GPT-Live-1 lidera o Índice Speech to Speech com 81,5 — mas o ranking pertence ao seu backend

O GPT-Live-1, o modelo de voz full-duplex que foi lançado pela primeira vez dentro do ChatGPT em 8 de julho de 2026, agora está em primeiro lugar no Artificial Analysis Speech to Speech Index, com 81,5 — uma posição que só existe porque o modelo foi apontado para o GPT-6 Astra para fazer seu raciocínio. Use o mesmo front end de voz com o GPT-5.6 Sol como backend delegado com baixo esforço de raciocínio e ele pontua 80,1, o que é o terceiro lugar. O segundo lugar, com 81,3, pertence ao Grok Voice Think Fast 2.0 High.

Duas ressalvas honestas antes dos números. O modelo não é novo: o GPT-Live-1 chegou à API para desenvolvedores em 10 de setembro de 2026, após dois meses como voz padrão do ChatGPT. O que é novo, medido em 15 de setembro, é que um avaliador externo o pontuou — a única coisa que faltava em todos os textos sobre esse modelo até agora, inclusive nos nossos, em que os únicos números disponíveis eram os que a OpenAI publicou sobre si mesma. E a margem de 0,2 ponto sobre o segundo lugar é menor que a diferença de 1,4 ponto entre as duas configurações do próprio GPT-Live-1, que é o número mais útil do quadro.

Então a manchete "GPT-Live-1 é o melhor modelo de voz" não é bem o que o índice diz. Ele diz que GPT-Live-1 com GPT-6 Astra em esforço médio é, por um quinto de ponto, e que a escolha do backend muda o resultado mais do que qualquer modelo concorrente.

O que o índice realmente mede

A Artificial Analysis monta o Índice Speech to Speech como um composto de peso igual de quatro partes: Raciocínio de Fala, medido pelo Big Bench Audio; Desempenho Agêntico, medido pelo τ-Voice; Preferência na Arena, um Elo de preferência humana em pares; e Taxa de Sucesso em Tarefas. Apenas modelos com todos os quatro componentes disponíveis recebem um valor de índice — todo o resto aparece com um travessão, e é por isso que a tabela tem muito mais linhas do que pontuações. O índice em si foi lançado em 23 de junho de 2026 e foi revisado duas vezes desde então, mais recentemente para substituir Dinâmica Conversacional por Taxa de Sucesso em Tarefas, portanto, uma pontuação de uma revisão não é estritamente comparável com uma pontuação de outra.

Dois detalhes adicionais de metodologia importam quando você lê o ranking. O Arena Elo fica congelado no valor que tinha quando um modelo se tornou publicável pela primeira vez, então o componente de preferência recompensa chegar cedo em vez de ser o melhor hoje. E o índice pontua um sistema inteiro, não um único modelo: para o GPT-Live-1, o número abrange o front-end de voz mais qualquer modelo de backend para o qual ele encaminhe o trabalho. Essa é uma escolha de design deliberada, e é a razão pela qual o mesmo modelo aparece duas vezes com pontuações diferentes.

O topo do campo, conforme publicado:

• GPT-Live-1 (Astra, medium) — índice 81,5, primeiro

• Grok Voice Think Fast 2.0 High — índice 81,3, segundo

• GPT-Live-1 (Sol, baixo) — índice 80,1, terceiro

• GPT-Realtime-2.1 High — índice 73,9, quarto

• GPT-Realtime-2 High — índice 73,6, quinto

• Grok Voice Think Fast 1.0 — índice 72,3, sexto

• Gemini 3.1 Flash Live High — índice 71,5, sétimo

Para efeito de comparação, o modelo que o GPT-Live-1 substitui fica 7,6 pontos abaixo dele. Trata-se de uma diferença geracional real, e isso não está em disputa.

A vitória por 0,2 ponto vem de exatamente um componente

Separe o composto e os dois líderes deixam de parecer o mesmo tipo de modelo. Nos componentes, segundo a Artificial Analysis:

• Desempenho agêntico (τ-Voice) — GPT-Live-1 67,9% vs Grok Voice Think Fast 2.0 High 56,5%

• Raciocínio de fala (Big Bench Audio) — 90% vs 97%

• Taxa de sucesso das tarefas — 87,4% vs 94,6%

• Elo da Arena — 1048 vs 1011

• Tempo até o primeiro áudio — 1,34 s vs. 0,70 s

• Custo por hora, backend incluído — US$ 5,83 vs US$ 4,80

O GPT-Live-1 vence duas de seis linhas e perde quatro, mas mesmo assim leva o índice. A aritmética não é mistério: a diferença de τ-Voice é de 11,4 pontos, muito maior do que qualquer outra separação na tabela, e, sob ponderação igual, ela arrasta o composto para além da linha. Em termos simples, o GPT-Live-1 é o melhor agente, e o Grok Voice Think Fast 2.0 High é o melhor ouvinte e o mais rápido — e o índice, por acaso, pondera o quesito em que o GPT-Live-1 é bom de forma suficientemente pesada para colocá-lo em primeiro.

Se o seu produto é um agente de voz que agenda, resolve ou realiza transações, a vantagem de 11,4 pontos no τ-Voice é o número que prevê a sua experiência. Se o seu produto é uma conversa que precisa parecer instantânea e nunca falar por cima do usuário, o tempo de 0,70 segundo até o primeiro áudio é o número que prevê a sua experiência, e o Grok vence isso por cerca de um fator de dois. Na execução de tarefas regulamentadas, há um segundo alerta: a taxa de sucesso em tarefas de 94,6% do Grok é a mais alta da tabela visível, e os 87,4% do GPT-Live-1 significam que cerca de uma em cada oito tarefas não é concluída. Ambos representam melhorias em relação à geração anterior. Nenhum dos dois é um problema resolvido.

A linha #1 é uma configuração de roteamento, não um modelo

Eis a parte que merece mais atenção do que a posição no ranking. O GPT-Live-1 é uma camada de voz full-duplex que cuida da escuta, da fala, da interrupção e da troca de turnos por conta própria, e delega raciocínio, chamadas de ferramentas e busca a um modelo de backend separado enquanto a conversa continua. O Artificial Analysis avaliou duas dessas combinações como entradas separadas. O Astra com esforço médio produziu 81,5. O Sol com esforço baixo produziu 80,1.

Essa variação de 1,4 ponto é o cerne da questão. A diferença entre o primeiro e o segundo lugar é de 0,2 ponto. A diferença entre as duas configurações pontuadas do GPT-Live-1 é sete vezes maior. Nada no modelo de voz mudou entre essas linhas — apenas qual modelo estava fazendo o raciocínio, e em que nível de esforço. Um ranking que classifica sistemas está lhe dizendo, com precisão, que a configuração é o produto.

Isso também revisa nossa própria cobertura. Em 11 de setembro de 2026, registramos o GPT-Live-1 em 69,8% neste índice, atrás tanto do GPT-Realtime-2.1 quanto do Grok. Essa era a leitura disponível na época, e ela sustentava uma conclusão razoável — a de que a OpenAI havia construído as melhores mecânicas conversacionais, e não o melhor agente de voz. O índice agora traz duas configurações delegadas do GPT-Live-1, com 81,5 e 80,1. A Artificial Analysis não publica um changelog, e revisou os componentes do índice em agosto, então não podemos afirmar com certeza se o número anterior era uma configuração não pontuada ou parcialmente pontuada, ou uma execução sob a ponderação mais antiga; o que é observável é que os pareamentos delegados agora aparecem como linhas completas próprias, e que a resposta mudou quando eles passaram a aparecer.

A consequência prática é que "qual modelo de voz" é a pergunta errada e "qual modelo de voz mais qual backend, com qual esforço" é a certa. Essa é uma questão de roteamento, e é justamente a que nosso próprio produto existe para responder. O OrcaRouter expõe o backend de delegação do GPT-Live-1, o GPT-6 Astra, por meio do mesmo endpoint compatível com OpenAI que os mais de 200 outros modelos, de modo que trocar a camada de raciocínio é uma mudança de ID de modelo, e não uma integração. A DSL de roteamento compõe vários modelos em uma única chamada, e o failover automático significa que um emparelhamento não comprovado não é uma aposta de produção — se o backend degradar, a requisição vai para outro lugar em vez de falhar. Para ser preciso sobre o que não fazemos: o próprio GPT-Live-1 não está em nosso catálogo e não o servimos. O backend ao qual ele delega é outra questão.

Quanto custa uma hora disto

O front-end do GPT-Live-1 é cobrado a US$ 0,05 por minuto de voz, com cobrança por segundo, o que dá US$ 3,00 por uma hora de linha aberta. Essa não é a conta inteira: raciocínio delegado, chamadas de ferramentas e busca na web são medidos separadamente, conforme o que o modelo de backend cobrar. A Artificial Analysis mediu o valor total, e é por isso que sua coluna de custo é a que deve ser usada:

• GPT-Live-1 (Sol, baixo) — US$ 4,47 por hora

• Grok Voice Think Fast 2.0 High — $4,80 por hora

• GPT-Live-1 (Astra, medium) — $5.83 por hora

• GPT-Realtime-2.1 High — US$ 10,75 por hora

A opção vencedora do ranking é a mais cara das três opções atuais, e a configuração que venceu custa 30% mais por hora do que a configuração que ficou em terceiro lugar. Visto pelo outro lado, a divisão é instrutiva: US$ 3,00 de cada hora correspondem à camada de voz, e o restante — US$ 1,47 no Sol, US$ 2,83 no Astra — são tokens de backend. A camada de raciocínio fica entre um terço e metade da sua fatura, o que é uma parcela grande para um componente que o ranking trata como nota de rodapé.

Em comparação com o modelo que substitui, porém, toda a família custa aproximadamente metade do preço — o front-end de US$ 0,05 por minuto é um corte genuíno, não um reempacotamento. Como os tokens de backend são cobrados pelas tarifas de backend, o custo de uma implantação do GPT-Live-1 depende principalmente de para qual modelo de raciocínio você direciona, e os backends podem ser modelos da própria OpenAI ou de terceiros. No OrcaRouter, esses backends são repassados pelo preço de tabela do provedor com 0% de margem, então uma alteração de preço do fornecedor na camada de raciocínio passa a valer no mesmo dia, e não no próximo ciclo de cobrança.

O que o índice não resolve

Três ressalvas, declaradas pela fonte e não inferidas. Tanto as duas entradas do GPT-Live-1 quanto o Grok Voice Think Fast 2.0 High estão sinalizados como baseados em um único teste, o que é frágil para uma decisão de 0,2 ponto — uma nova execução poderia reordenar o primeiro e o segundo lugar sem que nada mudasse em nenhum dos dois modelos. O Arena Elo, como observado, foi congelado na primeira medição publicável de cada modelo. E o índice não traz nenhuma entrada sobre como esses sistemas se comportam em uma chamada longa: os componentes são de horizonte curto por construção, enquanto o modo de falha que de fato mata agentes de voz em produção é a deriva ao longo de uma conversa de vinte minutos.

Separadamente, e diretamente do fornecedor, e não do índice: a API do GPT-Live-1 foi lançada sem entrada de imagem ou vídeo, sem saídas estruturadas e sem plano gratuito, e seus limites de taxa são contados em sessões simultâneas, e não em solicitações por minuto. Essas são restrições do dia do lançamento que podem já ter mudado; verifique-as antes de projetar em torno delas.

O que fazer com isso

Se você está escolhendo uma arquitetura esta semana, e não um modelo, o índice recompensa o padrão delegado em trabalho agêntico e o padrão em cascata em latência. O GPT-Live-1 com 81,5 é a evidência mais forte até agora de que separar conversa de raciocínio é o formato certo para agentes de voz que concluem tarefas. O Grok Voice Think Fast 2.0 High com 81,3, com 0,70 segundo até o primeiro áudio e taxa de sucesso em tarefas de 94,6%, é a evidência mais forte de que o formato delegado não é o único que funciona — e de que ainda não é o mais rápido.

A decisão que decorre dos números é mais barata do que parece. Ambas as configurações do GPT-Live-1, e o modelo que o superou em quatro de seis componentes, ficam dentro de uma margem de US$ 1,36 por hora entre si. Com essa diferença, o movimento certo é parar de ler rankings e testar suas próprias transcrições nos dois. O índice mostra o formato do trade-off; ele não consegue dizer de que lado dele estão seus usuários.

Perguntas que o número suscita

O GPT-Live-1 é o melhor modelo de voz agora?

Pelo composto, sim — por 0,2 ponto e com um único teste por trás. Pelos componentes, depende inteiramente do que você está construindo: ele lidera em desempenho agêntico e preferência na arena, e fica atrás em raciocínio de fala, taxa de sucesso em tarefas e tempo até o primeiro áudio. Uma liderança de 0,2 ponto no composto apoiada em uma única vantagem de 11,4 pontos em um componente é um primeiro lugar defensável, não decisivo.

Você precisa usar o GPT-6 Astra para conseguir o 81,5?

Para essa linha exata, sim — o 81,5 pertence ao GPT-Live-1 configurado com Astra em esforço de raciocínio médio. O Sol com esforço baixo é uma alternativa documentada em 80,1 e US$ 1,36 mais barato por hora, e a OpenAI oferece suporte a usar modelos de terceiros como backend, portanto, as entradas do ranking são dois pontos em uma curva, e não as únicas opções. Qual combinação é melhor para sua carga de trabalho não é algo que um índice público possa responder por você.

Por que o mesmo modelo pontuou 69,8 na nossa cobertura anterior e 81,5 agora?

Os dois números abrangem coisas diferentes. A leitura anterior colocava o GPT-Live-1 no índice como uma única entrada; a tabela atual traz suas duas configurações delegadas como linhas separadas e com pontuação completa, com o emparelhamento Astra em 81,5 e o emparelhamento Sol em 80,1. A Artificial Analysis revisou os componentes do índice em agosto e não publica um registro de alterações, então trate o delta como uma mudança no que foi medido, e não como evidência de que o modelo melhorou — e trate qualquer pontuação composta única para um modelo que delega como uma declaração sobre uma configuração.