajar hampir 80 % dibandingkan sistem berbasis giliran sebelumnya dalam Live Tutor Lessons Speak. Chief operating officer Fin, Jordan Neil, menyatakan bahwa model ini menggeser dukungan suara AI dari ritme berhenti‑mulai ke aliran alami panggilan telepon, memungkinkan pelanggan berhenti sejenak, menyela, dan mengubah arah sementara Fin menggabungkan percakapan dengan sistem dukungan proprieternya untuk menyelesaikan masalah. Co‑founder dan chief product officer Cognition, Walden Yan, menjelaskan penggunaan GPT‑Live‑1 bersama Devin, insinyur AI Cognition, untuk mendiskusikan ide, menguji tekanan pendekatan, atau menyerahkan pekerjaan saat berada jauh dari keyboard.

OpenAI mengatakan bahwa mereka sedang memperluas pilihan suara real‑time dari sekumpulan kecil menjadi seleksi yang lebih luas meliputi aksen, dialek, dan bahasa, memberi pengembang lebih banyak pilihan tentang bagaimana asisten mereka terdengar. Pengembang yang menginginkan akses suara khusus harus menghubungi tim penjualan OpenAI untuk mempelajari kelayakan dan proses permintaan. Perusahaan menyatakan akan terus memperluas opsi suara dan ketersediaan bahasa dalam beberapa bulan mendatang.