Perplexity coloca o GPT-Live-1 por trás do seu modo de voz: o que a mudança para Mac e Web realmente altera

O modo de voz da Perplexity no aplicativo para Mac e na web agora funciona com GPT-Live-1, o modelo de fala full-duplex da OpenAI, e a capacidade associada a essa troca é a parte que vale a pena ler duas vezes: uma única sessão falada pode comandar várias sessões do Perplexity Computer ao mesmo tempo, iniciar novas tarefas no meio de uma frase e criar ou gerenciar Projects sem tocar em um teclado. O anúncio foi divulgado pela conta @AskPerplexity da Perplexity em 28 de outubro de 2026 e se aplicava a assinantes pagos dos planos Pro e Max em ambas as superfícies.

Isso é um evento de distribuição, não um lançamento de modelo. O GPT-Live-1 está disponível de forma geral desde que a OpenAI o disponibilizou na API em 10 de setembro de 2026, a US$ 0,05 por minuto de voz, e está no ChatGPT Voice desde 8 de julho. O que mudou nesta semana é quem o está alugando e para o que o estão direcionando.

Por que uma troca de modelo de voz merece manchete

As interfaces de voz costumavam ser montadas dentro de cada empresa. Você comprava transcrição, chamava seu próprio modelo de linguagem e comprava síntese, depois gastava a parte difícil da construção na detecção de turno — a regra que decide quando o usuário terminou de falar. É nessa regra que a maioria dos produtos de voz morre: precipitada demais e o agente fala por cima das pessoas; lenta demais e toda chamada parece uma linha internacional ruim.

GPT-Live-1 elimina essa emenda. É um único modelo que escuta enquanto gera, decide várias vezes por segundo se deve falar ou esperar, e passa o raciocínio pesado para um modelo de texto em segundo plano sem pausar o áudio. A Perplexity não precisou criar uma política de interrupção para fazer o controle de múltiplas sessões funcionar; herdou uma.

A consequência prática para leitores que estão construindo seus próprios produtos de voz é direta: a camada de troca de turnos que você ia escrever agora é algo que você aluga. Se isso sai mais barato depende inteiramente de quantos minutos seu agente passa ouvindo em vez de falando — uma questão que vale a pena calcular antes de se comprometer, porque o medidor roda na sessão inteira, incluindo o silêncio.

A parte do Computer é a verdadeira mudança de produto.

As trocas de modelo são invisíveis para os usuários. O controle multissessão do Computer não é. Até esta atualização, o Perplexity Computer era um único loop de agente que você supervisionava na tela. A nova camada de voz permite manter uma conversa enquanto várias sessões em segundo plano são executadas, iniciar uma nova sessão dizendo isso e gerenciar Projects pelo nome. Isso está mais para um despachante do que para um chatbot, e é a primeira interface de voz de consumo que vemos tratar sessões paralelas de agentes como padrão, e não como exceção.

Três detalhes fazem o trabalho aqui:

Uma sessão, muitos workers — um turno de voz pode atender mais de uma sessão do Computer sem encerrar a atual.

• Criação de tarefas por voz — novos trabalhos podem ser enfileirados no meio da conversa, em vez de depois dela.

• Gerenciamento de projetos por nome — Projetos se tornam objetos que você pode criar e renomear em voz alta, o que significa que a camada de voz precisa resolver referências, e não apenas transcrever.

Nada disso exige, em teoria, um modelo full-duplex. Tudo isso é muito mais fácil com um, porque o agente pode confirmar um pedido com um “mhmm” enquanto o trabalho de fato começa, em vez de ficar em silêncio por oito segundos e torcer para que o usuário espere.

A Perplexity o chamou de v1. Desde então, a OpenAI lançou a v1.1.

O detalhe mais revelador do anúncio é a string de versão. A Perplexity afirma que seu modo de voz funciona com o GPT-Live-1. No ChatGPT Voice, a OpenAI começou a implementar o GPT-Live-1.1 em 15 de outubro de 2026, duas semanas antes desta mudança. A Perplexity não disse se avaliou a 1.1, se está fixada deliberadamente na v1 por questões de estabilidade ou se há uma atualização programada.

Veja isso como engenharia normal, e não como um escândalo. Uma plataforma que integra um modelo de fala a um aplicativo de consumo se importa muito mais com um snapshot congelado com latência previsível do que com o checkpoint mais recente, e a OpenAI não publicou um guia de migração que torne o 1.1 uma substituição direta. Mas isso significa que o modelo no aplicativo Perplexity hoje não é o mesmo modelo no ChatGPT hoje, e qualquer comparação entre as duas experiências de voz está medindo pesos diferentes.

A economia sobre a qual a Perplexity não falou

A documentação da própria OpenAI lista um preço para este modelo: US$ 0,05 por minuto de voz, cobrado por segundo e sem arredondamento para cima, com uma taxa de inicialização de sessão de 15 segundos creditada na duração posterior. Raciocínio, ferramentas e pesquisa na web são executados em um modelo de texto separado e cobrados separadamente. A Perplexity vende uma assinatura de preço fixo.

Esses dois modelos de cobrança não se encaixam naturalmente. Um assinante Max que usa voz por duas horas por semana — um volume nada incomum para alguém que acabou de ganhar controle sem as mãos de várias sessões de agentes — consome cerca de 520 minutos por mês. A preço de tabela, isso dá cerca de US$ 26 só de voz, antes das chamadas de raciocínio por trás de cada tarefa do Computer. Um assinante que deixa uma sessão aberta enquanto pensa, ou que a mantém em execução como controle ambiente, custa mais, porque o silêncio é cobrado à mesma tarifa que a fala.

Toda plataforma que revende um modelo de voz cobrado por uso sob um plano de preço fixo está fazendo essa aposta, e a aposta geralmente está certa no lançamento: a maioria dos assinantes usa muito menos do que a cauda pesada. O número interessante a observar não é a média, mas o percentil 95, e nenhuma das duas empresas o publica.

Do lado da OpenAI, o número por hora que importa para o planejamento de capacidade é o custo do áudio de entrada, não o tempo de conversa. A Artificial Analysis mediu o GPT-Live-1 a US$ 5,83 por hora de áudio de entrada na sua configuração de raciocínio alto e US$ 4,47 na configuração de raciocínio baixo, usando um conjunto fixo de 40 perguntas para benchmarking — um lembrete útil de que o valor de manchete de US$ 0,05 cobre apenas voz.

Quão bom é o modelo que a Perplexity acabou de adotar?

No Speech-to-Speech Index, administrado de forma independente pelo Artificial Analysis, o GPT-Live-1 obtém 83,2 em sua configuração Astra-medium — segundo entre 21 modelos avaliados, atrás do Grok Voice 3.0 com 86,9 — e 80,1 em sua configuração Sol-low, em quinto lugar. No Speech Agent Arena do mesmo laboratório — preferência cega em conversas reais no estilo de reservas —, as duas configurações ficam em 1037 e 1041 Elo, com taxas de sucesso nas tarefas de 87,4% e 90,9%.

A string de configuração não é decoração. O GPT-Live-1 não raciocina internamente; ele delega a um backend nomeado, e qual backend você escolhe altera tanto a pontuação quanto a fatura. A Perplexity não divulgou qual backend ela combina com a camada de voz, então sua qualidade efetiva é desconhecida de fora, embora seu modelo de voz agora seja de conhecimento público.

A pergunta de roteamento que ninguém fez

Aqui está o ponto estrutural que este anúncio torna visível. O ramo de voz da Perplexity agora é alugado da OpenAI e não pode ser substituído — o GPT-Live-1 expõe exatamente um endpoint, v1/live/sessions, e explicitamente não é um substituto direto para a API Realtime. Esse ramo está bloqueado. O ramo de raciocínio por trás dele não está.

É aí que um roteador ganha seu lugar: o modelo de texto que faz o raciocínio de cada tarefa do Computer pode ser trocado, passar por failover ou ser dividido por tipo de tarefa sem tocar na camada de voz. No OrcaRouter, a mesma chave alcança GPT-6 Astra, GPT-5.6 Terra e GPT-5.6 Sol — os níveis que a própria OpenAI usa como alvos de delegação — ao lado de modelos Claude, Gemini, Qwen e GLM, com preços de tabela dos provedores repassados com 0% de markup e failover automático quando um backend degrada. Quando um fornecedor corta um preço, o trecho roteado reflete isso no mesmo dia.

Para ser preciso sobre o que não fazemos: o OrcaRouter não atende o GPT-Live-1. A etapa de voz permanece na API da OpenAI. O que roteamos é tudo o que está a jusante dela, que é onde a variação de custo e confiabilidade de um agente de voz realmente reside.

O que assistir a seguir

Três coisas mudariam esta história. Se a Perplexity migrar para o GPT-Live-1.1, a nota de versão acima deixa de importar e a qualidade de voz do aplicativo deve melhorar com o que quer que a 1.1 tenha mudado. Se a OpenAI publicar controles de custo por sessão — um teto, um tempo limite de silêncio, uma tarifa de ociosidade mais barata — as contas da assinatura fixa ficam mais fáceis para todo revendedor. E se um modelo full-duplex rival chegar a um índice comparável, a dependência de um único fornecedor nesta integração se torna uma escolha, e não um padrão.

Para desenvolvedores, a leitura acionável é mais estreita. Se você está criando uma interface de voz com muitas interrupções — entrada, agendamento, despacho, qualquer coisa em que o usuário fala mais do que o agente — um modelo full-duplex agora é o padrão sensato, e a cobrança por minuto é o preço disso. Se você está criando narração, leitura em voz alta ou qualquer coisa que produza áudio a partir de texto sob demanda, este modelo tem preço e formato para o trabalho errado, e a comparação com TTS é um artigo totalmente diferente.