Carte de titre générée intitulée « GPT-Live-1.1 atteint l’API » avec pour sous-titre « 19 novembre 2026 », affichant une carte de gauche intitulée « Session active » à 0,05 $ par minute et une carte de droite intitulée « Session en veille » à 0,02 $ par minute facturée à la seconde, reliées par une flèche portant la mention « silence 60 % moins cher ».
Guides & Insights

GPT-Live-1.1 arrive sur l’API : le mode veille coûte désormais 0,02 $

Auteur

Gideon Frost

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

Cinq semaines après que GPT-Live-1.1 a remplacé son prédécesseur au sein de ChatGPT Voice, il est devenu appelable. Le modèle a été mis en ligne sur l'API O​penAI le 19 novembre 2026 sous l'identifiant gpt-live-1.1, accessible uniquement via v1/live/sessions. L'entrée du journal des modifications tient en trois phrases et mentionne la prononciation, la cohérence des accents et la transcription. C'est sur la page de tarification que se trouve la véritable nouvelle : à côté du tarif habituel de 0,05 $ par minute de voix active figure désormais une deuxième ligne, à 0,02 $ par minute, pour une session connectée mais qui ne réfléchit pas. Le silence, qui coûtait auparavant le même prix que la parole, est désormais 60 % moins cher.

Cette deuxième ligne est la partie qu’il vaut la peine de comprendre, car elle change la forme d’un modèle de coûts plutôt que la taille d’un seul chiffre. Il s’agit d’une note de version concernant un remplacement de modèle couplé à un changement de facturation, et c’est ce changement de facturation qui apparaîtra sur votre facture.

Qu'est-ce qui est sorti le 19 novembre ?

La page du modèle décrit GPT-Live-1.1 comme un modèle vocal full-duplex pour les conversations multilingues, et la seule affirmation de capacité associée à ce changement de version est comparative et non quantifiée : par rapport à GPT-Live-1, il « transcrit la parole plus précisément et maintient un accent et une voix plus cohérents d’une langue à l’autre ». Il n’y a pas de tableau de benchmarks, pas de taux d’erreur sur les mots, pas de liste indiquant quelles langues se sont améliorées et dans quelle mesure. Cela vaut la peine de le dire clairement, car un numéro de version invite à supposer une amélioration mesurée, et OpenAI a publié l’affirmation plutôt que la mesure.

Sur le plan structurel, rien d’autre n’a bougé. Les modalités d’entrée et de sortie sont l’audio et le texte. La liste des fonctionnalités prises en charge comprend le streaming et l’appel de fonctions. Les images et la vidéo ne font pas partie des entrées. Chat Completions, Responses, Realtime, la transcription, la traduction, la génération de parole, le batch, le fine-tuning, les embeddings et la modération sont tous indiqués comme non pris en charge — le point de terminaison Live sessions est la seule porte d’entrée, ce qui correspond à la même configuration que celle de GPT-Live-1 depuis sa disponibilité générale le 10 septembre 2026.

Ce qui s’est accumulé autour du modèle, c’est un inventaire de voix. La documentation de Live répertorie désormais 21 voix nommées couvrant l’anglais avec des accents australien, britannique, irlandais, nord-américain, philippin et du sud des États-Unis, ainsi que le portugais brésilien, l’allemand, le français, l’hindi, le japonais et le coréen. Neuf d’entre elles — Nuri, Juni, Flitz, Brise, Sillage, Nira, Harema, Shida et Noeul — ont été ajoutées le 16 octobre 2026, en même temps que la disponibilité générale de la conversion d’invite en voix pour tous les clients de l’API. Les voix générées par invite sont gratuites à créer et facturées aux tarifs normaux des sessions lorsqu’elles sont utilisées, et elles fonctionnent avec GPT-Live, mais pas avec le point de terminaison autonome de synthèse vocale.

La veille est le véritable changement

Generated comparison card titled 'GPT-Live-1.1 — the scoreboard' with six labelled rows: voice session rate $0.05 per active minute, standby rate $0.02 per minute, billing unit per second, API surface v1/live/sessions only, inputs audio and text, and independent score none yet with GPT-Live-1 at 83.2 and 80.1.

Une session vocale qui reste ouverte alors que personne ne parle est la situation normale d’un agent téléphonique, d’un assistant embarqué ou d’une ligne d’assistance avec un client en attente. Avant cette semaine, vous payiez le tarif actif pour ce silence. Vous pouvez désormais configurer la session pour qu’elle cesse d’inférer après une période définie sans parole et reprenne lorsque quelqu’un parle, le temps en pause étant facturé 0,02 $ la minute.

La configuration est petite et spécifique :

Screenshot of the GPT-Live-1.1 model page on the OpenAI developer site, showing the live session duration prices of $0.05 per minute active and $0.02 per minute on standby, alongside the endpoint support grid.

• Politique de réveil — définissez session.wake_policy.type sur speech afin que la session attende la parole avant de commencer l’inférence, plutôt que de démarrer à la connexion.

• Délai d'inactivité — définissez session.idle_timeout_s sur un nombre entier compris entre 5 et 60. Il s'agit du nombre de secondes sans transcription d'entrée ou de sortie qui s'écoulent avant que la session ne revienne en veille. Si vous l'omettez, l'inférence reste active après le premier réveil jusqu'à la fin de la session, ce qui correspond à l'ancien comportement sous un nouveau nom.

• Sensibilité — session.wake_policy.vad_threshold accepte un nombre de 0 à 1 et vaut 0,5 par défaut. Des valeurs plus élevées exigent des preuves de parole plus fortes avant que la session ne se réveille ; c’est le réglage à ajuster lorsqu’une pièce bruyante la réveille sans cesse.

• Événements — session.paused se déclenche lorsque le délai d'inactivité arrête l'inférence ; session.resumed se déclenche lorsque l'inférence est de nouveau prête, y compris lors du premier réveil.

Deux détails opérationnels comptent davantage que la liste des paramètres. La piste microphone reste active pendant que la session est en veille, et la connexion ainsi que l’ID de session restent identiques — la session reprend et restaure l’historique de conversation au fur et à mesure que l’utilisateur parle, donc vous ne réauthentifiez pas un appelant et ne reconstruisez pas le contexte. Et la veille est une fonctionnalité WebRTC : la documentation la décrit pour les sessions WebRTC, et pour les autres transports, la recommandation en cas de session inactive est de fermer la session et d’en démarrer une autre. Si vous êtes sur WebSockets ou SIP, le tarif moins cher n’est pas le levier dont vous disposez.

Le coût n’est pas nul non plus. La documentation indique explicitement qu’après la mise en veille, la première réponse à un court énoncé peut prendre plus de temps, car le modèle redémarre l’inférence au lieu de la poursuivre. Vous échangez la latence du premier tour après le silence contre 60 % de réduction sur le silence lui-même.

Ce que coûte une minute de silence

Les deux tarifs sont facturés à la seconde, si bien que le calcul est continu plutôt qu’arrondi à la minute. L’exemple de calcul fourni par O​penAI concerne un appel qui passe 60 secondes en actif et 30 secondes en attente : une minute à 0,05 $ plus une demi-minute à 0,02 $ donne 0,06 $ pour 90 secondes de temps connecté. Si les 90 secondes avaient toutes été actives, le même appel aurait coûté 0,075 $.

Transposez cela à l’échelle d’un déploiement type. Un poste connecté de huit heures avec 30 % de standby représente 5,6 heures actives à 3,00 $ et 2,4 heures de standby à 1,20 $ — 19,68 $ contre 24,00 $, soit une économie de 4,32 $ par poste, ou environ 18 %. Poussez le standby à la moitié du poste et la même journée coûte 16,80 $, soit une réduction de 30 %. Ce ne sont là que les chiffres de la ligne vocale. L’utilisation du modèle backend et des outils est facturée séparément et, dans un déploiement réel, constitue souvent le montant le plus élevé.

Generated cost card titled 'Eight-hour voice shift, three standby levels' with three cards: all active at $24.00, 30% standby at $19.68 saving $4.32, and 50% standby at $16.80 saving $7.20, captioned 'Voice-line cost only; backend tokens billed separately'.

Un coût subsiste malgré l'optimisation : créer une session WebRTC avec POST /v1/live/sessions facture 15 secondes de durée vocale pendant l'initialisation de la session. Ce montant est imputé sur les frais de durée une fois la session en cours d'exécution ; il ne s'agit donc pas d'un surcoût pour une session qui fonctionne réellement — mais c'est un coût bien réel pour une application qui ouvre des sessions de manière spéculative, et cela rend « fermer la session et en démarrer une autre » moins gratuit que cela n'en a l'air pour les interactions courtes.

Le backend fait l’objet d’une facture distincte.

GPT-Live est un système en deux parties, et le changement de version n'y a rien modifié. Le modèle vocal gère la conversation parlée ; le raisonnement et l'utilisation d'outils sont délégués, au-delà d'une frontière asynchrone, à un modèle ou à un agent backend que vous configurez. Avec la délégation Responses, GPT-Live appelle le modèle Responses que vous désignez et renvoie ses résultats à la conversation en direct. Avec la délégation côté client, votre application prépare le contexte, exécute le flux de travail et renvoie les résultats — c'est le mode à choisir lorsque vous avez besoin d'un routage personnalisé entre les modèles, de mécanismes de repli ou de budgets répartis sur les étapes backend.

La documentation d’O​penAI recommande de commencer avec gpt-6-luna puis de passer à gpt-6-sol pour les tâches backend plus complexes, et tous deux relèvent de la tarification standard au token : 0,10 $ et 0,50 $ par million de tokens pour Luna, 2,00 $ et 10,00 $ pour Sol, respectivement en entrée et en sortie. Sur un appel long, cette dépense backend peut dépasser entièrement la ligne vocale, c’est pourquoi la remise de mise en veille doit être comprise comme une correction d’une ligne de la facture plutôt que de la facture entière.

C'est aussi là qu'un routeur justifie sa place. OrcaRouter ne sert pas GPT-Live-1.1 — le point de terminaison des sessions Live est celui d'OpenAI, et le catalogue ne propose pas de modèle vocal full-duplex. Ce qu'il sert, c'est la moitié du système qui réfléchit : gpt-6-luna, gpt-6-solet le reste de la famille GPT-6 se trouvent derrière une seule clé, au prix catalogue du fournisseur et sans marge, de sorte que le volet tokens d'un déploiement Live peut être routé, basculé en cas de défaillance et facturé comme il le serait partout ailleurs. Si vous cherchez à savoir quel backend justifie de payer 0,05 $ la minute de voix, cette comparaison est peu coûteuse à mener via un seul point de terminaison.

La question ouverte

Personne en dehors d’O​penAI n’a encore publié de mesure de GPT-Live-1.1. L’indice speech-to-speech d’Artificial Analysis, consulté le 20 novembre 2026, présente GPT-Live-1 deux fois — 83,2 sur l’indice avec un backend de classe Astra à un effort de raisonnement moyen, 80,1 avec un backend de classe Sol à un effort faible — et ne présente pas du tout la version 1.1. Ce n’est pas une critique du lancement ; le modèle n’a qu’un jour sur l’API et une évaluation indépendante prend plus de temps que cela. C’est une raison de considérer les affirmations sur l’accent et la transcription comme déclarées par le fournisseur jusqu’à preuve du contraire, et une raison de tester précisément ce que vous achetez : si votre produit fonctionne en espagnol et en japonais, l’amélioration de la régularité de l’accent est soit audible dans vos propres enregistrements, soit elle ne l’est pas, et aucun tiers ne peut encore vous le dire.

La lecture pratique de cette semaine est limitée. Si vous exécutez déjà GPT-Live-1, la mise à niveau consiste en un changement d’identifiant de modèle, sans évolution tarifaire ni modification de l’API, et le tarif de veille est disponible pour les deux modèles — l’entrée du journal des modifications couvre ensemble les sessions WebRTC GPT-Live-1 et GPT-Live-1.1. Définissez un délai d’inactivité avant toute autre chose, car c’est le seul élément de la version qui modifie ce que vous payez.

Comparés dans cet article1

Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement