Introduzione a GPT‑Live‑1.1

OpenAI ha pubblicato GPT‑Live‑1.1 nella sua API con l’identificatore gpt-live-1.1. Si tratta del modello vocale full‑duplex più recente, capace di gestire conversazioni multilingue in tempo reale ascoltando e parlando contemporaneamente. Secondo il team di OpenAI, la nuova versione “parla con accenti più naturali e coerenti tra le lingue” e completa i compiti in maniera più affidabile rispetto alla versione precedente.

Oltre al miglioramento qualitativo, il rilascio introduce la modalità standby, uno stato di fatturazione più economico per le sessioni inattive, riducendo il costo per minuto di inattività da $0,05 a $0,02.

Caratteristiche tecniche principali

Dimensione e contesto

    • Finestra di contesto predefinita di 128.000 token per le sessioni live.

Infrastruttura e accesso

    • Disponibile esclusivamente sul cloud di OpenAI, tramite l’endpoint v1/live/sessions.
    • Connessione client tramite WebRTC o WebSocket.
    • Non sono rilasciati pesi aperti né versioni quantizzate.

Prestazioni dichiarate

    • Accenti più naturali e coerenti tra le lingue.
    • Trascrizione più accurata, con particolare attenzione a lettere e numeri.
    • Migliore affidabilità nell’esecuzione di istruzioni e completamento dei compiti.
    • OpenAI non ha pubblicato benchmark numerici per la versione 1.1.

Modalità standby: funzionamento e vantaggi

La modalità standby interrompe l’inferenza durante i periodi di silenzio mantenendo aperta la connessione WebRTC. Questo comporta un risparmio significativo sui costi di inattività.

Parametri di configurazione

    • session.wake_policy.type: impostato su speech, l’inferenza attende la presenza di voce.
    • session.idletimeouts: valore intero da 5 a 60 secondi.
    • session.wakepolicy.vadthreshold (opzionale): valore da 0 a 1, default 0,5.

Al raggiungimento del timeout, il server invia l’evento session.paused. Quando l’utente riprende a parlare, viene generato session.resumed. L’ID della sessione e la cronologia rimangono intatti, ma OpenAI avverte che la prima risposta dopo una breve interruzione può subire un leggero ritardo. È consigliabile mantenere attivo il tracciamento del microfono durante lo standby.

Modello di pricing

Stato della sessionePrezzo al minutoPrezzo all'ora
Attiva$0,05$3,00
Standby (WebRTC, inferenza sospesa)$0,02$1,20

Le sessioni vocali sono fatturate in base alla durata. Il modello di backend e le chiamate a tool esterni sono fatturati separatamente, quindi un backend pesante può aumentare i costi complessivi rispetto alla sola voce.

Come funziona GPT‑Live‑1.1

La famiglia GPT‑Live elimina la tradizionale catena “speech‑to‑text → LLM → text‑to‑speech”. Il modello ragiona simultaneamente su audio in ingresso e in uscita, gestendo nativamente il rilevamento dei turni e la generazione di trascrizioni ASR.

Il modello vocale può delegare ragionamento e chiamate a tool a un modello di testo di backend. OpenAI cita GPT‑6 Astra per problemi complessi e Luna per compiti ad alto volume; inoltre è possibile integrare back‑end di terze parti.

Il guida alle conversazioni live prevede due modalità di delega:

    • delegation.type = client: il client gestisce il ragionamento.
    • delegation.type = responses: le risposte sono generate da modelli OpenAI.

Le istruzioni possono contenere fino a 16.384 token.

Confronto con GPT‑Live‑1 e altri modelli

Caratteristica GPT‑Live‑1.1 GPT‑Live‑1 GPT‑Realtime‑2.1 Gemini 3.8 Live
Sviluppatore OpenAI OpenAI OpenAI Google
Parametri Non divulgati Non divulgati Non divulgati Non divulgati
Input Audio, testo Audio, testo Testo, audio, immagine Testo, immagine, audio
Output Audio, testo Audio, testo Testo, audio Testo, audio
Contesto 128 K token (default) 128 K token (default) 128 K, 32 K max output 131 072 in, 65 536 out
Prezzo $0,05/min attivo, $0,02/min standby $0,05/min attivo, $0,02/min standby $32 / $64 per 1 M token audio (in/out) Basato su token (vedi pricing)
Idle standby billing Sì (WebRTC) Sì (WebRTC) Non documentato Non documentato
Reasoning Delegato a modello backend Delegato a modello backend Incorporato, configurabile Ragionamento intercalato
Function calling Sì Sì Sì Sì
Output strutturati No No Non divulgati No
Benchmark pubblicati None per 1.1 Full Duplex Bench +30 pts vs GPT‑Realtime‑2.1 Baseline nella valutazione Non comparato
Licenza / pesi Closed, API only Closed, API only Closed, API only Closed, API only

Deployment e disponibilità

Il modello è disponibile solo via API. Per passare a GPT‑Live‑1.1 è sufficiente impostare il parametro model a gpt-live-1.1 all’avvio di una nuova sessione live.

Il supporto per le chiamate SIP in uscita è stato esteso a tutte le organizzazioni il 2 novembre, consentendo l’uso di agenti telefonici. GPT‑Live‑1 e GPT‑Live‑1.1 hanno limiti di sessioni concorrenti separati, applicati a livello di regioni di inferenza; i numeri precisi non sono pubblicati.

Riepilogo dei punti chiave

    • GPT‑Live‑1.1 è ora attivo nell’API con l’identificatore gpt-live-1.1.
    • La modalità standby riduce il costo per i minuti inattivi da $0,05 a $0,02, pari a un risparmio del 60 %.
    • Il timeout di inattività è configurabile tra 5 e 60 secondi.
    • Gli accenti, la trascrizione e la precisione dei dettagli sono migliorati, ma i risultati sono auto‑segnalati senza benchmark numerici.
    • Il ragionamento e le chiamate a tool di backend sono fatturati separatamente dal costo della voce.

Per ulteriori dettagli, consultare la pagina del modello, la guida alle conversazioni live e l’annuncio sul forum di OpenAI. È possibile verificare le opzioni di deployment e le specifiche tramite la nostra estensione Chrome GPULeaderboard.com.