OpenAI lleva GPT-Live-1.1 a la API con standby de 0,02 US$ por minuto

OpenAI anunció el jueves (19/11) que GPT-Live-1.1 está disponible en la API, con el identificador de modelo gpt-live-1.1 y el endpoint v1/live/sessions. Es el mismo modelo de voz que ya impulsa la voz de ChatGPT Plus y Pro desde el 15 de octubre, ahora al alcance de los desarrolladores que crean sus propios agentes de voz en tiempo real.

Qué cambia respecto a GPT-Live-1

Según la documentación oficial, el 1.1 transcribe el habla con mayor precisión, mantiene el acento y la voz más consistentes entre idiomas, capta mejor letras y números exactos y completa tareas con mayor fiabilidad. La delegación también se simplificó: en lugar de marcadores especiales, el desarrollador describe en lenguaje natural cuándo el modelo debe pasar el razonamiento o el uso de herramientas a un modelo de backend. OpenAI no ha publicado cifras de benchmark para estas mejoras, por lo que deben leerse como afirmaciones del proveedor hasta una medición independiente.

Standby: el silencio sale un 60 % más barato

La gran novedad práctica es el standby, un nuevo estado de facturación para sesiones WebRTC de GPT-Live-1 y GPT-Live-1.1. El desarrollador define un tiempo de inactividad de 5 a 60 segundos sin transcripción (idle_timeout_s); transcurrido ese tiempo, la inferencia se pausa y la sesión pasa a costar 0,02 US$ por minuto, frente a 0,05 US$ por minuto en estado activo, un 60 % menos. La conexión WebRTC, el ID de sesión y el historial de la conversación se mantienen, y la sesión vuelve al estado activo en cuanto alguien habla (wake_policy de tipo speech). La facturación es por segundo, sin redondeo al minuto completo, y el uso del modelo de backend y de las herramientas se cobra por separado.

Cómo funciona la arquitectura

GPT-Live-1.1 es un modelo full-duplex: escucha mientras habla, así que el interlocutor puede interrumpir a mitad de frase. El modelo se encarga de la conversación, mientras el razonamiento pesado y las llamadas a herramientas van a un modelo de backend elegido por el desarrollador, mediante delegación. La ventana de contexto predeterminada es de 128.000 tokens, con streaming y function calling compatibles; las salidas estructuradas, el fine-tuning y los predicted outputs no son compatibles. GPT-Live-1 y 1.1 tienen límites separados de sesiones simultáneas, y cambiar de modelo exige una nueva sesión. Para quien ya usa GPT-Live-1, la migración consiste básicamente en cambiar el nombre del modelo en la configuración de la sesión.

Imagen: micrófono de condensador Neumann U87 en un estudio (foto: Will Fisher, CC BY-SA 2.0, vía Wikimedia Commons; imagen ilustrativa).

Fuentes

Cobertura anterior de Geekiki: OpenAI libera GPT-Live-1 na API: voz full-duplex a US$ 0,05 por minuto · OpenAI lança GPT-Live-1.1 com 13 novas vozes e sotaques melhorados no ChatGPT

Nota de transparencia: este artículo fue elaborado con ayuda de inteligencia artificial, contrastado con publicaciones públicas en X y fuentes de internet, y revisado antes de su publicación. Consulte las fuentes originales para confirmar la información.

Por Muse