GPT-Live-1 يستطيع الاتصال بالخارج الآن: ما الذي يتيحه SIP GA فعليًا، وما الذي لا يزال غير قادر على فعله

أكثر شيء جديد ومفيد يمكن لوكيل صوتي من OpenAI فعله هو الضغط على 1. منذ وقت متأخر من يوم 4 نوفمبر 2026، يمكن لجلسة GPT-Live-1 أن تُجري مكالمة صادرة إلى رقم هاتف حقيقي عبر خط SIP، وتستمع إلى القائمة التي ترد، وترسل نغمات لوحة المفاتيح عائدة عبر الخط. هذا الجزء الأخير — DTMF ثنائي الاتجاه — هو الفرق بين وكيل صوتي يتحدث ووكيل صوتي قادر على تجاوز شجرة هاتفية للوصول إلى القسم الذي يحتاجه فعلاً.

النموذج نفسه ليس جديدًا. فقد كان GPT-Live-1 متاحًا في ChatGPT Voice منذ 8 يوليو 2026، وفي API منذ 10 سبتمبر 2026 بسعر 0.05 دولار في الدقيقة. ما تغيّر في 4 نوفمبر هو وسيلة النقل. أعلن جاستن أوبرتي من OpenAI أن واجهة API الهاتفية الصادرة قد "تمت ترقيتها للتو … إلى GA"، "مما يتيح للمطورين إجراء مكالمات هاتفية من وكيل الصوت Live الخاص بهم" عبر "أي مزوّد SIP trunk (مثل Telnyx أو Twilio)"؛ وروّج لذلك جريج بروكمان في الليلة نفسها. ويضيف الإعلان أن المكالمات يمكنها استخدام HD Voice وأنها تستطيع إرسال أحداث لوحة المفاتيح واستقبالها.

إذن هذه قصة إمكانية، لا قصة نموذج، والمادة المثيرة للاهتمام موجودة في الوثائق لا في المنشور. يذكر دليل Telephony وSIP من OpenAI الآن أن الاتصال الصادر «متاح لجميع المؤسسات عبر Live API، وليس عبر نقطة نهاية إنشاء الاتصال في Realtime API» — جملتان تستبعدان بهدوء شريحة كبيرة من عمليات التكامل التي سيحاول الناس إعادة استخدامها.

ما الذي غيّره «GA»، وما الذي لم يغيّره

قبل الترقية، كانت المكالمات الصادرة موجودة لكنها لم تكن متاحة على نحوٍ عام — وهذا هو المقصود بـ«الترقية». كانت الآلية مبنية بالفعل، وقد فُتح الباب. تتضمن وثائق OpenAI الآن الجملة المطابقة، وهي أن مكالمات SIP الصادرة «متاحة لجميع المؤسسات عبر Live API»، وهو أقرب ما يكون إلى بيان إتاحة عامة (GA) على الصفحة: فالدليل نفسه لا يحمل أي تسمية beta أو preview أو alpha في أي مكان.

ما لم يتغير هو نموذج الصوت. لا يزال مثال المكالمات الصادرة في وثائق OpenAI نفسها يضبط model: "gpt-live-1"، وما زالت قائمة التحقق الخاصة بالشركاء تطلب من جهات التكامل البحث عن "إصدار حزمة يدعم gpt-live-1". لا يوجد نموذج مخصص للمكالمات الصادرة، ولا سعر منفصل، ولا طبقة اتصالات هاتفية. أنت تدفع نفس 0.05 دولار في الدقيقة مقابل طبقة الصوت التي كنت تدفعها في سبتمبر؛ كل ما في الأمر أنك أصبحت الآن مسموحًا لك بإنفاقها على مكالمات تغادر خادمك.

يكمن تحذير تشغيلي واحد في الدليل لا في الإعلان: تطلب منك OpenAI التأكد من أن «دعم GPT-Live SIP مفعّل لمشروعك، وأن ترانك SIP الخاص بمزوّدك موجّه إلى ذلك المشروع قبل استخدام هذا التدفق». إن تصنيف GA وإعداد مشروع مفعّل ليسا الشيء نفسه، وستكون أول تذكرة دعم في الأسبوع من شخص يملك أحدهما دون الآخر.

المتطلبات الأساسية التي تحدد ما إذا كان الترنك لديك يعمل من الأساس

لم تعتمد OpenAI بروتوكول SIP بالمعنى العام. بل اعتمدت شريحة ضيقة وحديثة منه، وأي ترنك (trunk) يفشل في أي مما يلي لن يتصل مهما كان ما وعد به الإعلان بشأن «أي مزوّد ترنك SIP».

• التشوير — TLS مطلوب، وليس اختياريًا. SIP العادي عبر UDP أو TCP غير مسموح.

• الوسائط — يُشترط استخدام SDES-SRTP، ويجب تفعيل SRTP لدى المزوّد، لا أن يقتصر الأمر على دعمه له.

• عنوان URL الخاص بالمزوّد — من المتوقع sips: نقطة نهاية، مع تعيين المنفذ 5061 افتراضيًا، ودون بيانات اعتماد، ودون مسار، ودون أي معلمات URI مرفقة.

• الوجهة — رقم E.164 مثل ‎+14155550123 ولا شيء آخر. لا تُدعم معرّفات SIP URI صراحةً، لذا فإن مخطط الامتدادات الداخلية ليس طريقًا مختصرًا.

• المصادقة — digest، مع اسم مستخدم SIP وكلمة مرور، بالإضافة إلى caller_number بصيغة E.164 والذي يصبح معرّف المتصل الذي يراه الطرف الذي تستدعيه.

• نظافة الشبكة — يتم رفض أسماء المضيفين المحلية وعناوين IP الخاصة الحرفية، مما يستبعد وجود منصة اختبار موجّهة إلى جهاز مختبري.

• صيغة الصوت — اترك audio.format بدون تعيين، لأن SIP يتفاوض عليه. تعيينه هو من نوع المعاملات التي تبدو مفيدة لكنها تُفسد المكالمة.

لاحِظ ما يعنيه هذا بالنسبة لادعاء "أي مزوّد". أي مزوّد يدعم إشارات TLS مع وسائط SDES-SRTP سيعمل؛ وكثير جدًا من خطوط SIP الرخيصة لا تزال تعتمد افتراضيًا على UDP وRTP العادي، ولا تشملها تلك الجملة. الربط عبارة عن إنشاء جلسة وليس webhook: فأنت ترسل طلب POST إلى /v1/live/sessions مع transport.type مضبوطًا على sip، وينص الدليل صراحةً على أنه "لا تحتاج إلى webhook للمكالمة الواردة أو طلب قبول لمكالمة صادرة."

ما تحصل عليه هو session.id ونوع نقل، والتوثيق صريح على نحو غير معتاد بشأن الفجوة بين ذلك والواقع: «هذه الاستجابة لا تعني أنه قد تم الرد على المكالمة.» فالرنين والرد والفشل تصل لاحقًا في صورة transport.ringing، transport.answered وtransport.failed كأحداث على WebSocket جانبي عند /v1/live/sessions/{session_id}/attach. اربط فورًا — لا يُعاد تشغيل سوى أحداث الثواني الثلاث السابقة — وأزل التكرار بواسطة event_id، لأن الدليل يحذر من أن عمليات التسليم المكررة أمر طبيعي.

الغلاف: ثلاث دقائق للرنين، وساعتان للتحدث

رقمان صارمان في الدليل سيحددان أي حالات الاستخدام الصادرة ستكون مجدية، ولم يظهر أي منهما في الإعلان.

• الحد الأقصى للرنين — ثلاث دقائق. أي مكالمة لم يُرَدّ عليها بحلول ذلك الحين تنتهي.

• الحد الأقصى لمدة الاتصال — ساعتان، وبعد ذلك تنتهي الجلسة بغض النظر عما يحدث.

• سطح التحكم — التحويل عبر /v1/live/sessions/{id}/refer، وإنهاء المكالمة عبر /v1/live/sessions/{id}/hangup، ويُرسَل DTMF عبر النطاق الجانبي باستخدام transport.dtmf.send.

• أنماط الفشل — إعداد جلسة غير صالح يفشل بوضوح عند الإنشاء، ويمكن أن يُرجع إعداد النقل 502، وتُعيد مهلة التهيئة 504، وأي شيء يحدث لاحقًا يصل بشكل غير متزامن باسم transport.failed.

المهلة البالغة ثلاث دقائق للرنين مناسبة للاتصالات الصادرة الموجّهة إلى المستهلكين، لكنها غير ملائمة لمقاسم المؤسسات التي تُبقي المكالمات معلّقة. أما سقف الساعتين فسخيّ حتى توجّه الوكيل إلى قائمة انتظار الدعم، حيث يمكن أن يقترب منه انتظار طويل تليه محادثة طويلة على نحو معقول. لا يشكّل أي من الحدّين مفاجأة في منتج صوتي فوري؛ وكلاهما من الأمور التي تريد معرفتها قبل أن تَعِد عميلاً باتفاقية مستوى خدمة (SLA) لحملة ما.

كم تكلفة المكالمة، بصراحة

تسرد صفحة أسعار OpenAI جلسات GPT-Live-1 الصوتية بسعر 0.05 دولار للدقيقة، «تُحتسب بالثانية، دون تقريب إلى دقيقة كاملة». هذا هو كل ما نُشر من سعر، وهو ليس سوى أحد فاتورتين تُنتجهما أي مكالمة صادرة. أما الأخرى فهي رسوم إنهاء المكالمة لدى مشغّل الشبكة، وتتوقف على الوجهة وحجم الاستخدام ومزوّد الترنك الذي اخترته. فـ OpenAI تحتفظ بمعالجة الصوت ومنطق الجلسة، بينما يملك المزوّد الجزء المتعلق بشبكة الهاتف العامة PSTN.

• مكالمة تم الرد عليها لمدة دقيقة واحدة — 0.050 دولار من OpenAI، بالإضافة إلى سعر الدقيقة لدى مشغّل الاتصالات.

• مكالمة مدتها أربع دقائق — $0.200 من OpenAI، بالإضافة إلى رسوم مشغّل الاتصالات.

• ألف مكالمة مدتها أربع دقائق — 4,000 دقيقة، أي 200 دولار من OpenAI، إضافةً إلى تكلفة مشغّل الاتصالات.

• ساعة من المحادثة المتصلة — 3.00 دولارات من OpenAI، بالإضافة إلى رسوم مشغّل الاتصالات.

ثمة أمران في ذلك العدّاد يستحقان الانتباه. أولًا، وحدة الفوترة هي دقيقة الجلسة، ولا شيء في صفحة الأسعار يميّز الكلام من الصمت، لذا فإن الثواني التي يقضيها وكيلك مستمعًا إلى موسيقى الانتظار تتراكم بالنِّسبة ذاتها التي تتراكم بها الثواني التي يقضيها متحدثًا. ثانيًا، لا يوضح الدليل ما إذا كانت المكالمة التي ترنّ ثلاث دقائق ولا يُردّ عليها تُعدّ جلسة خاضعة للفوترة؛ وهذا سؤال يستحق أن تسأله الدعم قبل أن تُشغّل مُتّصلًا آليًا على نطاق واسع، لا بعده.

تُفوتر استخدامات نموذج الواجهة الخلفية والأدوات بشكل منفصل، وفق النموذج الذي فوّضت إليه المهمة. إذا وجّهت ذلك الجزء عبر OrcaRouter، فإن هامش ربح 0% والتسعير بالتمرير يُطبّقان هناك بدلاً من دقيقة الصوت — لذا يظهر أي تخفيض من المزوّد على سعر نموذج الاستدلال في فاتورتك في اليوم نفسه، بينما لا يظهر تخفيض على gpt-live-1.

لن يتم نقل تكامل Realtime الخاص بك.

الخطأ الأكثر تكلفة الذي يمكن ارتكابه هذا الأسبوع هو افتراض أن حزمة اتصالات هاتفية عاملة عبر Realtime API هي حزمة عاملة عبر GPT-Live. وتقول صفحة شركاء OpenAI ذلك بصراحة: "تكامل Realtime ليس متوافقًا تلقائيًا مع GPT-Live." فنقطة النهاية مختلفة، ونموذج الجلسة مختلف، والتفويض مفهوم لا يمتلكه Realtime بالصيغة نفسها، كما أن صيغ الصوت ودلالات المقاطعة التي يطلب منك الدليل التحقق منها لكل شريك لا تنتقل معه.

تزيد قائمة الشركاء أيضًا تعقيد صياغة الإعلان. توثّق OpenAI LiveKit لوكلاء الصوت؛ وتوثّق Twilio Agent Connect لـ«المكالمات الهاتفية الواردة والصادرة»؛ وتوثّق Telnyx لـ«تجارب الاتصال الصادرة»؛ وتوثّق Bandwidth لـ«المكالمات الواردة» عبر SIP؛ وتوثّق Daily/Pipecat لخدمة Live بشكل عام. بعبارة أخرى، تُوثَّق Bandwidth كتكامل وارد، بينما تُوثَّق LiveKit وPipecat دون تحديد اتجاه المكالمة على الإطلاق. وعبارة «أي مزوّد SIP trunk» هي بيان حول توافق البروتوكول، وليست بيانًا حول أي من شركاء OpenAI الخمسة قد أطلق دعم الاتصال الصادر.

إذا كنت تستخدم Twilio، فإن الترحيل هو الخيار الذي يتوفر له مسار صادر موثّق اليوم. وإذا كنت تستخدم Bandwidth للاتصالات الواردة، فإن الاتصالات الصادرة عبر هذا التكامل ليست شيئًا تَعِد به الوثائق بعد.

سؤال الإصدار الذي لم يسأله أحد

ثمة التباس قائم في الاسم. فقد اندمج GPT-Live-1.1 في ChatGPT Voice في 15 أكتوبر 2026 بأصوات جديدة عبر ست لغات، ولم تنشر OpenAI بعد gpt-live-1.1 معرّف نموذج لمستدعي واجهة API. وكل مثال على الاتصالات الصادرة في دليل الاتصالات الهاتفية يستخدم gpt-live-1. وإذا أخبرك زميل بأن وكيل الاتصالات الصادرة يعمل بالإصدار 1.1 لأن ذلك هو ما يستخدمه ChatGPT، فهو يصف المنتج الاستهلاكي، لا إعداد جلستك.

عمليًا: اذكر gpt-live-1 في خطتك، وتعامل مع أي توفر لواجهة API 1.1 كحدث منفصل يجب التحقق منه في يومه الخاص.

أين يحدث التفكير، ولماذا يشكّل الرافعة التي تتحكم فيها

ينقسم GPT-Live إلى نصفين. وخلاصة التوثيق نفسه أنه «يفوّض الاستدلال واستخدام الأدوات إلى خادم خلفي بينما يدير المحادثة المنطوقة». وتتولى طبقة الصوت التوقيت والمقاطعات والتنغيم؛ ويتولى نموذج منفصل التفكير واستدعاء الأدوات. ويُكوَّن ذلك الخادم الخلفي لكل جلسة ضمن delegation، في أحد الوضعين.

• تفويض Responses — delegation.type: "responses" مع خلفية مطلوبة لحقل model، إضافة إلى التعليمات والأدوات واختيار الأداة وحدود الرموز ومستوى الخدمة. يوصي دليل OpenAI بالبدء بـ gpt-6-luna، أو gpt-6-sol للمهام الأصعب، ويشير إلى أنه "يمكنك اختيار نموذج Responses بصورة مستقلة عن نموذج الصوت."

• تفويض العميل — delegation.type: "client"، حيث يشغّل تطبيقك الواجهة الخلفية بنفسه. وتنص صياغة OpenAI على أن هذا يسمح بـ«أي نموذج أو وكيل أو خدمة يشغّلها تطبيقك».

هنا حيث تكمن تكلفة وكيل الاتصالات الصادرة وجودته فعليًا، وهو الخيار المعماري الوحيد في هذه الصفحة الذي يعود إليك حقًا. نموذج الصوت ثابت، وهو — كما يحدث — ليس مدرجًا في كتالوج OrcaRouter؛ فـ GPT-Live-1 واجهة أمامية للاتصالات الهاتفية تشتريها من OpenAI، ولا يغيّر ذلك أي براعة في التوجيه مهما بلغت. أما الواجهة الخلفية فشأنها مختلف. في إطار تفويض العميل، هي مجرد استدعاء نموذج عادي ينفّذه كودك، ما يعني واجهة API واحدة لأكثر من 200 نموذج، ومفتاحًا واحدًا عبر البائعين الذين تقيّمهم، وتحويلًا تلقائيًا عند الفشل إذا تدهور أحد المزوّدين في منتصف الحملة، واختيار النموذج حسب نوع كل استدعاء: نموذج رخيص للتنقل في قائمة IVR، ونموذج أقوى بمجرد أن يردّ إنسان.

في ظل تفويض Responses، تشغّل OpenAI ذلك الجزء وتحتسبه بأسعارها الخاصة. كلا الأمرين مشروع؛ لكنهما يضعان القرار في موضعين مختلفين. إذا أردت أن يكون قرار التوجيه في الواجهة الخلفية، فإن تفويض العميل هو النمط الذي يمنحك ذلك.

ما الذي أغفله الإعلان

بالنسبة إلى منشور GA، يفتقر الإعلان إلى التفاصيل حول الأمور التي تحدد قرارات النشر. فهو لا يذكر شيئًا عن التوفر الإقليمي، أو زمن الاستجابة، أو حدود التزامن، أو اتفاقية مستوى الخدمة (SLA). ولا يذكر شيئًا عن التزامات التسجيل أو الإفصاح أو الموافقة — والمكالمات الصادرة هي الموضع الوحيد في هذا المنتج حيث لا تكون تلك الالتزامات نظرية. في الولايات المتحدة، يُعد إجراء مكالمات آلية للمستهلكين دون موافقة مشكلة بموجب قانون TCPA قبل أن يكون مشكلة هندسية؛ وفي الاتحاد الأوروبي، يُعد تسجيل مكالمة دون إخبار الشخص على الطرف الآخر مشكلة بحد ذاتها. تمنحك واجهة API caller_number ونقطة نهاية لإنهاء المكالمة. والامتثال مسؤوليتك.

«HD Voice» جدير أيضًا بالتعامل معه بوصفه ادعاءً لا مواصفة. لا تذكر وثائق OpenAI سوى أن SIP يتفاوض على تنسيق الصوت، ولا تُدرج أي ترميزات، لذا فإن الصوت عريض النطاق الوارد في المنشور هو تصريح من مورّد لم يُحدَّد كميًا في أي مكان عام. اختبره لدى مشغّل الاتصالات الخاص بك قبل أن تضعه في عرض تقديمي.

ماذا نفعل بهذا، هذا الأسبوع

إذا كنت تشغّل بالفعل وكيلاً صوتيًا من GPT-Live على WebRTC، فإن مسار الاتصال الصادر هو ناقل ثانٍ بدلًا من إعادة كتابة: جلسة جديدة تُنشأ باستخدام transport.type: "sip"، وtrunk يدعم TLS وSDES-SRTP، وWebSocket جانبية لرصد الرنين والرد وDTMF. خصّص يومًا للـtrunk، لا للوكيل.

إذا كنت تستخدم Realtime، فلا تُجدوِل الترحيل على افتراض أنه مجرد تغيير في الإعدادات. اقرأ قسمَي التفويض والجلسات أولًا، وحدِّد ما إذا كان يجب أن تكون واجهتك الخلفية (backend) من OpenAI أم خاصة بك، وعندها فقط اختر شريكًا — لأن الشريك الذي تستخدمه بالفعل للمكالمات الواردة قد لا يكون هو نفسه صاحب المسار الموثّق للمكالمات الصادرة.

إذا كنت لا تزال تحدد ما إذا كان بناء الاتصال الصوتي الصادر يستحق العناء أصلاً، فالرقم المهم هو 3.00 دولارات لكل ساعة اتصال قبل رسوم شركة الاتصالات، مقابل حد أقصى صارم مدته ساعتان ورنين مدته ثلاث دقائق. هذا رخيص بما يكفي للاختبار، ومكلف بما يكفي بحيث يكون وقت الانتظار قراراً تصميمياً لا حادثاً. لقد أزالت GA البوابة. لكنها لم تُزل الحسابات.