Ope​nAIの9月プラットフォームデー：Agents APIがベータ公開、GPT-Live-1がAPIに登場

2026年9月10日、OpenAIのプラットフォームから2つのものが巣立ち、より静かなほうが大きな影響範囲を持つ。7月8日からChatGPT内で稼働してきた全二重音声モデルGPT-Live-1は、開発者が音声1分あたり0.05ドルで呼び出せるようになった。それに並んで、報道でははるかに言及の少ないAgents APIがパブリックベータに入った。Codexを動かしているのと同じハーネスが、マネージドサンドボックスを備えたホスト型製品として公開されたのだ。一方はより優れた音声。もう一方は、かつてエージェント構築の難所だったものをOpenAIが販売しているということだ。

どちらも本記事の一次資料から読み取ったものです。すなわち、Ope​nAIのAgents API発表、APIにおけるGPT-Live-1の導入を紹介する開発者コミュニティ投稿、そしてその両方の開発者ドキュメントです。数値が外部の評価者ではなくOpe​nAIに由来する場合は、以下でそのように明示しています。そして1つの数値は実際に外部から来ており、それによって話が少し変わります。

Artificial Analysisは今年、Speech to Speech Indexの公表を始め、GPT-Live-1はそこに一行を占めている。69.8%――音声推論、エージェント性能、アリーナ選好、タスク成功にわたる加重平均だ。これは評価された11モデル中7位に位置する。73.9%のGPT-Realtime-2.1（それが置き換えるモデル）を下回り、79.0%のGr​ok Voice Think Fast 2.0も下回る。独立系スコアボードとOpe​nAI自身のベンチマーク表は同じことを物語っていないが、どちらも真実である。

何がリリースされ、それがあなたのアーキテクチャを変える順序

• 音声 — GPT-Live-1 が gpt-live-1 として API で提供開始されました。音声は 1 分あたり $0.05 で秒単位で課金され、バックエンドの推論モデルは独自の料金で別途課金されます。

• Agents — Agents API はパブリックベータです。Ope​nAI によると、API 自体に追加料金はかかりません。支払うのは、モデル トークン、ツール、ホスト型サンドボックス コンテナの時間です。

• サンドボックス — Ope​nAI が実行環境をホストするようになり、Codex や ChatGPT と同じサンドボックス基盤を再利用しており、ファイル、パッケージ、スキル、プラグインで構成できます。

• 環境 — OpenAI 独自のサンドボックスに加えて、チームはエージェントを自社インフラやベータパートナーリストに載っているサードパーティ製サンドボックスのベンダーに向けることもできる。

音声リリースはモデルの話だ。Agents API はプラットフォームの話であり、プラットフォームの話こそがコードベースの向きを静かに変えるものだ。

Agents API：1回のPOSTでエージェントを

中核となる呼び出しはPOST /v1/agents/sessionsで、Ope​nAI-Beta: agents=v1ヘッダーを付けて送信します。その売りは、タスク、モデル、ツール、環境があれば、稼働中のエージェントを返してもらえるという点です。SDKはPython、TypeScript/JavaScript、Go、Java、Rubyに対応しています。

単なるラッパー以上のものにしているのは、Ope​nAIがハーネスを提供しているのではなく、自ら運用しているという点だ。AgentKitハーネスはオープンソースで検査可能だが、稼働しているコピーはOpe​nAIのものである——長いセッションにわたるコンテキスト圧縮、ツール検索、プログラムによるツール呼び出し、MCPサポート、カスタム関数、組み込みのウェブ検索、そして並行数を設定可能なサブエージェントのオーケストレーション。バージョン管理されたハーネス機能はモデルのリリースと同時に登場する。これが興味深いコミットメントだ。足場はモデルと同じペースで動く。

四半期をかけてループの保守に費やしてきた人なら誰でも——リトライロジック、コンテキストのトリミング、ツールルーティング、常に状態を漏らすサブエージェントのファンアウト——それこそが実際の製品だ。モデル呼び出しではない。あなたがもう書かなくてよくなった、その周りの配管だ。

ホスト型サンドボックスは、請求書が付いてくる部分です

コードを実行するエージェントには、それを実行する場所が必要です。そしてベータ版には、OpenAI自身の答えが搭載されています。コードを実行し、ファイルを扱い、成果物を生成するマネージドサンドボックスで、パッケージ、スキル、プラグインで構成できます。すでに堅牢な実行環境を持つ開発者が、それを使うことを強制されることはありません。自前のインフラを持ち込む方式と、名前の挙げられたサンドボックスパートナーのセットが、どちらもベータ版に含まれています。

これを基に構築を進める前に、運用上の注意点を2つ記録しておく価値があります。ベータ版のデータレジデンシーは米国限定で、Zero Data Retention はサポートされていません。規制対象のワークロードでは、この2行が、これがパイロットなのか本番環境への道なのかを決めることになり、しかもこうした詳細は遅い段階になってから発覚しがちです。

APIのGPT-Live-1：分単位の定額課金こそが真の変革だ

音声モデル自体は新しいものではない——7月8日にChatGPT内のAdvanced Voice Modeを置き換えた——が、商業的な形は新しい。Realtimeラインでは、音声はトークン単位で計量されていた。つまり通話を予測するには音声消費のモデリングが必要だった。無音1秒が何トークン費やすか、発信者がエージェントに被せて話すと出力長がどう変わるか。音声1分あたり一律0.05ドルなら、それは掛け算にまで簡略化される。連続して回線を開いたままの1時間は3.00ドル。1日1000件の通話で平均4分なら、およそ1日200ドル。

セッションは、単一のモデル ID で Live Sessions エンドポイントから実行され、固定する日付付きスナップショットはありません。ドキュメントでは、接続経路として WebRTC、WebSockets、テレフォニー/SIP が扱われており、公開されているクイックスタートでは WebRTC の経路を構築します。課金には 2 つのメーターがあり、そのうち音声に関するのは 1 つだけです。委譲された推論呼び出し、ツール呼び出し、ウェブ検索はすべて、バックエンドモデルの通常料金で課金されます。

アーキテクチャの核心は委譲です。GPT-Live-1が会話を担い、1秒間に何度も、聞き続けるか、一時停止するか、遮るか、作業を引き渡すかを判断します。そして、実際の推論を必要とするものは非同期の境界を越えて別のバックエンドへ渡され、そのバックエンドは音声による会話が続く間も動き続けます。ドキュメントには2つのモードが定義されています。Responses委譲は、OpenAIがサポート対象のResponsesモデルを呼び出し、会話コンテキストを提供する方式です。クライアント委譲は、自社のアプリケーションがバックエンドを用意し、実行、コンテキスト、そしてどの結果を音声レイヤーに届けるかを制御し続ける方式です。公開されているResponsesの例では、そのバックエンドはGPT-5.6 Terraであり、委譲オブジェクト内で独自の指示とツールとともに指定されています。7月のコンシューマー向けローンチ時点ではGPT-5.5でしたが、それ以降のコミュニティの記事はGPT-6 Astraを指し示しています。

音声レイヤーに関する主要な数字はすべてOpenAI自身のものであり、執筆時点では誰も独立に再現していない。Full Duplex Bench v1.5の対話性で80.1%（GPT-Realtime-2.1は45.4%）、ターンテイキング遅延0.798秒（1.41秒）、ツール呼び出し成功率87%、銀行の音声サポート評価の合格率32%（それが置き換えるモデルは12.4%）。最後の一対こそが正直な数字だ — 大幅な改善ではあるが、規制対象のワークフローでは依然として約3分の2で失敗するシステムである。第三者による顧客証拠は存在するが、乏しく、自己利益的だ。Yelpの電話予約、EliseAI、学習プラットフォームのSpeakは、以前のターン制スタックと比べて中断が80%近く少ないと報告している。

独立系の結果はそれほど好意的ではなく、上のリストの下に置くよりも、その横に並べて見る価値がある。Artificial Analysis Speech to Speech Index——音声推論、エージェント性能、アリーナ選好、タスク成功率をまとめた単一の総合スコア——では、GPT-Live-1 は 69.8% で、GPT-Realtime-2.1 の 73.9% を下回り、Gr​ok Voice Think Fast 2.0 の 79.0% を大きく下回っている。二つを合わせて読めば、この製品の形が見えてくる。Ope​nAI は利用可能な中で最高の会話メカニクスを作ったが、最高の音声エージェントを作ったわけではない。推論が、このインデックスでは別個に評価されるモデルに委ねられているからだ。

その2つの告知は1つの告知です

併せて読むと、これらのリリースは同じ再編を二つの方向から描いている。Agents API は、ループ、サンドボックス、コンテキスト管理をホスト型製品へと移す。GPT-Live-1 は、会話の表面を、その思考を別の場所に委ねる薄いフロントエンドへと移す。どちらにおいても、モデルはそれを中心に構築する対象ではなくなり、選択するコンポーネントになる——そしてどちらにおいても、その選択はアーキテクチャ上のコミットメントではなく、設定の一行である。

まさにそこが、ルーティングレイヤーが入り込む継ぎ目です。OrcaRouter はgpt-live-1を扱いません。Live Sessions エンドポイントは Ope​nAI 専用のものであり、当社はそのいかなる部分もルーティングしていません。委任の部分はまた別の話です。音声レイヤーが処理を引き渡す先のバックエンドは Responses API で通信し、それは通常のモデル呼び出しです。Ope​nAI 自身の例が挙げているモデル、GPT-5.6 Terra は、OrcaRouter を通じて Ope​nAI の定価、入力100万トークンあたり $2.00、出力100万トークンあたり $12.00 で利用でき、Responses エンドポイントも公開されています。クライアント委任はさらに踏み込みます。アプリケーションがバックエンドを直接指定できるため、音声の背後にあるモデルはあなたが管理する任意のエンドポイントにできます。Agents API のモデルスロットも同じです。ハーネスは Ope​nAI のものですが、その中のモデルはあなたが保持し続ける選択であり、11社の上流プロバイダーによる約190のモデルが1つのキーでプロバイダー定価のまま利用でき、上乗せは一切ありません

具体的には、そこから3つのことが導かれます。バックエンドは1行を編集するだけで本番トラフィック上でA/Bテストにかけられ、これにより、安価な推論エンジンが十分に使えるかどうかを、電話回線をそれに割り当てる前に確かめられます。フェイルオーバーは委譲モデルの下に置けるので、上流の一時的な不調で会話までダウンすることはありません。そして、ルーティングDSLを通じて1回の呼び出しで複数のバックエンドに対してタスクを実行したり、モデル融合により複数のモデルからなるパネルに一度に回答させたりできます。これは、エージェントの出力を単に生成するだけでなく信頼しなければならなくなった瞬間に役立ちます。

どちらのリリースにも含まれていないものは何ですか？

• GPT-Live-1には画像や動画の入力がない — 旧来のChatGPTモードが備えるマルチモーダル音声インターフェースは、依然として対応されていない。

• 音声レイヤーでは構造化出力が使えないため、スキーマで検証済みのツール引数はバックエンドモデル側で強制する必要があります。

• GPT-Live-1 への無料枠でのアクセスはなく、レート制限は同時セッション数で規定されます — ティア1では25、ティア5では500まで増加します。

• Agents API ベータ版では Zero Data Retention はご利用いただけず、米国外でのデータレジデンシーも提供されません。

• GPT-Live-1のベンチマーク数値のいかなる独立した再現も行っていない。

OpenAIが9月10日に打った賭けは、開発者はハーネスを購入し、ブレインは別に選びたいというものだった。その前半は今や明細項目になっている。後半こそ、今後12か月の競争圧力が向かう先だ——なぜなら、交換可能なモデルスロットを備えたホスト型ハーネスは、そこに入れられるモデル次第でしかなく、そして今、それこそがOpenAIが単独では制御していないスタックの唯一の部分だからだ。

委譲の部分はまた別の話だ——音声レイヤーが作業を渡す先のバックエンドは通常のモデル呼び出しであり、GPT-5.6 TerraはOrcaRouter経由で、Responsesエンドポイントも公開された状態で、OpeAIの定価で利用できる。