Perplexity mette GPT-Live-1 dietro la sua modalità vocale: cosa cambia davvero lo switch su Mac e Web

La modalità vocale di Perplexity sull'app per Mac e sul web ora funziona con GPT-Live-1, il modello vocale full-duplex di OpenAI, e la funzionalità associata a questo cambio è la parte che vale la pena leggere due volte: una singola sessione vocale può pilotare più sessioni di Perplexity Computer contemporaneamente, avviare nuove attività a metà frase e creare o gestire Progetti senza toccare una tastiera. L'annuncio è stato pubblicato dall'account @AskPerplexity di Perplexity il 28 ottobre 2026 ed era rivolto agli abbonati Pro e Max a pagamento su entrambe le superfici.

Quello è un evento di distribuzione, non il lancio di un modello. GPT-Live-1 è disponibile a livello generale da quando OpenAI lo ha inserito nell’API il 10 settembre 2026, a 0,05 dollari al minuto vocale, ed è presente in ChatGPT Voice dall’8 luglio. Ciò che è cambiato questa settimana è chi lo sta noleggiando e su cosa lo sta indirizzando.

Perché uno scambio di modello vocale merita un titolo

Le interfacce vocali un tempo venivano assemblate all’interno di ogni azienda. Si acquistava la trascrizione, si chiamava il proprio modello linguistico e si acquistava la sintesi, per poi dedicare la parte più difficile della realizzazione al rilevamento dei turni: la regola che stabilisce quando l’utente ha finito di parlare. È lì che muore la maggior parte dei prodotti vocali: se è troppo impaziente, l’agente parla sopra alle persone; se è troppo lenta, ogni chiamata sembra una pessima linea internazionale.

GPT-Live-1 elimina quella giuntura. È un unico modello che ascolta mentre genera, decide molte volte al secondo se parlare o aspettare e affida il ragionamento pesante a un modello testuale in background senza mettere in pausa l'audio. Perplexity non ha dovuto costruire una policy di barge-in per far funzionare il controllo multi-sessione; ne ha ereditata una.

La conseguenza pratica per chi sviluppa i propri prodotti vocali è brutale: lo strato di gestione dei turni che stavate per scrivere ora è qualcosa che si prende in affitto. Se questo sia più economico dipende interamente da quanti minuti il vostro agente trascorre ad ascoltare anziché a parlare — una questione su cui vale la pena fare i conti prima di impegnarsi, perché il tassametro corre sull'intera sessione, silenzi inclusi.

La parte Computer è il vero cambiamento di prodotto

I cambi di modello sono invisibili agli utenti. Il controllo multi-sessione di Computer no. Fino a questo aggiornamento, Perplexity Computer era un unico ciclo di agente supervisionato sullo schermo. Il nuovo livello vocale ti consente di portare avanti una conversazione mentre diverse sessioni in background sono in esecuzione, avviarne una nuova dicendolo e gestire i Projects per nome. È più simile a un dispatcher che a un chatbot, ed è la prima interfaccia vocale per consumatori che abbiamo visto trattare le sessioni agente parallele come la norma anziché l'eccezione.

Tre dettagli stanno facendo il lavoro qui:

• Una sola sessione, molti worker — un turno vocale può rivolgersi a più di una sessione Computer senza terminare quella corrente.

Creazione di attività tramite voce — il nuovo lavoro può essere messo in coda durante la conversazione anziché dopo.

• Gestione dei progetti per nome — I progetti diventano oggetti che puoi creare e rinominare a voce, il che significa che il livello vocale deve risolvere i riferimenti, non solo trascrivere.

In teoria, nulla di tutto ciò richiede un modello full-duplex. Tutto è molto più semplice con un modello di questo tipo, perché l'agente può dare un riscontro a una richiesta con un "mhmm" mentre inizia il lavoro vero e proprio, invece di restare in silenzio per otto secondi e sperare che l'utente aspetti.

Perplexity l'ha chiamata v1. Da allora OpenAI ha rilasciato v1.1

Il dettaglio più interessante nell’annuncio è la stringa di versione. Perplexity afferma che la sua modalità vocale funziona con GPT-Live-1. In ChatGPT Voice, OpenAI ha iniziato a distribuire GPT-Live-1.1 il 15 ottobre 2026, due settimane prima di questo passaggio. Perplexity non ha detto se ha valutato la 1.1, se è bloccata deliberatamente alla v1 per motivi di stabilità o se è previsto un aggiornamento.

Leggilo come normale ingegneria, non come uno scandalo. Una piattaforma che integra un modello vocale in un’app consumer tiene a uno snapshot congelato con latenza prevedibile molto più che al checkpoint più recente, e OpenAI non ha pubblicato una guida alla migrazione che renda 1.1 utilizzabile senza modifiche. Ma significa che il modello nell’app Perplexity oggi non è il modello in ChatGPT oggi, e qualsiasi confronto tra le due esperienze vocali sta misurando pesi diversi.

L'economia di cui Perplexity non ha parlato

La documentazione di OpenAI stessa riporta un unico prezzo per questo modello: 0,05 $ al minuto di voce, fatturato al secondo e senza arrotondamento per eccesso, con un addebito di 15 secondi per l'inizializzazione della sessione che viene accreditato sulla durata successiva. Il ragionamento, gli strumenti e la ricerca sul web vengono eseguiti su un modello di testo separato e sono fatturati a parte. Perplexity vende un abbonamento a tariffa fissa.

Quei due modelli di fatturazione non si adattano naturalmente. Un abbonato Max che usa la voce per due ore a settimana — una quantità non insolita per qualcuno che ha appena ottenuto il controllo senza l'uso delle mani di diverse sessioni di agente — consuma circa 520 minuti al mese. Al prezzo di listino si tratta di circa 26 dollari solo di voce, prima delle chiamate di ragionamento dietro ogni attività Computer. Un abbonato che lascia una sessione aperta mentre pensa, o che la mantiene in esecuzione come controllo ambientale, costa di più, perché il silenzio viene fatturato allo stesso prezzo del parlato.

Ogni piattaforma che rivende un modello vocale a consumo con un piano a tariffa fissa fa questa scommessa, e di solito la scommessa è azzeccata al lancio: la maggior parte degli abbonati usa molto meno della coda pesante. Il numero interessante da osservare non è la media ma il 95° percentile, e nessuna delle due aziende lo pubblica.

Dal lato di OpenAI, il valore orario che conta per la pianificazione della capacità è il costo dell'audio in input, non il tempo di conversazione. Artificial Analysis ha misurato GPT-Live-1 a 5,83 $ per ora di audio in input nella sua configurazione ad alto ragionamento e a 4,47 $ in quella a basso ragionamento, usando un set fisso di benchmark da 40 domande — un utile promemoria del fatto che il prezzo di copertina di 0,05 $ copre solo la voce.

Quanto è valido il modello che Perplexity ha appena adottato?

Nel Speech-to-Speech Index condotto in modo indipendente da Artificial Analysis, GPT-Live-1 ottiene 83,2 nella configurazione Astra-medium, secondo tra 21 modelli valutati dietro Grok Voice 3.0 a 86,9, e 80,1 nella configurazione Sol-low, al quinto posto. Nella Speech Agent Arena dello stesso laboratorio — preferenza alla cieca su conversazioni reali in stile prenotazione — le due configurazioni si collocano a 1037 e 1041 Elo, con tassi di successo del compito dell'87,4% e del 90,9%.

La stringa di configurazione non è decorativa. GPT-Live-1 non ragiona internamente; delega a un backend indicato per nome, e il backend che scegli cambia sia il punteggio sia la fattura. Perplexity non ha rivelato quale backend abbini al livello vocale, quindi la sua qualità effettiva è sconosciuta dall'esterno anche se il suo modello vocale ormai è di pubblico dominio.

La domanda sul routing che nessuno ha posto

Ecco il punto strutturale che questo annuncio rende visibile. Il ramo vocale di Perplexity è ora preso in affitto da OpenAI e non può essere sostituito — GPT-Live-1 espone esattamente un solo endpoint, v1/live/sessions, e non è esplicitamente un sostituto diretto per la Realtime API. Quel ramo è bloccato. Il ramo di ragionamento che gli sta dietro non lo è.

Ed è qui che un router si guadagna il suo posto: il modello testuale che svolge il ragionamento per ogni attività del Computer può essere sostituito, commutato su un'istanza di riserva o suddiviso in base al tipo di attività senza toccare il livello vocale. Su OrcaRouter, la stessa chiave raggiunge GPT-6 Astra, GPT-5.6 Terra e GPT-5.6 Sol — i tier che OpenAI stessa usa come destinazioni di delega — insieme ai modelli Claude, Gemini, Qwen e GLM, con i prezzi di listino dei provider applicati senza ricarico (markup 0%) e failover automatico quando un backend si degrada. Quando un fornitore riduce un prezzo, il percorso instradato lo riflette lo stesso giorno.

Per essere precisi su ciò che non facciamo: OrcaRouter non eroga GPT-Live-1. Il segmento vocale resta sull'API di OpenAI. Ciò che instradiamo è tutto ciò che sta a valle, dove si concentrano realmente i costi e la variabilità dell'affidabilità di un agente vocale.

Cosa guardare dopo

Tre cose cambierebbero questa storia. Se Perplexity passa a GPT-Live-1.1, la nota sulla versione qui sopra smette di avere importanza e la qualità vocale dell'app dovrebbe migliorare con qualunque cosa abbia cambiato la 1.1. Se OpenAI pubblica controlli dei costi per sessione — un limite massimo, un timeout di silenzio, una tariffa inattiva più economica — i calcoli dell'abbonamento a tariffa fissa diventano più semplici per ogni rivenditore. E se un modello full-duplex concorrente arriva su un indice comparabile, la dipendenza da un singolo fornitore in questa integrazione diventa una scelta anziché un'impostazione predefinita.

Per gli sviluppatori, l'indicazione operativa è più ristretta. Se stai costruendo un'interfaccia vocale con molte interruzioni — accettazione, prenotazione, smistamento, qualsiasi scenario in cui l'utente parla più dell'agente — un modello full-duplex è ormai il default sensato e la fatturazione al minuto è il prezzo che comporta. Se stai costruendo narrazione, lettura ad alta voce o qualsiasi cosa che produca audio da testo su richiesta, questo modello è prezzato e strutturato per il lavoro sbagliato, e il confronto TTS è un articolo del tutto diverso.