GPT-Live-1 erreicht die API: Vollduplex-Sprache für 0,05 Dollar pro Minute – ohne direkten Umstiegspfad von GPT-Realtime-2.1.

GPT-Live-1 ist seit dem 10. September in der API, und die Zahl, die Budgets tatsächlich verändern wird, ist kein Benchmark — sie ist die Abrechnungseinheit. Das Vollduplex-Sprachmodell von OpenAIOpe​nAI wird jetzt pauschal mit 0,05 US-Dollar pro Minute Sprache abgerechnet, sekundengenau, während das Modell, mit dem es verglichen wird, GPT-Realtime-2.1, in Audio-Tokens mit 32 US-Dollar pro Million Input und 64 US-Dollar pro Million Output abgerechnet wurde. Das Modell selbst ist nicht neu: GPT-Live-1 wurde am 8. Juli 2026 in ChatGPT eingeführt, als Ersatz für den Advanced Voice Mode. Neu ist, dass Entwickler es endlich aufrufen können — und dass der Aufruf kaum Ähnlichkeit mit der Realtime-Integration hat, die die meisten Teams bereits einsetzen. Die eigene Dokumentation von OpenAIOpe​nAI koppelt die Sprachschicht mit einem separaten Reasoning-Backend, und im veröffentlichten WebRTC-Beispiel ist dieses Backend GPT-5.6 Terra.

Was wurde am 10. September ausgeliefert – und was nicht

Die API-Oberfläche ist bewusst schmal gehalten. Es gibt genau eine Modell-ID, gpt-live-1, die auch ihr eigener Standard-Snapshot ist — keine datierten Varianten zum Festlegen. Es gibt genau einen Endpunkt, den Live-Sessions-Endpunkt unter v1/live/sessions. Alles andere auf der Plattform von OpenAIOpe​nAI ist für dieses Modell deaktiviert: keine Chat Completions, keine Responses, kein Realtime (einschließlich der Übersetzungs- und Transkriptionsvarianten), keine Assistants, kein Batch, kein Fine-Tuning, keine Embeddings, keine Bild- oder Videogenerierung, keine Audio-Sprach- oder Transkriptionsendpunkte, keine Moderation.

Ein- und Ausgaben sind Audio und Text. Streaming und Funktionsaufrufe werden unterstützt; strukturierte Ausgaben, Fine-Tuning und vorhergesagte Ausgaben nicht. Bild- und Videoeingabe werden ausdrücklich nicht unterstützt – die von OpenAIOpe​nAI angeteaserte Oberfläche „Voice mit Video“ ist also nicht Teil dieser Veröffentlichung. Der Free-Tarif kann es überhaupt nicht aufrufen, und Ratenlimits werden in gleichzeitigen Sitzungen statt in Anfragen pro Minute gemessen: 25 in Tier 1, steigend auf 50, 200, 300 und 500 über die Tiers 2 bis 5.

Diese Nebenläufigkeits-Rahmung ist der erste Hinweis darauf, dass dies kein Plug-and-Play-Ersatz ist. Ratenlimits, bemessen in gleichzeitigen Live-Gesprächen, verraten Ihnen, was OpenAIOpe​nAI als Skalierungseinheit erwartet: eine Telefonleitung, nicht eine Anfrage.

Die Änderung der Preisgestaltung ist die leisere, größere Geschichte

Die pauschale Abrechnung pro Minute ist eine echte Abkehr. Bei der Token-Abrechnung musste man den Audioverbrauch modellieren – wie viele Tokens eine Sekunde Stille kostet, wie ein Anrufer, der den Agenten ständig überspricht, die Ausgabelänge verändert –, bevor man auch nur einen einzigen Anruf vorhersagen konnte. Bei 0,05 $ pro Minute reduziert sich die Rechnung auf eine Multiplikation:

• Ein 5-minütiger Support-Anruf — 0,25 $ Sprachzeit

• Ein 10-minütiges Telefonat — 0,50 $

• Ein durchschnittlich 4 Minuten langes Gespräch bei 1.000 Anrufen pro Tag — 200 $ pro Tag, etwa 6.000 $ pro Monat

• Eine Stunde durchgehend geöffnete Leitung — 3,00 $

Drei Details schärfen das Bild. Erstens wird die Dauer nicht auf die nächste volle Minute aufgerundet, sodass ein 40-Sekunden-Anruf etwa 3,3 Cent statt eines vollen Nickels kostet. Zweitens werden bei der Sitzungsinitialisierung 15 Sekunden Sprachdauer im Voraus berechnet – diese werden jedoch mit späteren Dauergebühren verrechnet und nicht obendrauf addiert, sodass ein Anruf, der kürzer als 15 Sekunden ist, trotzdem beim 15-Sekunden-Preis landet. Drittens macht Sprache nur die Hälfte der Rechnung aus. Das Backend-Reasoning-Modell, seine Tool-Aufrufe und jede Websuche werden separat zu den normalen Tarifen dieses Modells abgerechnet, was bedeutet, dass ein „günstiges Sprachmodell“ immer noch einen teuren Anruf erzeugen kann, wenn man die Delegation auf einen Frontier-Reasoner richtet und ihn bei jedem Turn suchen lässt.

Diese Zwei-Meter-Struktur ist der Punkt, an dem Routing aufhört, eine bloße Annehmlichkeit zu sein. Auf OrcaRouter ist die Backend-Hälfte einer GPT-Live-1-Session nur ein weiterer Modellaufruf – grob 190 Modelle von elf Upstream-Anbietern hinter einem Schlüssel, zum Listenpreis des Anbieters ohne Aufschlag durchgereicht, und mit automatischem Failover, falls dein gewähltes Backend Fehler wirft oder in einen Timeout läuft. Die Voice-Ebene selbst kannst du nicht routen; der Live-Sessions-Endpunkt gehört allein OpenAIOpe​nAI. Du kannst absolut alles routen, wofür die Voice-Ebene delegiert, und das ist die Hälfte, die mit der Intensität skaliert, mit der deine Anrufer nachdenken.

Nur WebRTC – warum sich dein Realtime-Code nicht portieren lässt

Das sind die praktischen Kosten der Migration, und die meisten Berichte zum Launch übergehen sie. GPT-Live-1-Sitzungen laufen über WebRTC, nicht über den WebSocket-Transport, auf dem viele bestehende Realtime-Integrationen aufbauen. Testet man den älteren Pfad mit einer GPT-Live-Modell-ID, erhält man einen Fehler, der einem mit klaren Worten sagt, dass Sitzungen WebRTC erfordern.

Der Handshake, gemäß OpenAIOpenAI's WebRTC-Leitfaden: Ihr Browser öffnet eine RTCPeerConnection, hängt Mikrofon-Tracks an, öffnet einen Datenkanal und registriert Listener, bevor er ein Offer erstellt, legt die lokale Beschreibung fest, wartet auf ICE-Gathering und sendet das Offer an Ihren eigenen Server. Ihr Server ruft dann POST /v1/live/sessions mit der Sitzungskonfiguration plus transport: { type: "webrtc", sdp: ... } auf. Bei Erfolg wird HTTP 201 zurückgegeben mit session.id und transport.sdp, die der Browser als Remote-Beschreibung anwendet. Medien laufen über die ausgehandelten Tracks; der Datenkanal – Label oai-events – überträgt Transkripte, Sitzungsaktualisierungen und delegierte Arbeit. Zum Auflegen senden Sie session.close und lesen weiter, bis session.closed eintrifft.

Zwei Fallstricke, die man sich an den Monitor kleben sollte. Der HTTP-Aufruf selbst startet die Sitzung, also darfst du nicht zusätzlich session.start auf dem Datenkanal senden. Und du solltest über diesen Kanal weder Eingabeaudio anhängen noch auf Ausgabe-Audio-Deltas warten – lass audio.format aus der Konfiguration heraus und überlass es SDP. Die Serverbeispiele begrenzen den Request-Body auf 64 KB, setzen für das ICE-Gathering ein Timeout von 10 Sekunden und für die Sitzungsfinalisierung von 15.

Nichts davon ist schwer. Alles davon ist neuer Code. Wenn Ihr Produkt ein zugbasierter Echtzeit-Agent ist, ist die Migration zu GPT-Live-1 ein Rewrite des Transports plus ein Rewrite der Delegation, kein Austausch einer Modell-ID – man sollte dafür eher einen Sprint einplanen als einen Nachmittag.

Die Benchmarks und wer sie alle durchgeführt hat

Jede der untenstehenden Zahlen stammt von OpenAIOpe​nAI selbst, veröffentlicht mit der API-Veröffentlichung und zum Zeitpunkt des Verfassens von niemandem unabhängig reproduziert. Dieser Vorbehalt ist hier wichtiger als sonst, weil die Deltas groß genug sind, dass sie dazu einladen, als gesicherte Tatsache zitiert zu werden.

• Vollduplex-Interaktivität — GPT-Live-1 80,1 % vs. 45,4 % für GPT-Realtime-2.1

• Latenz beim Sprecherwechsel — 0,8 s vs. 1,4 s

• Genauigkeit beim Tool-Aufruf — 87 % vs. 60 %

• Benchmark für Voice-Support im Banking, Bestehensrate — 32 % vs. 12,4 %

Lesen Sie die letzte Zeile zweimal. Eine Bestehensquote von 32 % ist eine große Verbesserung gegenüber 12,4 % und bedeutet immer noch, dass das System in dieser Evaluation etwa zwei Drittel der Aufgaben nicht bestanden hat. Die Sprünge bei Interaktivität und Tool-Aufrufen sind diejenigen, die ein wirklich anderes Produkt beschreiben; die Banking-Zahl ist die ehrliche Angabe darüber, wie weit Voice-Agenten noch davon entfernt sind, einen regulierten Workflow unbeaufsichtigt zu bearbeiten.

Die Kundenbelege sind dünner als die Benchmark-Tabelle und weisen in dieselbe Richtung. Yelp nutzt GPT-Live-1 für telefonische Reservierungen, wobei CTO Alex Levy zur verbesserten Anrufabwicklung zitiert wird. Die Sprachlernplattform Speak meldete fast 80 % weniger Unterbrechungen als mit ihrem bisherigen turn-basierten System – eine selbst gemeldete Zahl von einem Unternehmen, das ein Eigeninteresse am Ergebnis hat, und dennoch die konkreteste verfügbare Deployment-Zahl.

Die Sprachschicht ist ein Frontend; das Gehirn wählen Sie.

Die architektonische Wette ist Delegation, und sie ist der Teil dieses Releases, in den eine Routing-Schicht auf natürliche Weise passt. GPT-Live-1 übernimmt nicht das tiefe Nachdenken. Wenn ein Anrufer etwas fragt, das Reasoning, Retrieval oder ein Tool erfordert, übergibt das Modell die Aufgabe über eine asynchrone Grenze hinweg an ein separates Backend, das weiterarbeitet, während das gesprochene Gespräch fortgesetzt wird, und bindet die Antwort dann wieder ein, sobald sie bereit ist.

Die Konfiguration ist explizit, und es lohnt sich, das Dokumentationsbeispiel genau zu lesen. Neben model: "gpt-live-1" und den Anweisungen trägt die Sitzung ein delegation-Objekt vom Typ responses, dessen innerer responses-Block das Backend-Modell benennt, seine eigenen Anweisungen, seine Tools — das Beispiel verwendet web_search — und ein tool_choice. Im veröffentlichten WebRTC-Beispiel von OpenAI ist dieses Backend-Modell GPT-5.6 Terra.

Das ist die eigentliche Aussage des Designs: Tauscht man das Backend aus, wird das Spracherlebnis intelligenter, ohne dass das Sprachmodell neu trainiert werden muss. Es bedeutet außerdem, dass das Delegations-Backend auf eine Weise portabel ist, wie es die Sprachschicht nicht ist. OrcaRouter führt gpt-live-1 nicht — der Live-Sessions-Endpunkt ist ausschließlich bei OpenAI verfügbar, und wir routen nichts davon. Aber die Delegationshälfte spricht die Responses API, und diese Hälfte steht ganz in Ihrer Wahl. GPT-5.6 Terra ist auf OrcaRouter zum Listenpreis von OpenAIOpe​nAI live — 2,00 $ pro Million Input-Token und 12,00 $ pro Million Output-Token, mit freigelegtem Responses-Endpunkt — das exakte Modell aus OpenAIOpe​nAI's eigenem Beispiel ist also nur einen Aufruf entfernt, ohne einen zweiten Vertrag oder ein zweites SDK.

In der Praxis macht das die Wahl des Backends zu einer Konfigurationsfrage. Sie können einen günstigen Reasoner gegen einen Frontier-Reasoner im Live-Anrufverkehr A/B-testen, indem Sie eine Zeile ändern und die Kosten pro Anruf beobachten, oder das Delegationsmodell hinter automatischem Failover halten, damit ein schlechter Nachmittag upstream nicht Ihre Telefonleitung mit herunterzieht. Die Sprachschicht, für die Sie 0,05 $ pro Minute zahlen, bleibt, wo sie ist; alles, was sie delegiert, läuft über einen einzigen Schlüssel quer über rund 190 Modelle von elf Upstream-Anbietern – zum Listenpreis der jeweiligen Anbieter ohne Aufschlag.

Was fehlt noch?

• Keine Bild- oder Videoeingabe – Standbilder und Bildschirmfreigabe sind in dieser Version nicht enthalten, sodass die multimodale Sprachoberfläche, die ältere ChatGPT-Modi noch bieten, weiterhin unberücksichtigt bleibt

• Keine strukturierten Ausgaben — wenn dein Agent schema-validierte Tool-Argumente benötigt, muss diese Validierung in deinem Backend-Modell erfolgen, nicht in der Voice-Schicht.

• Kein Zugriff auf die kostenlose Tarifstufe und kein Fine-Tuning — Kosten und Anpassung beginnen beide erst bei den kostenpflichtigen Tarifen

• Keine unabhängige Bewertung irgendeiner hervorgehobenen Zahl – jede oben genannte Zahl wurde vom Anbieter erhoben

• Eine Gleichzeitigkeitsgrenze von 25 simultanen Sitzungen in Tier 1 – großzügig für ein Pilotprojekt, eng für ein Callcenter am ersten Tag

Wer sollte umziehen, und wer sollte warten

Handeln Sie jetzt, wenn Sie Telefonie aufbauen – Reservierungsleitungen, Terminbuchung, First-Level-Support – und Ihr aktueller Stack die klassische ASR-zu-LLM-zu-TTS-Kaskade ist. Latenz und Unterbrechungsbehandlung sind genau das, was diese Pipeline einbüßt, der Minutenpreis ist so gut prognostizierbar, dass man ihn in eine Tabellenkalkulation eintragen kann, und die eigene Dokumentation von OpenAIOpe​nAI enthält jetzt ein Serverbeispiel nach Twilio-Vorbild zum Kopieren. Handeln Sie jetzt ebenfalls, wenn Sie bereits auf einem Realtime-Modell sind und Ihr Produkt wirklich konversationell statt turn-basiert ist, denn die Unterbrechungsbehandlung ist der Teil, in dem GPT-Realtime-2.1 am schlechtesten war.

Warten Sie ab, wenn Ihre Integration turn-basiert ist und funktioniert. Der Transport-Rewrite ist echte Arbeit, der Endpoint unterstützt nichts anderes, und es gibt keinen Migrationspfad, der Ihren bestehenden WebSocket-Code beibehält. Warten Sie ebenso ab, wenn Ihr Anwendungsfall von strukturierten Tool-Ausgaben oder Videoeingabe abhängt, die beide hier fehlen.

Worauf man in den nächsten Wochen achten sollte: die erste unabhängige Reproduktion der 80,1-%-Interaktivitätskennzahl, ob der Preis von 0,05 $ ein Einführungspreis ist, ob ein kleineres GPT-Live-1 mini die API so erreicht, wie es das auf der Consumer-Seite getan hat, und ob Bild- und Bildschirmeingabe die Lücke schließen. Bis ein externes Labor diese Evaluierung durchführt, lautet die ehrliche Zusammenfassung, dass dies das leistungsfähigste Sprachmodell ist, das je an Entwickler ausgeliefert wurde – wobei die Quittung für diese Behauptung von den Leuten geschrieben wurde, die es verkaufen.