GPT-Live-1 arrive sur l’API : voix en duplex intégral à 0,05 $ la minute, sans solution de remplacement direct depuis GPT-Realtime-2.1

GPT-Live-1 est dans l’API depuis le 10 septembre, et le chiffre qui va réellement bouleverser les budgets n’est pas un benchmark — c’est l’unité de facturation. Le modèle vocal full-duplex d’OpenAIOpe​nAI est désormais facturé à un tarif fixe de 0,05 $ par minute de voix, avec une facturation à la seconde, alors que le modèle auquel il est comparé, GPT-Realtime-2.1, était facturé en jetons audio à 32 $ par million en entrée et 64 $ par million en sortie. Le modèle lui-même n’est pas nouveau : GPT-Live-1 a été intégré à ChatGPT le 8 juillet 2026, en remplacement d’Advanced Voice Mode. Ce qui est nouveau, c’est que les développeurs peuvent enfin l’appeler — et que le fait de l’appeler n’a presque rien à voir avec l’intégration Realtime que la plupart des équipes ont déjà. Dans sa propre documentation, OpenAIOpe​nAI associe la couche vocale à un backend de raisonnement distinct, et dans l’exemple WebRTC publié, ce backend est GPT-5.6 Terra.

Ce qui est sorti le 10 septembre, et ce qui n’est pas sorti

La surface d'API est étroite par conception. Il y a exactement un ID de modèle, gpt-live-1, qui est également son propre snapshot par défaut — aucune variante datée à épingler. Il y a exactement un endpoint, l'endpoint Live Sessions à v1/live/sessions. Tout le reste sur la plateforme d'OpenAIOpe​nAI est désactivé pour ce modèle : pas de Chat Completions, pas de Responses, pas de Realtime (y compris les variantes de traduction et de transcription), pas d'Assistants, pas de Batch, pas de fine-tuning, pas d'embeddings, pas de génération d'images ou de vidéos, pas d'endpoints de synthèse vocale ou de transcription, pas de modération.

Les entrées et les sorties sont de l'audio et du texte. Le streaming et l'appel de fonctions sont pris en charge ; les sorties structurées, le fine-tuning et les sorties prédites ne le sont pas. Les entrées d'images et de vidéos ne sont explicitement pas prises en charge — la surface « voix avec vidéo » qu'OpenAI​Ope​nAI a laissé entrevoir ne fait donc pas partie de cette version. Le niveau Free ne peut pas y faire appel du tout, et les limites de débit sont mesurées en sessions simultanées plutôt qu'en requêtes par minute : 25 pour le niveau 1, puis 50, 200, 300 et 500 pour les niveaux 2 à 5.

Ce cadrage de la concurrence est le premier indice que ce n’est pas un remplacement de type plug-in. Les limites de débit libellées en conversations simultanées en direct vous indiquent ce que OpenAIOpe​nAI considère comme l’unité d’échelle : une ligne téléphonique, pas une requête.

Le changement de tarification est l'histoire plus discrète, mais plus importante.

La facturation forfaitaire à la minute constitue un véritable changement de cap. Avec la facturation au token, vous deviez modéliser la consommation audio — combien de tokens coûte une seconde de silence, comment un appelant qui parle sans arrêt par-dessus l’agent modifie la longueur de la sortie — avant de pouvoir prévoir un seul appel. À 0,05 $ par minute, l’arithmétique se réduit à une multiplication :

• Un appel au support de 5 minutes — 0,25 $ de temps vocal

• Un appel de 10 minutes — 0,50 $

• Une moyenne de 4 minutes sur 1 000 appels par jour — 200 $ par jour, soit environ 6 000 $ par mois

• Une heure de ligne ouverte en continu — 3,00 $

Trois détails affinent ce constat. Premièrement, la durée n’est pas arrondie à la minute entière supérieure, donc un appel de 40 secondes coûte environ 3,3 cents plutôt que cinq cents pleins. Deuxièmement, l’initialisation de session facture 15 secondes de durée vocale d’avance — mais ce montant est crédité sur les frais de durée ultérieurs, et non ajouté par-dessus, donc un appel de moins de 15 secondes reste facturé au prix de 15 secondes. Troisièmement, la voix ne représente que la moitié de la facture. Le modèle de raisonnement backend, ses appels d’outils et toute recherche web sont facturés séparément aux tarifs habituels de ce modèle, ce qui signifie qu’un « modèle vocal bon marché » peut quand même donner lieu à un appel coûteux si vous dirigez la délégation vers un raisonneur de pointe et le laissez effectuer une recherche à chaque tour.

Cette structure de deux mètres, c'est là où le routage cesse d'être un simple agrément. Sur OrcaRouter, la moitié backend d'une session GPT-Live-1 n'est qu'un appel de modèle parmi d'autres — environ 190 modèles issus de onze fournisseurs en amont derrière une seule clé, au prix catalogue du fournisseur, répercuté sans aucune marge, avec bascule automatique si le backend choisi renvoie une erreur ou dépasse le délai d'attente. Vous ne pouvez pas router la couche vocale elle-même ; le point de terminaison Live Sessions est réservé à OpenAIOpe​nAI. En revanche, vous pouvez tout à fait router tout ce que la couche vocale délègue, c'est-à-dire la moitié qui évolue en fonction de l'intensité de la réflexion de vos appelants.

WebRTC uniquement — pourquoi votre code Realtime ne pourra pas être porté

C’est le coût pratique du passage, et la plupart des articles sur le lancement le passent sous silence. Les sessions GPT-Live-1 passent par WebRTC, et non par le transport WebSocket sur lequel reposent bon nombre d’intégrations Realtime existantes. Tester l’ancien chemin avec un ID de modèle GPT-Live renvoie une erreur qui vous indique en toutes lettres que les sessions nécessitent WebRTC.

La poignée de main, selon le guide WebRTC d'OpenAIOpe​nAI : votre navigateur ouvre une RTCPeerConnection, attache les pistes du microphone, ouvre un canal de données et enregistre des écouteurs avant de formuler l'offre, définit la description locale, attend la collecte ICE, puis envoie l'offre à votre propre serveur. Votre serveur appelle ensuite POST /v1/live/sessions avec la configuration de session ainsi que transport: { type: "webrtc", sdp: ... }. Un succès renvoie HTTP 201 avec session.id et transport.sdp, que le navigateur applique comme description distante. Les médias circulent sur les pistes négociées ; le canal de données — libellé oai-events — transporte les transcriptions, les mises à jour de session et le travail délégué. Pour raccrocher, vous envoyez session.close et vous continuez à lire jusqu'à ce que session.closed arrive.

Deux pièges qui méritent d'être scotchés sur le moniteur. L'appel HTTP lui-même démarre la session, donc vous ne devez pas non plus envoyer session.start sur le canal de données. Et vous ne devez pas ajouter d'audio d'entrée ni attendre les deltas d'audio de sortie sur ce canal — laissez audio.format hors de la configuration et laissez le SDP s'en charger. Les exemples côté serveur limitent le corps de la requête à 64 Ko, expirent la collecte ICE après 10 secondes et la finalisation de session après 15.

Rien de tout cela n'est difficile. Tout cela, c'est du nouveau code. Si votre produit est un agent temps réel basé sur des tours, migrer vers GPT-Live-1 représente une réécriture du transport et une réécriture de la délégation, et non un simple échange d'identifiant de modèle — à budgéter comme un sprint plutôt que comme un après-midi.

Les benchmarks, et qui les a tous exécutés

Tous les chiffres ci-dessous sont ceux d'OpenAIOpe​nAI, publiés avec la sortie de l’API et non reproduits indépendamment par quiconque au moment de la rédaction. Cette mise en garde compte plus que d’ordinaire ici, car les écarts sont assez grands pour inviter à les citer comme des faits établis.

• Interactivité full-duplex — GPT-Live-1 80,1 % contre 45,4 % pour GPT-Realtime-2.1

• Latence d'alternance de tours — 0,8 s vs 1,4 s

• Précision d'appel des outils — 87 % vs 60 %

• Benchmark d'assistance vocale bancaire, taux de réussite — 32 % vs 12,4 %

Relisez la dernière ligne deux fois. Un taux de réussite de 32 % constitue une nette amélioration par rapport à 12,4 % et signifie tout de même que le système a échoué à environ deux tiers des tâches de cette évaluation. Les bonds en matière d’interactivité et d’appel d’outils sont ceux qui décrivent un produit véritablement différent ; le chiffre bancaire est celui qui est honnête quant à la distance qui sépare encore les agents vocaux d’une gestion autonome d’un flux de travail réglementé.

Les preuves clients sont plus ténues que le tableau des benchmarks et vont dans le même sens. Yelp utilise GPT-Live-1 pour les réservations par téléphone, avec le CTO Alex Levy cité pour l’amélioration du traitement des appels. La plateforme d’apprentissage des langues Speak a signalé près de 80 % d’interruptions en moins par rapport à son précédent système à tours de parole — un chiffre auto-déclaré, provenant d’une entreprise qui a un intérêt dans le résultat, et qui reste le chiffre de déploiement le plus concret disponible.

La couche vocale est une interface ; vous choisissez le cerveau

Le pari architectural est la délégation, et c’est la partie de cette version dans laquelle une couche de routage s’intègre naturellement. GPT-Live-1 ne fait pas la réflexion approfondie. Lorsqu’un appelant demande quelque chose qui nécessite du raisonnement, de la récupération ou un outil, le modèle transmet la tâche au-delà d’une frontière asynchrone à un backend distinct qui continue de travailler pendant que la conversation parlée se poursuit, puis réintègre la réponse lorsqu’elle est prête.

La configuration est explicite, et il vaut la peine de lire attentivement l'exemple de la documentation. À côté de model: "gpt-live-1" et des instructions, la session porte un delegation objet de type responses, dont le bloc interne responses nomme le modèle backend, ses propres instructions, ses outils — l'exemple utilise web_search — et un tool_choice. Dans l'exemple WebRTC publié d'OpenAIOpe​nAI, ce modèle backend est GPT-5.6 Terra.

C'est là la véritable promesse de cette conception : changez le backend et l'expérience vocale devient plus intelligente, sans réentraîner le modèle vocal. Cela signifie aussi que le backend de délégation est portable, contrairement à la couche vocale. OrcaRouter ne prend pas en charge gpt-live-1 — le point de terminaison Live Sessions est réservé à OpenAIOpe​nAI, et nous n'en acheminons rien. Mais la moitié « délégation » parle l'API Responses, et cette moitié est entièrement à votre choix. GPT-5.6 Terra est disponible sur OrcaRouter au tarif public d'OpenAIOpe​nAI — 2,00 $ par million de jetons d'entrée et 12,00 $ par million de jetons de sortie, avec le point de terminaison Responses exposé — le modèle exact de l'exemple fourni par OpenAIOpe​nAI est donc accessible en un seul appel, sans second contrat ni SDK.

Concrètement, cela transforme le choix du backend en configuration. Vous pouvez comparer un raisonneur bon marché à un raisonneur de pointe sur du trafic d'appels en direct en modifiant une seule ligne et en surveillant la facture par appel, ou placer le modèle de délégation derrière un basculement automatique pour qu'un mauvais après-midi en amont ne fasse pas tomber votre ligne téléphonique avec lui. La couche vocale que vous payez 0,05 $ la minute reste où elle est ; tout ce qu'elle délègue passe par une seule clé à travers environ 190 modèles issus de onze fournisseurs en amont, au prix catalogue du fournisseur, sans marge.

Qu'est-ce qui manque encore ?

• Aucune entrée d'image ou de vidéo — les images fixes et le partage d'écran ne font pas partie de cette version, de sorte que la surface vocale multimodale que les anciens modes de ChatGPT conservent encore reste non traitée.

• Pas de sorties structurées — si votre agent a besoin d'arguments d'outil validés par un schéma, cette validation doit résider dans votre modèle backend, et non dans la couche vocale

• Aucun accès au palier gratuit et aucun réglage fin — le coût et la personnalisation ne débutent tous deux qu’aux paliers payants

• Aucune évaluation indépendante d’un quelconque chiffre clé — tous les chiffres ci-dessus sont issus du fournisseur

• Un plafond de simultanéité de 25 sessions simultanées sur le Tier 1 — généreux pour un pilote, serré pour un centre d'appels dès le premier jour

Qui doit bouger, et qui doit attendre

Passez à l’action maintenant si vous développez de la téléphonie — lignes de réservation, prise de rendez-vous, support de premier niveau — et que votre stack actuelle est la classique cascade ASR→LLM→TTS. La latence et la gestion des interruptions sont exactement ce que ce pipeline perd, le prix à la minute est suffisamment prévisible pour être mis dans un tableur, et les propres docs d’OpenAIOpe​nAI incluent désormais un exemple de serveur façon Twilio à copier. Passez aussi à l’action maintenant si vous êtes déjà sur un modèle Realtime et que votre produit est véritablement conversationnel plutôt qu’en tours de parole, car la gestion des interruptions est le point sur lequel GPT-Realtime-2.1 était le plus mauvais.

Attendez si votre intégration est en mode tour par tour et fonctionne. La réécriture du transport, c’est du vrai travail, le point de terminaison ne prend en charge rien d’autre, et il n’existe aucun chemin de migration qui préserve votre code WebSocket existant. Attendez également si votre cas d’usage dépend de sorties d’outils structurées ou d’une entrée vidéo, toutes deux absentes ici.

Ce qu'il faut surveiller au cours des prochaines semaines : la première reproduction indépendante du taux d'interactivité de 80,1 %, si le tarif de 0,05 $ est un tarif d'introduction, si un GPT-Live-1 mini plus petit parvient à l'API comme il l'a fait côté grand public, et si les entrées d'image et d'écran comblent l'écart. Tant qu'un laboratoire externe n'aura pas mené cette évaluation, le résumé honnête est qu'il s'agit du modèle vocal le plus performant jamais mis à disposition des développeurs, avec la preuve de cette affirmation rédigée par ceux qui le vendent.