GPT-Live-1 Sekarang Bisa Menelepon Keluar: Apa yang Sebenarnya Dibuka oleh SIP GA, dan Apa yang Masih Tidak Bisa Dilakukannya

Hal baru paling berguna yang dapat dilakukan agen suara OpenAI adalah menekan 1. Sejak akhir 4 November 2026, sesi GPT-Live-1 dapat melakukan panggilan keluar ke nomor telepon sungguhan melalui trunk SIP, mendengarkan menu yang menyahut, dan mengirim nada tombol kembali melalui saluran. Bagian terakhir itu — DTMF dua arah — adalah pembeda antara agen suara yang berbicara dan agen suara yang dapat melewati menu telepon bertingkat hingga ke departemen yang benar-benar dibutuhkannya.

Modelnya sendiri bukan hal baru. GPT-Live-1 telah tersedia di ChatGPT Voice sejak 8 Juli 2026 dan di API sejak 10 September 2026 dengan tarif $0.05 per menit. Yang berubah pada 4 November adalah jalur transportnya. Justin Uberti dari OpenAI mengumumkan bahwa API telepon keluar "baru saja dinaikkan statusnya ... menjadi GA", "memungkinkan pengembang melakukan panggilan telepon dari agen suara Live mereka" melalui "penyedia trunk SIP mana pun (mis., Telnyx atau Twilio)"; Greg Brockman memperkuatnya pada malam yang sama. Pengumuman itu menambahkan bahwa panggilan dapat menggunakan HD Voice dan dapat mengirim serta menerima event keypad.

Jadi ini adalah kisah tentang kapabilitas, bukan tentang model, dan materi yang menarik ada di dalam dokumentasi, bukan di postingannya. Panduan Telephony dan SIP dari OpenAI kini menyatakan bahwa panggilan keluar "tersedia untuk semua organisasi melalui Live API, bukan endpoint pembuatan panggilan Realtime API" — dua kalimat yang secara diam-diam menyingkirkan sebagian besar integrasi yang akan coba digunakan ulang oleh orang-orang.

Apa yang "GA" ubah, dan apa yang tidak

Sebelum promosi, panggilan keluar sudah ada tetapi belum tersedia secara umum — itulah yang dimaksud dengan "dipromosikan". Mekanismenya sudah dibangun, dan pintunya terbuka. Dokumentasi OpenAI kini memuat kalimat yang selaras, bahwa panggilan keluar melalui SIP "tersedia untuk semua organisasi melalui Live API", yang merupakan pernyataan paling mendekati GA di halaman tersebut: panduannya sendiri tidak memuat label beta, pratinjau, atau alfa di mana pun.

Yang tidak berubah adalah model suaranya. Contoh outbound dalam dokumentasi OpenAI sendiri masih menetapkan model: "gpt-live-1", dan daftar periksa mitra masih memberi tahu integrator untuk mencari "versi paket yang mendukung gpt-live-1". Tidak ada model khusus outbound, tidak ada harga terpisah, dan tidak ada tier teleponi. Anda membayar $0,05 per menit yang sama untuk lapisan suara seperti yang Anda bayarkan pada September; Anda sekarang hanya diizinkan untuk membelanjakannya pada panggilan yang keluar dari server Anda.

Satu peringatan operasional tersembunyi di dalam panduan, bukan di pengumuman: OpenAI meminta Anda memastikan bahwa "dukungan GPT-Live SIP diaktifkan untuk proyek Anda dan trunk SIP penyedia Anda dirutekan ke proyek tersebut sebelum menggunakan alur ini." Label GA dan pengaturan proyek yang diaktifkan bukanlah hal yang sama, dan tiket dukungan pertama minggu itu akan datang dari seseorang yang memiliki salah satunya tanpa yang lain.

Prasyarat yang menentukan apakah trunk Anda berfungsi sama sekali

OpenAI tidak mengadopsi SIP dalam pengertian umum. OpenAI mengadopsi irisan modern yang sempit darinya, dan trunk yang gagal memenuhi salah satu dari berikut ini tidak akan terhubung, apa pun yang dijanjikan pengumuman tentang "penyedia trunk SIP mana pun".

• Pensinyalan — TLS wajib, bukan opsional. SIP biasa melalui UDP atau TCP tidak diperbolehkan.

• Media — SDES-SRTP diwajibkan, dan SRTP harus diaktifkan di penyedia, bukan sekadar didukung olehnya.

• URL Penyedia — sips: adalah endpoint yang diharapkan, dengan default ke port 5061, tanpa kredensial, tanpa path, dan tanpa parameter URI yang dilampirkan.

• Tujuan — nomor E.164 seperti +14155550123 dan tidak ada yang lain. URI SIP secara eksplisit tidak didukung, sehingga skema ekstensi internal bukanlah jalan pintas.

• Autentikasi — digest, dengan nama pengguna dan kata sandi SIP, serta caller_number dalam E.164 yang menjadi ID pemanggil yang dilihat oleh penerima panggilan Anda.

• Kebersihan jaringan — nama host lokal dan alamat IP privat literal ditolak, sehingga menyingkirkan kemungkinan rig pengujian yang diarahkan ke mesin lab.

• Format audio — biarkan audio.format tidak diatur, karena SIP yang menegosiasikannya. Mengaturnya adalah jenis parameter yang tampak membantu tetapi justru merusak panggilan.

Perhatikan apa artinya ini untuk klaim "penyedia mana pun". Penyedia mana pun yang menggunakan pensinyalan TLS dengan media SDES-SRTP akan berfungsi; banyak sekali trunk SIP murah yang masih default ke UDP dan RTP biasa, dan itu tidak tercakup oleh kalimat tersebut. Integrasinya berupa pembuatan sesi, bukan webhook: Anda melakukan POST ke /v1/live/sessions dengan transport.type diatur ke sip, dan panduannya menyatakan secara eksplisit bahwa "Anda tidak memerlukan webhook panggilan masuk atau permintaan menerima untuk panggilan keluar."

Yang Anda dapatkan kembali adalah session.id dan jenis transport, dan dokumentasinya sangat blak-blakan tentang kesenjangan antara hal itu dan kenyataan: "Respons ini tidak berarti panggilan telah dijawab." Dering, jawaban, dan kegagalan datang belakangan sebagai event transport.ringing, transport.answered dan transport.failed pada WebSocket sideband di /v1/live/sessions/{session_id}/attach. Segera lakukan attach — hanya tiga detik event sebelumnya yang diputar ulang — dan lakukan deduplikasi berdasarkan event_id, karena panduan memperingatkan bahwa pengiriman duplikat adalah hal yang normal.

Amplop: tiga menit untuk berdering, dua jam untuk berbicara

Dua angka pasti dalam panduan akan menentukan kasus penggunaan outbound mana yang layak, dan keduanya tidak muncul dalam pengumuman.

• Batas waktu dering — tiga menit. Panggilan yang belum dijawab pada saat itu berakhir.

• Batas waktu koneksi — dua jam, setelah itu sesi berakhir apa pun yang sedang terjadi.

• Permukaan kontrol — transfer melalui /v1/live/sessions/{id}/refer, akhiri panggilan melalui /v1/live/sessions/{id}/hangup, DTMF dikirim melalui sideband dengan transport.dtmf.send.

• Mode kegagalan — konfigurasi sesi yang buruk gagal secara nyata saat pembuatan, penyiapan transport dapat mengembalikan 502, timeout inisialisasi mengembalikan 504, dan apa pun setelahnya tiba secara asinkron sebagai transport.failed.

Dering tiga menit tidak masalah untuk panggilan keluar konsumen dan kurang pas untuk papan sambung perusahaan yang menahan panggilan. Batas atas dua jam cukup longgar sampai Anda mengarahkan agen ke antrean dukungan, di mana waktu tunggu yang lama ditambah percakapan yang panjang secara masuk akal dapat mendekati batas itu. Tidak ada dari kedua batas itu yang mengejutkan dalam produk suara real-time; keduanya adalah hal yang ingin Anda ketahui sebelum menjanjikan SLA kampanye kepada pelanggan.

Berapa biaya panggilan, sejujurnya

Halaman harga OpenAI mencantumkan sesi suara GPT-Live-1 sebesar $0,05 per menit, "ditagih per detik, tanpa pembulatan ke menit penuh." Itulah keseluruhan harga yang dipublikasikan, dan itu hanya satu dari dua tagihan yang dihasilkan oleh panggilan keluar. Biaya terminasi operator adalah tagihan lainnya, dan bergantung pada tujuan, volume, serta penyedia trunk yang Anda pilih. OpenAI menangani pemrosesan audio dan logika sesi; penyedia memiliki jalur PSTN.

• Panggilan terjawab selama satu menit — $0,050 dari OpenAI, ditambah tarif per menit operator Anda.

• Panggilan empat menit — $0.200 dari OpenAI, ditambah biaya operator.

• Seribu panggilan empat menit — 4.000 menit, jadi $200 dari OpenAI, ditambah biaya operator.

• Satu jam percakapan tersambung — $3.00 dari OpenAI, ditambah biaya operator.

Ada dua hal tentang pengukur biaya tersebut yang perlu diperhatikan. Pertama, unit penagihannya adalah menit sesi, dan tidak ada apa pun di halaman harga yang membedakan bicara dari diam, sehingga detik-detik yang dihabiskan agen Anda untuk mendengarkan musik tunggu terakumulasi dengan tarif yang sama seperti detik-detik yang digunakannya untuk berbicara. Kedua, panduan tersebut tidak menyebutkan apakah panggilan yang berdering selama tiga menit dan tidak pernah dijawab merupakan sesi yang dapat ditagih; itu adalah pertanyaan yang layak diajukan ke dukungan sebelum Anda menjalankan dialer secara massal, bukan sesudahnya.

Model backend dan penggunaan alat ditagih secara terpisah, sesuai model yang Anda delegasikan. Jika Anda merutekan bagian itu melalui OrcaRouter, markup 0% dan harga pass-through berlaku di sana, bukan pada menit suara — jadi penurunan harga dari penyedia pada model reasoning muncul di tagihan Anda pada hari yang sama, sedangkan penurunan pada gpt-live-1 tidak.

Integrasi Realtime Anda tidak akan ikut terbawa

Kesalahan tunggal paling mahal yang bisa dilakukan minggu ini adalah mengasumsikan bahwa stack teleponi Realtime API yang berfungsi adalah stack GPT-Live yang berfungsi. Halaman mitra OpenAI menyatakannya dengan jelas: "Integrasi Realtime tidak otomatis kompatibel dengan GPT-Live." Endpoint-nya berbeda, model sesinya berbeda, delegasi adalah konsep yang tidak dimiliki Realtime dalam bentuk yang sama, dan format audio serta semantik interupsi yang diminta panduan untuk diperiksa per mitra tidak terbawa.

Daftar mitra juga mempersulit frasa pengumuman. OpenAI mendokumentasikan LiveKit untuk agen suara; Twilio Agent Connect untuk "panggilan telepon masuk dan keluar"; Telnyx untuk "pengalaman panggilan keluar"; Bandwidth untuk "panggilan masuk" melalui SIP; dan Daily/Pipecat untuk layanan Live secara umum. Dengan kata lain, Bandwidth didokumentasikan sebagai integrasi masuk, dan LiveKit serta Pipecat didokumentasikan tanpa arah panggilan sama sekali. "Penyedia trunk SIP mana pun" adalah pernyataan tentang kompatibilitas protokol, bukan pernyataan tentang mitra mana di antara lima mitra OpenAI yang telah merilis dukungan panggilan keluar.

Jika Anda menggunakan Twilio, migrasi tersebut adalah yang memiliki jalur outbound yang terdokumentasi saat ini. Jika Anda menggunakan Bandwidth untuk inbound, outbound melalui integrasi tersebut belum dijanjikan oleh dokumentasi.

Pertanyaan versi yang tidak ditanyakan siapa pun

Ada ambiguitas nyata dalam nama ini. GPT-Live-1.1 masuk ke ChatGPT Voice pada 15 Oktober 2026 dengan suara-suara baru dalam enam bahasa, dan OpenAI masih belum menerbitkan gpt-live-1.1 ID model untuk pemanggil API. Setiap contoh panggilan keluar dalam panduan teleponi menggunakan gpt-live-1. Jika seorang kolega memberi tahu Anda bahwa agen panggilan keluar menjalankan 1.1 karena itulah yang digunakan ChatGPT, mereka sedang menjelaskan produk konsumen, bukan konfigurasi sesi Anda.

Secara praktis: kutip gpt-live-1 dalam rencana Anda, dan perlakukan ketersediaan API 1.1 apa pun sebagai peristiwa terpisah yang harus diverifikasi pada harinya sendiri.

Di mana pemikiran terjadi, dan mengapa itu adalah tuas yang Anda kendalikan

GPT-Live terbelah dua. Ringkasan dokumentasinya sendiri menyatakan bahwa ia "mendelegasikan penalaran dan penggunaan alat ke backend sementara ia mengelola percakapan lisan." Lapisan suara menangani waktu, interupsi, dan prosodi; model terpisah yang melakukan pemikiran dan memanggil alat. Backend itu dikonfigurasi per sesi di bawah delegation, dalam salah satu dari dua mode.

• Delegasi respons — delegation.type: "responses" dengan backend model yang wajib, ditambah instruksi, alat, pilihan alat, batas token, dan tingkat layanan. Panduan OpenAI menyarankan untuk memulai dengan gpt-6-luna, atau gpt-6-sol untuk pekerjaan yang lebih sulit, dan mencatat bahwa "Anda dapat memilih model Responses secara independen dari model suara."

• Delegasi klien — delegation.type: "client", di mana aplikasi Anda menjalankan backend itu sendiri. Menurut OpenAI, hal ini memungkinkan "model, agen, atau layanan apa pun yang dioperasikan aplikasi Anda."

Di sinilah biaya dan kualitas agen outbound sesungguhnya berada, dan ini adalah satu-satunya pilihan arsitektural di halaman ini yang benar-benar milik Anda. Model suara sudah ditetapkan dan, kebetulan, tidak ada di katalog OrcaRouter — GPT-Live-1 adalah front end telepon yang Anda beli dari OpenAI, dan sehebat apa pun kecerdikan routing, itu tidak mengubahnya. Backend adalah soal lain. Dalam delegasi klien, itu adalah panggilan model biasa yang dilakukan kode Anda, yang berarti satu API untuk 200+ model, satu kunci di seluruh vendor yang Anda evaluasi, failover otomatis jika penyedia menurun di tengah kampanye, dan pemilihan model per jenis panggilan: model murah untuk menelusuri menu IVR, model yang lebih kuat begitu ada manusia yang mengangkat telepon.

Dalam delegasi Responses, OpenAI menjalankan segmen itu dan menagihnya dengan tarifnya sendiri. Keduanya sama-sama sah; hanya saja keduanya menempatkan keputusan di tempat yang berbeda. Jika Anda ingin backend ditentukan oleh keputusan perutean, delegasi klien adalah mode yang memberikannya kepada Anda.

Apa yang dihilangkan dari pengumuman itu

Untuk pengumuman GA, pengumuman ini minim informasi tentang hal-hal yang menentukan deployment. Tidak ada informasi tentang ketersediaan regional, latensi, batas konkurensi, atau SLA. Tidak ada informasi tentang kewajiban perekaman, pengungkapan, atau persetujuan — dan panggilan keluar adalah satu-satunya tempat di produk ini yang kewajiban tersebut tidak bersifat teoretis. Di Amerika Serikat, melakukan panggilan otomatis ke konsumen tanpa persetujuan adalah masalah TCPA sebelum menjadi masalah rekayasa; di UE, merekam panggilan tanpa memberi tahu orang di ujung telepon lain adalah masalah tersendiri. API memberi Anda caller_number dan endpoint hangup. Kepatuhan menjadi tanggung jawab Anda.

"HD Voice" juga layak diperlakukan sebagai klaim, bukan spesifikasi. Dokumentasi OpenAI hanya menyatakan bahwa SIP menegosiasikan format audio dan tidak mencantumkan codec apa pun, sehingga audio wideband dalam postingan itu merupakan pernyataan vendor yang belum dikuantifikasi di mana pun secara publik. Ujilah dengan operator Anda sendiri sebelum memasukkannya ke dalam presentasi.

Apa yang harus dilakukan dengan ini, minggu ini

Jika Anda sudah menjalankan agen suara GPT-Live di WebRTC, jalur outbound adalah transportasi kedua, bukan penulisan ulang: sesi baru dibuat dengan transport.type: "sip", trunk yang menggunakan TLS dan SDES-SRTP, dan WebSocket sideband untuk memantau dering, penjawaban, dan DTMF. Sisihkan waktu sehari untuk trunk, bukan untuk agennya.

Jika Anda menggunakan Realtime, jangan menjadwalkan migrasi dengan asumsi bahwa itu adalah perubahan konfigurasi. Baca bagian delegasi dan sesi terlebih dahulu, putuskan apakah backend Anda seharusnya milik OpenAI atau milik Anda sendiri, dan baru setelah itu pilih mitra — karena mitra yang sudah Anda gunakan untuk inbound mungkin bukan mitra yang memiliki jalur outbound yang terdokumentasi.

Jika Anda masih memutuskan apakah outbound voice layak dibangun sama sekali, angka yang penting adalah $3,00 per jam tersambung sebelum biaya operator, dengan batas maksimum mutlak dua jam dan dering tiga menit. Itu cukup murah untuk diuji dan cukup mahal sehingga waktu tunggu menjadi keputusan desain, bukan kebetulan. GA menghapus gerbangnya. Itu tidak menghapus aritmetikanya.