O que é GPT-Live-1.1?

GPT-Live-1.1 é o modelo de voz full-duplex da OpenAI disponível na API: ele escuta enquanto fala, delega raciocínio e ferramentas a um modelo de backend e cobra /bin/zsh.05 por minuto ativo e /bin/zsh.02 por minuto em espera no v1/live/sessions.

Ashley Innocent

Ashley Innocent

20 novembro 2026

O que é GPT-Live-1.1?

Apidog para empresas

Implantação local

SSO & RBAC

Conforme SOC 2

Explorar Apidog Enterprise

O GPT-Live-1.1 é o modelo de voz full-duplex da OpenAI, disponível na API desde 20 de novembro de 2026. Ele ouve enquanto fala, delega o raciocínio e as chamadas de ferramentas para um modelo de backend de sua escolha e é cobrado por minuto: US$ 0,05 por minuto ativo e US$ 0,02 por minuto em espera. O acesso é feito por um único endpoint, v1/live/sessions, e não pela API Realtime.

Nosso post anterior sobre o que é o GPT-Live abordou o recurso de voz do ChatGPT antes de ele ficar disponível para desenvolvedores. Este guia cobre o modelo via API: o que há de novo, quanto custa, como funciona uma sessão e como ele se compara ao GPT-Realtime.

O que é o GPT-Live-1.1?

O GPT-Live-1.1 é um modelo de voz que mantém uma conversa falada em tempo real enquanto um modelo de backend separado faz o raciocínio. Ele aceita áudio e texto, retorna áudio e texto e continua ouvindo enquanto fala, de modo que o interlocutor pode interromper ou adicionar detalhes no meio da frase. Seu ID de modelo é gpt-live-1.1 e ele oferece suporte a streaming e function calling.

A página do modelo GPT-Live-1.1 o descreve como um "modelo de voz full-duplex para conversas multilíngues". Full duplex significa que o áudio flui nos dois sentidos ao mesmo tempo, como em uma ligação telefônica, e não como em um rádio comunicador, em que um lado precisa esperar.

A outra metade do design é a delegação. O GPT-Live decide quando uma solicitação exige trabalho real, envia para um backend (um modelo Responses da OpenAI ou seu próprio agente), continua falando enquanto o backend processa e depois explica o resultado em voz alta.

O que mudou em relação ao GPT-Live-1

O GPT-Live-1.1 mantém o mesmo endpoint, preços e conjunto de recursos do GPT-Live-1. As mudanças estão na qualidade da voz e no desempenho em tarefas. Veja o que a OpenAI lista na documentação do modelo e em seu anúncio no X:

Área GPT-Live-1 GPT-Live-1.1
Transcrição de fala Base Mais precisa, segundo a página do modelo
Sotaque e voz entre idiomas Base Mais consistente, segundo a página do modelo
Sessões ociosas Tarifa de espera listada em sua página Espera anunciada como opção nova, US$ 0,02/min
Conclusão de tarefas Base "Conclui tarefas com ainda mais confiabilidade", segundo o anúncio da OpenAI
Endpoint v1/live/sessions v1/live/sessions
Preço (ativo) US$ 0,05/min US$ 0,05/min
Limites de taxa Sessões concorrentes Limite separado de sessões concorrentes

A OpenAI não publicou números de benchmarks para os ganhos em transcrição ou confiabilidade, então trate-os como afirmações do fornecedor até que você os meça. Além disso, o anúncio da OpenAI apresenta a espera como novidade desta versão, enquanto a página do GPT-Live-1 agora lista a mesma tarifa de espera de US$ 0,02.

Como os dois modelos compartilham o mesmo endpoint e preços, a troca começa definindo o model da sessão como gpt-live-1.1. Depois, execute novamente suas próprias avaliações de voz para confirmar os ganhos no seu tráfego.

Preços do GPT-Live-1.1

O GPT-Live-1.1 cobra as sessões de voz por duração, não por tokens. Estas são as tarifas na página de preços da OpenAI, verificadas em 20 de novembro de 2026:

Métrica Preço
Tempo de sessão ativa US$ 0,05 por minuto
Tempo de sessão em espera US$ 0,02 por minuto
Modelo de backend e ferramentas Cobrados separadamente nas tarifas normais do modelo

Alguns detalhes de cobrança são importantes ao estimar custos:

Linha do tempo de uma sessão GPT-Live-1.1 de 30 minutos alternando entre segmentos ativos a US$ 0,05 por minuto e segmentos em espera a US$ 0,02 por minuto

Exemplo prático com base na linha do tempo acima: uma sessão de suporte de 30 minutos passa 20 minutos ativa e 10 minutos em espera enquanto o interlocutor pesquisa algo. Custo de voz: 20 x US$ 0,05 + 10 x US$ 0,02 = US$ 1,20. Sem espera, a mesma sessão custaria 30 x US$ 0,05 = US$ 1,50. Some o que o modelo de backend gastar em suas tarefas delegadas.

Como funciona o GPT-Live-1.1: voz mais delegação

Uma aplicação GPT-Live tem duas partes. O guia de primeiros passos as divide assim:

  1. O GPT-Live cuida da conversa. Ele ouve, fala e decide quando pedir ajuda ao backend. Você fornece um prompt curto sobre o estilo de fala e quando delegar.
  2. O backend cuida das tarefas delegadas. Ele raciocina, chama ferramentas e retorna resultados para o GPT-Live falar em voz alta. As instruções detalhadas, as regras de negócio e os fluxos de trabalho das ferramentas ficam aqui.
  3. Sua aplicação cuida das partes críticas. Ela verifica permissões, coleta confirmações, executa funções que acessam seus sistemas e salva o progresso das tarefas.
Diagrama de um interlocutor falando com o GPT-Live-1.1, que delega tarefas a um modelo de backend com ferramentas e recebe resultados, enquanto sua aplicação gerencia permissões e funções

Você escolhe um dos dois modos de delegação ao criar a sessão, e não é possível alternar modos durante a sessão:

Modo Quem executa o backend Escolha quando
Delegação Responses A OpenAI chama o modelo Responses que você configurou e transmite contexto e resultados Você quer que o GPT-Live gerencie as solicitações ao backend por você
Delegação no cliente Sua aplicação executa qualquer modelo, agente ou serviço e devolve os resultados Você precisa validar, ocultar ou combinar resultados, ou usar um backend que não seja da OpenAI

O guia de delegação recomenda começar com a delegação Responses. A delegação no cliente é ideal para equipes que desejam adicionar voz a um agente de texto já existente.

Crie sua primeira sessão GPT-Live-1.1

O GPT-Live tem um endpoint próprio. A página do modelo lista o v1/live/sessions como suportado e marca Chat Completions, Responses e v1/realtime como não suportados. A OpenAI recomenda WebRTC para áudio, com WebSockets e SIP como alternativas.

O fluxo WebRTC do quickstart funciona em cinco etapas:

  1. O navegador solicita acesso ao microfone e adiciona suas faixas a uma conexão peer.
  2. Ele cria um canal de dados e, em seguida, gera uma oferta SDP.
  3. O navegador envia a oferta ao seu servidor.
  4. Seu servidor envia session e transport: { type: "webrtc", sdp } para POST /v1/live/sessions com sua chave de API.
  5. O navegador aplica a resposta SDP retornada e aguarda o session.started.

Este é o código de chamada do servidor do exemplo em TypeScript da OpenAI, reduzido à configuração da sessão:

const result = await client.live.create({
  session: {
    model: "gpt-live-1.1",
    instructions:
      "Be concise. Delegate requests needing current information to the backend, which can search the web.",
    delegation: {
      type: "responses",
      responses: {
        model: "gpt-5.6-terra",
        instructions:
          "Use web search when current facts are needed. Return concise, grounded results for a spoken conversation.",
        tools: [{ type: "web_search" }],
        tool_choice: "auto",
      },
    },
  },
  transport: { type: "webrtc", sdp: request.body.sdp },
});

Mantenha a chave de API no servidor e não envie session.start no canal de dados: a requisição HTTP já inicia a sessão. A OpenAI também disponibiliza o OpenAI Live Console, um aplicativo de exemplo local para acompanhar conversas, delegações e a atividade das ferramentas do backend.

Modo de espera: reduza custos de ociosidade

O modo de espera mantém uma conexão WebRTC aberta enquanto ninguém está falando e retoma a inferência quando alguém fala. A conexão e o ID da sessão permanecem os mesmos, e o histórico da conversa volta quando a sessão é retomada.

Você o ativa com dois campos da sessão:

{
  "session": {
    "model": "gpt-live-1.1",
    "wake_policy": { "type": "speech", "vad_threshold": 0.5 },
    "idle_timeout_s": 20
  }
}

Fique atento a session.paused e session.resumed para acompanhar o estado, e mantenha a faixa do microfone ativa. Uma desvantagem apontada pelo guia de gerenciamento de sessões: a primeira resposta a uma fala curta após a espera pode demorar mais. Para intervalos longos, fechar a sessão e iniciar uma nova pode custar menos do que o modo de espera.

GPT-Live-1.1 vs GPT-Realtime

O guia de agentes de voz da OpenAI enquadra a escolha pela arquitetura. O GPT-Live é ideal para conversas full-duplex com um backend separado. A API Realtime é ideal para um único modelo que ouve, raciocina, chama ferramentas e fala em uma única sessão.

GPT-Live-1.1 GPT-Realtime-2.1
Endpoint v1/live/sessions v1/realtime
Design Frontend de voz com backend delegado Um único modelo de fala para fala
Entrada Áudio, texto Texto, áudio, imagem
Cobrança US$ 0,05/min ativo, US$ 0,02/min em espera Por token: US$ 32 de entrada, US$ 64 de saída por 1M de tokens de áudio
Custo do backend Cobrado separadamente Incluído no preço por token
Melhor para Adicionar voz a um agente de texto existente Agentes de voz autossuficientes

A cobrança por minuto torna o custo de voz do GPT-Live fácil de prever em chamadas longas. A cobrança por token no Realtime acompanha o volume de áudio e texto que trafega e inclui o raciocínio em um único preço. Para uma análise mais aprofundada dessa comparação, veja GPT-Live vs GPT-Realtime e nosso guia da API GPT-Realtime-2.

Limites de taxa e acesso

Os limites do GPT-Live contam sessões concorrentes, não tokens. O GPT-Live-1.1 e o GPT-Live-1 têm limites separados que se aplicam em todas as regiões de inferência. A página do GPT-Live-1 lista 50 sessões concorrentes no tier Build, 300 no Launch e 500 no Grow, e marca o tier gratuito como não suportado. A página do GPT-Live-1.1 ainda não publica sua própria tabela, então verifique a página de limites da sua organização antes de planejar a carga.

Teste seu servidor de sessões com o Apidog CLI

Sua integração GPT-Live tem uma superfície HTTP que é sua: o endpoint /api/session que troca ofertas SDP. O exemplo da OpenAI retorna 403 para uma origem inesperada e 400 para uma oferta SDP ausente. Esses caminhos nunca chegam à OpenAI, então você pode testá-los a cada commit sem custo de voz. Deixe seu agente de codificação escrever e executar os testes com o Apidog CLI.

Instale o CLI, faça login e adicione a skill do Apidog ao seu agente:

npm install -g apidog-cli@latest
apidog login --with-token <YOUR_TOKEN>
npx -y skills add https://apidog.com   # pick your agent when prompted

Depois, dê um único prompt ao seu agente:

In Apidog project <projectId>, add POST /api/session for my GPT-Live-1.1 server.
Create test cases that assert: a request with a wrong Origin header returns 403,
a request with no sdp field returns 400. Run them against the local environment
and summarize any failures.

O agente lê os esquemas, valida seus payloads, cria o endpoint e os casos de teste e, então, os executa:

apidog cli-schema get endpoint-create
apidog endpoint create --project <projectId> --file ./endpoint.json
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file ./case.json
apidog test-case create --project <projectId> --file ./case.json
apidog run --test-case <caseId> --project <projectId> -e <envId> -r cli,json

O mesmo apidog run com -r junit se encaixa no CI; veja como executar o Apidog CLI em um pipeline de CI/CD. Se você usa Claude Code, o guia do Apidog CLI no Claude Code detalha a configuração. O plano gratuito do Apidog cobre equipes de até 4 usuários.

FAQ

O GPT-Live-1.1 está disponível na API? Sim. A OpenAI disponibilizou o GPT-Live-1.1 na API em 20 de novembro de 2026, com o ID de modelo gpt-live-1.1 no endpoint v1/live/sessions. Nosso post anterior sobre a API do GPT-Live é anterior a esse lançamento.

Quanto custa o GPT-Live-1.1? US$ 0,05 por minuto ativo e US$ 0,02 por minuto em espera, com cobrança por segundo. O uso do modelo de backend e das ferramentas é cobrado separadamente nas tarifas normais.

Qual é a diferença entre o GPT-Live-1 e o GPT-Live-1.1? O GPT-Live-1.1 transcreve a fala com mais precisão, mantém sotaque e voz mais consistentes entre idiomas e adiciona uma opção de espera para sessões ociosas. Os preços e o endpoint são os mesmos.

O GPT-Live-1.1 enxerga imagens? Não diretamente. Envie as imagens para um modelo de backend com suporte a visão, que retorna texto para o GPT-Live usar.

O GPT-Live-1.1 oferece suporte a function calling? Sim. A página do modelo lista streaming e function calling. Na prática, seu backend processa as chamadas de ferramentas por meio da delegação, e sua aplicação executa as funções personalizadas.

Pratique o design de API no Apidog

Descubra uma forma mais fácil de construir e usar APIs