GPT-Live-1 теперь умеет совершать исходящие вызовы: что на самом деле открывает SIP GA и чего он по-прежнему не умеет

Самое полезное новое, что может сделать голосовой агент OpenAI, — нажать 1. С позднего вечера 4 ноября 2026 года сеанс GPT-Live-1 может совершать исходящий звонок на реальный телефонный номер через SIP-транк, слушать меню, которое отвечает, и отправлять тональные сигналы клавиатуры обратно по линии. Последняя часть — двусторонний DTMF — это разница между голосовым агентом, который говорит, и голосовым агентом, который может пройти через телефонное дерево до отдела, который ему действительно нужен.

Сама модель не нова. GPT-Live-1 доступна в ChatGPT Voice с 8 июля 2026 года и в API с 10 сентября 2026 года по цене 0,05 доллара в минуту. 4 ноября изменился транспорт. Джастин Уберти из OpenAI объявил, что API исходящей телефонии был «только что переведён … в статус GA», что «позволяет разработчикам совершать телефонные звонки из своего голосового агента Live» через «любого провайдера SIP-транкинга (например, Telnyx или Twilio)»; Грег Брокман подхватил это в ту же ночь. В объявлении также говорится, что звонки могут использовать HD Voice и могут отправлять и принимать события клавиатуры.

Итак, это история о возможностях, а не о модели, и самое интересное — в документации, а не в посте. В руководстве OpenAI по Telephony and SIP теперь сказано, что исходящие вызовы «доступны всем организациям через Live API, а не через эндпоинт создания вызовов Realtime API» — две фразы, которые тихо отсекают большую часть интеграций, которые люди попытаются переиспользовать.

Что «GA» изменило, а что — нет

До повышения статуса исходящие звонки существовали, но не были общедоступны — именно это и означает «promoted». Механизм уже был построен, и дверь открылась. В документации OpenAI теперь есть соответствующее предложение: исходящие SIP-звонки «доступны всем организациям через Live API»; это самое близкое к заявлению о GA, что есть на странице, — на самом руководстве нигде нет меток beta, preview или alpha.

Неизменной осталась голосовая модель. В примере исходящего вызова в собственной документации OpenAI по-прежнему указано model: "gpt-live-1", а партнёрский чек-лист по-прежнему требует, чтобы интеграторы искали «версию пакета, которая поддерживает gpt-live-1». Специальной модели для исходящих вызовов нет, отдельной цены нет, и тарифа для телефонии тоже нет. Вы платите те же $0.05 в минуту за голосовой слой, что и в сентябре; просто теперь вам разрешено тратить эти деньги на звонки, которые уходят с вашего сервера.

Одна операционная оговорка скрыта в руководстве, а не в анонсе: OpenAI просит убедиться, что «поддержка GPT-Live SIP включена для вашего проекта и SIP-транк вашего провайдера маршрутизирован в этот проект, прежде чем использовать этот сценарий». Метка GA и включённая настройка проекта — не одно и то же, и первым обращением в поддержку на этой неделе станет кто-то, у кого есть одно, но нет другого.

Предварительные условия, которые определяют, будет ли ваш транк работать вообще

OpenAI не внедрила SIP в общем смысле. Она внедрила лишь узкий современный срез SIP, и транк, который не соответствует хотя бы одному из перечисленных ниже требований, не подключится — что бы ни обещало объявление о «любом провайдере SIP-транков».

• Сигнализация — TLS обязателен, а не опционален. Обычный SIP по UDP или TCP не подходит.

• Медиа — SDES-SRTP обязателен, и SRTP должен быть включён у провайдера, а не просто поддерживаться им.

• URL-адрес провайдера — sips: — ожидается конечная точка с портом по умолчанию 5061, без учетных данных, без пути и без параметров URI.

• Назначение — номер в формате E.164, например +14155550123, и ничего кроме него. SIP URI явно не поддерживаются, поэтому схема внутренних добавочных номеров не является обходным путём.

• Аутентификация — digest, с именем пользователя и паролем SIP, а также caller_number в формате E.164, который ваш вызываемый абонент увидит как идентификатор вызывающего.

• Сетевая гигиена — локальные имена хостов и IP-адреса из частных диапазонов, заданные буквально, отклоняются, что исключает испытательный стенд, нацеленный на лабораторную машину.

• Аудиоформат — оставьте audio.format неустановленным, потому что его согласует SIP. Установка этого параметра — как раз тот с виду полезный параметр, который ломает вызов.

Обратите внимание, что это означает для утверждения «любой провайдер». Подойдёт любой провайдер, который поддерживает TLS-сигнализацию с медиа SDES-SRTP; многие дешёвые SIP-транки по-прежнему по умолчанию используют UDP и обычный RTP, и на них это утверждение не распространяется. Подключение — это создание сессии, а не вебхук: вы отправляете POST на /v1/live/sessions с transport.type, установленным в sip, и в руководстве прямо сказано, что «для исходящего вызова вам не нужен вебхук входящего вызова или запрос на принятие».

В ответ вы получаете session.id и тип транспорта, а документация на удивление прямо говорит о разрыве между этим и реальностью: «Этот ответ не означает, что на вызов ответили». Сигнал вызова, ответ и сбой приходят позже в виде событий transport.ringing, transport.answered и transport.failed через sideband WebSocket по адресу /v1/live/sessions/{session_id}/attach. Подключайтесь немедленно — воспроизводятся только события за предыдущие три секунды — и устраняйте дубликаты по event_id, поскольку руководство предупреждает, что повторные доставки — это норма.

Конверт: три минуты на звонок, два часа на разговор

Две конкретные цифры в руководстве решат, какие сценарии исходящего использования жизнеспособны, и ни одна из них не упоминалась в объявлении.

• Лимит дозвона — три минуты. Звонок, на который за это время не ответили, завершается.

• Ограничение подключения — два часа, после чего сеанс завершается независимо от того, что происходит.

• Панель управления — перевод через /v1/live/sessions/{id}/refer, завершение вызова через /v1/live/sessions/{id}/hangup, DTMF отправляется по боковому каналу с помощью transport.dtmf.send.

• Режимы отказа — некорректная конфигурация сеанса явно завершается ошибкой при создании, настройка транспорта может вернуть 502, тайм-аут инициализации возвращает 504, а всё последующее асинхронно приходит как transport.failed.

Трёхминутный дозвон подходит для исходящих звонков частным клиентам и неудобен для корпоративных коммутаторов, которые паркуют вызовы. Двухчасовой потолок кажется щедрым, пока не направишь агента в очередь поддержки, где долгое удержание плюс долгий разговор вполне могут приблизиться к нему. Ни один из этих лимитов не удивляет в продукте для голосовой связи в реальном времени; оба — из тех вещей, которые хочется знать, прежде чем обещать клиенту SLA кампании.

Сколько на самом деле стоит звонок

Страница тарифов OpenAI указывает стоимость голосовых сессий GPT-Live-1 в размере $0,05 за минуту, «с посекундной оплатой, без округления до полной минуты». Это вся опубликованная цена, и она представляет собой лишь один из двух счетов, которые порождает исходящий звонок. Второй — плата за завершение вызова на стороне оператора, и она зависит от направления, объёма и выбранного поставщика транка. OpenAI сохраняет за собой обработку аудио и логику сессии; поставщику принадлежит участок PSTN.

• Минутный принятый звонок — $0.050 от OpenAI, плюс поминутный тариф вашего оператора связи.

• Четырёхминутный звонок — $0.200 от OpenAI плюс расходы оператора связи.

Тысяча четырёхминутных звонков — это 4 000 минут, то есть 200 долларов от OpenAI, плюс оператор связи.

• Час непрерывного разговора — $3.00 от OpenAI, плюс оплата оператора связи.

В этом счётчике есть две вещи, требующие внимания. Во-первых, единица тарификации — минута сессии, и ничто на странице тарифов не отличает речь от тишины, поэтому секунды, которые ваш агент проводит, слушая музыку на удержании, начисляются по той же ставке, что и секунды, которые он говорит. Во-вторых, в руководстве не сказано, считается ли звонок, который звонит три минуты и остаётся без ответа, оплачиваемой сессией; этот вопрос стоит задать службе поддержки до того, как вы запустите автодозвон в больших объёмах, а не после.

Использование бэкенд-модели и инструментов оплачивается отдельно — по тарифу той модели, которой вы делегировали задачу. Если этот участок вы направляете через OrcaRouter, 0% наценки и сквозные цены действуют там, а не на голосовую минуту, — поэтому снижение цены провайдером на модель рассуждений отражается в вашем счёте в тот же день, а снижение цены на gpt-live-1 — нет.

Ваша интеграция Realtime не будет перенесена.

Самая дорогостоящая ошибка, которую можно совершить на этой неделе, — это предположить, что работающий стек телефонии Realtime API является работающим стеком GPT-Live. Страница партнёров OpenAI прямо говорит об этом: «Интеграция Realtime не является автоматически совместимой с GPT-Live». Конечная точка другая, модель сеанса другая, делегирование — это концепция, которой Realtime не обладает в том же виде, а аудиоформаты и семантика прерываний, которые руководство просит проверять для каждого партнёра, не переносятся.

Список партнёров также усложняет формулировку анонса. OpenAI документирует LiveKit для голосовых агентов; Twilio Agent Connect — для «входящих и исходящих телефонных звонков»; Telnyx — для «сценариев исходящих вызовов»; Bandwidth — для «входящих вызовов» через SIP; а Daily/Pipecat — для сервиса Live в целом. Иными словами, Bandwidth документируется как входящая интеграция, а LiveKit и Pipecat документируются вообще без указания направления вызовов. «Любой провайдер SIP-транков» — это утверждение о совместимости протоколов, а не о том, какой из пяти партнёров OpenAI уже поддерживает исходящие вызовы.

Если вы используете Twilio, то миграция — это вариант, для которого на сегодня есть задокументированный путь для исходящих. Если вы используете Bandwidth для входящих, то исходящие через эту интеграцию — это то, что документация пока не обещает.

Вопрос о версии, который никто не задавал

В названии сохраняется актуальная неоднозначность. GPT-Live-1.1 вошёл в ChatGPT Voice 15 октября 2026 года с новыми голосами на шести языках, а OpenAI до сих пор не опубликовала gpt-live-1.1 как идентификатор модели для клиентов API. В каждом примере исходящего вызова в руководстве по телефонии используется gpt-live-1. Если коллега говорит, что агент исходящих вызовов работает на версии 1.1, потому что именно это использует ChatGPT, он описывает потребительский продукт, а не конфигурацию вашей сессии.

На практике: укажите gpt-live-1 в вашем плане, а любое появление API 1.1 считайте отдельным событием, которое нужно проверить в свой собственный день.

Где происходит мышление — и почему это рычаг, которым управляете вы

GPT-Live разделён ровно пополам. Согласно собственной сводке документации, он «делегирует рассуждения и использование инструментов бэкенду, а сам управляет голосовым разговором». Голосовой слой отвечает за тайминг, перебивания и просодию; отдельная модель выполняет мыслительную работу и вызывает инструменты. Этот бэкенд настраивается для каждой сессии в разделе «Делегирование» — в одном из двух режимов.

• Делегирование Responses — delegation.type: "responses" с обязательной серверной моделью, а также инструкциями, инструментами, выбором инструментов, лимитами токенов и уровнем обслуживания. Руководство OpenAI рекомендует начинать с gpt-6-luna или gpt-6-sol для более сложных задач и отмечает, что «можно выбрать модель Responses независимо от голосовой модели».

• Делегирование клиенту — delegation.type: "client", при котором ваше приложение само запускает бэкенд. Формулировка OpenAI такова, что это разрешает «любую модель, агента или сервис, которые использует ваше приложение».

Именно здесь на самом деле живут стоимость и качество исходящего агента, и это единственный архитектурный выбор на странице, который действительно ваш. Голосовая модель фиксирована и, как выясняется, отсутствует в каталоге OrcaRouter — GPT-Live-1 это телефонный фронтенд, который вы покупаете у OpenAI, и никакая хитрость маршрутизации этого не изменит. С бэкендом дело обстоит иначе. При клиентском делегировании это обычный вызов модели, который делает ваш код, а значит один API для более чем 200 моделей, единый ключ для всех вендоров, которых вы оцениваете, автоматическое переключение при сбое, если провайдер деградирует посреди кампании, и выбор модели под тип вызова: дешёвая модель для прохождения меню IVR, более сильная — когда отвечает человек.

При делегировании Responses OpenAI выполняет этот этап и выставляет счёт по собственным тарифам. Оба варианта допустимы; они просто переносят принятие решения в разные места. Если вы хотите, чтобы решение о маршрутизации принимал бэкенд, клиентское делегирование — это режим, который даёт вам такую возможность.

О чём умолчало объявление

Для анонса GA публикация обходит стороной как раз то, что определяет развёртывание. В ней ничего не сказано о региональной доступности, задержке, ограничениях на параллельные вызовы или SLA. Ничего не сказано об обязательствах по записи, раскрытию информации или согласию — а исходящие вызовы — это единственное место в этом продукте, где такие обязательства не являются теоретическими. В США автоматические звонки потребителям без согласия — это проблема по TCPA раньше, чем инженерная задача; в ЕС запись звонка без предупреждения человека на другом конце — это отдельная проблема. API даёт вам caller_number и конечную точку завершения вызова. Соответствие требованиям — на вас.

«HD Voice» тоже стоит воспринимать как заявление, а не как спецификацию. В документации OpenAI говорится лишь о том, что SIP согласует аудиоформат, и не перечисляются никакие кодеки, поэтому широкополосное аудио в посте — это заявление вендора, которое нигде публично не было количественно подтверждено. Проверьте это на своём операторе связи, прежде чем включать в презентацию.

Что с этим делать на этой неделе?

Если вы уже запускаете голосового агента GPT-Live на WebRTC, исходящий путь — это второй транспорт, а не переписывание: новая сессия, созданная с transport.type: "sip", транк с поддержкой TLS и SDES-SRTP и боковой WebSocket для отслеживания сигналов вызова, ответа и DTMF. Заложите день на транк, а не на агента.

Если вы используете Realtime, не планируйте миграцию исходя из предположения, что это изменение конфигурации. Сначала прочитайте разделы о делегировании и сеансах, решите, должен ли ваш бэкенд быть OpenAI или вашим собственным, и только затем выбирайте партнёра — потому что партнёр, которого вы уже используете для входящего трафика, может не быть тем, у кого есть документированный путь для исходящего.

Если вы всё ещё решаете, стоит ли вообще строить исходящий голосовой канал, важна цифра $3.00 за час соединения до сборов оператора — при жёстком лимите в два часа и трёхминутном гудке. Это достаточно дёшево для теста и достаточно дорого, чтобы время удержания было осознанным проектным решением, а не случайностью. GA убрал ограничение. Но не убрал арифметику.