GPT-Live-1.1 vs GPT-Live-1: Versionshöjningen ändrade vem som får vilken modell

Inget i appen berättade för någon att röstmodellen hade ändrats. Det är själva poängen med en versionshöjning inom en familj: den är avsedd att vara osynlig. GPT-Live-1.1 ersatte GPT-Live-1 i ChatGPT Voice den 15 oktober 2026, och de enda offentliga dokument som förklarar bytet är systemkortet som publicerades samma dag och en anteckning i versionsinformationen i OpenAIs hjälpcenter. X-inlägget som tillkännagav bytet nämnde röster, accenter och mindre "kontrollerar…" – inget av detta säger vad ett versionsnummer inom en modellfamilj faktiskt är till för.

Här är vad det är till för, i det här fallet: bumpen är en omfördelning av vilken modell olika konton pratar med, plus en efterträdare till den lilla modellen, plus en uppsättning utvärderingsresultat som rörde sig i båda riktningarna. Om du använder produkten förändrades en av dem för dig den här veckan. Om du bygger på den gjorde ingen av dem det.

Strukturen med två modeller, och varför mini-nivån är viktigare än rubriken

GPT-Live har alltid varit ett par, inte en modell. GPT-Live-1 lanserades som flaggskeppet och GPT-Live-1 mini som den lättare syskonmodellen, och OpenAI:s egen hjälpdokumentation för konsumenter tilldelar dem efter prenumerationsnivå. GPT-Live-1.1 behåller exakt samma upplägg: GPT-Live-1.1 är efterträdaren till GPT-Live-1, och GPT-Live-1.1 Quip är efterträdaren till GPT-Live-1 mini.

Det som har ändrats är mappningen.

• Plus och högre — GPT-Live-1.1, inklusive i Codex och Dots.

• Kostnadsfria och lägre nivåer — GPT-Live-1.1 Quip.

• Alla andra, i praktiken – samma röstlista, samma väg via Inställningar → Röst, men inte samma modell under huven.

Konsekvensen förtjänar att sägas rakt ut, för det är det enskilt mest underrapporterade faktumet i den här lanseringen: två personer som jämför "GPT-Live-1.1" samma vecka kanske inte jämför samma modell. Systemkortet utvärderar GPT-Live-1.1 och GPT-Live-1.1 Quip som separata system genomgående, rapporterar separata resultat för vart och ett mot GPT-Live-1 respektive GPT-Live-1 mini, och presenterar aldrig en sammanslagen siffra. Det är rätt sätt att göra det, och det innebär att varje påstående av formen "GPT-Live-1.1 gör X" behöver en nivå kopplad till sig för att vara meningsfullt.

Uppdelningen är inte heller ny. Fem veckor tidigare, den 9 september 2026, omstrukturerade OpenAI GPT-Live-användningsgränserna per plan – tre timmar på GPT-Live-1 mini för Go, tre timmar på GPT-Live-1 för Plus, femton för Pro-nivån för 100 USD, obegränsat för den för 200 USD – och avskaffade de separata intelligensnivåerna Instant/Medium/High Voice till förmån för att välja en backend-modell och reasoning effort direkt. Versionshöjningen ärver den ordningen i stället för att skapa den; det som ändrades den 15 oktober är vilken modell som sitter på varje nivå.

Det finns ett andra strukturellt faktum som kortet upprepar, och som förklarar varför säkerhetsarbetet ser ut som det gör. GPT-Live är ett system med två modeller på arkitekturnivå: röstmodellen hanterar samtalet och delegerar svåra frågor till en textmodell. Kortets författare hypotiserar att GPT-Live-modeller "skulle ärva sitt alignmentbeteende från sina 'tänkande' modeller" — att det är delegeringsmålet, inte röstskiktet, där det säkerhetsrelevanta resonemanget sker. Den hypotesen är bärande för allt nedströms, och det är därför kortet benchmarkar mot GPT-5.6 Terra, textmodellen som användes för dessa utvärderingar.

Vad utvärderingarna säger, i båda riktningarna

Huvudresultatet är betryggande och snävt. I röstnativa utvärderingar med produktionspromptar – den faktiska trafikfördelningen – presterar både GPT-Live-1.1 och GPT-Live-1.1 Quip ”i nivå med sina föregångare, utan statistiskt signifikanta försämringar”. För alla som oroar sig för att en versionshöjning i tysthet har försämrat det de använder varje dag, är det siffran som besvarar frågan.

De syntetiska promptutvärderingarna säger något annat, och kortet begraver det inte. Båda modellerna uppvisar statistiskt signifikanta regressioner jämfört med sina föregångare inom kategorierna sexuellt, psykisk hälsa, emotionellt beroende och gore. Det finns också en lätt regression i Respekterar varningar. När det gäller Blocker Deception presterar GPT-Live-1.1 något bättre och Quip något sämre. I ett scenario med ett trasigt sökverktyg presterar GPT-Live-1.1 något sämre och Quip något bättre.

Två tolkningar av det är möjliga, och kortet stöder den första. Första tolkningen: resultatet från produktionsprompten är det som gäller, syntetiska promptar utforskar hörn som vanlig rösttrafik inte når, och att de två utvärderingslägena inte stämmer överens är en känd artefakt av adversariell promptkonstruktion. Andra tolkningen: rörelseriktningen för adversariella prober är negativ för båda modellerna, och en versionshöjning är inte automatiskt säkerhetsneutral.

Båda är sanna. Anledningen till att det är värt att hålla båda i sikte är att den andra nästan aldrig överlever resan in i lanseringsbevakningen, och det är den som skulle spela roll om en framtida version rörde sig ännu längre i samma riktning.

När det gäller förmågegränser är kortet ovanligt konkret, och anledningen är arkitektonisk snarare än en fråga om återhållsamhet. Ingen av modellerna, när de verkar utan delegering, skulle rimligen kunna anses vara High i någon av OpenAI:s Preparedness Framework Tracked Categories — eftersom dessa röstmodeller saknar bred tillgång till verktyg oberoende av de modeller de delegerar till, och inte har någon förmåga att köra kod. Säkerhetsargumentet och förmågetaket är samma faktum uttryckt två gånger, och det är det tydligaste exemplet i den här utgåvan på att GPT-Lives struktur gör det arbete som skyddsräcken annars skulle behöva göra.

Siffrorna som ännu inte finns, och den som ändrades

GPT-Live-1 har ett offentligt avtryck som GPT-Live-1.1 inte har.

• Det finns inget gpt-live-1.1 modell-ID på OpenAIs modellsida. Live-familjen listar fortfarande gpt-live-1 och gpt-live-transcribe endast.

• Det finns inget per-minut-pris. GPT-Live-1:s 0,05 USD per röstminut är det enda numret i familjen, och det tillhör den äldre modellen.

• Det finns ingen rad i Artificial Analysis Speech to Speech Index. GPT-Live-1 förekommer två gånger på resultattavlan hämtad den 16 oktober 2026 – 83,2 med Astra-backend vid medelhög resonemangsansträngning och 80,1 med Sol vid låg ansträngning – och efterträdaren förekommer ingenstans.

Den sista avsaknaden är den man ska vara försiktig med. Det är frestande att läsa GPT-Live-1.1:s kvalitet som GPT-Live-1:s 83,2, och de två modellerna tillhör samma familj med samma arkitektur och ett angivet paritetsresultat för produktionsprompter. Det är fortfarande inte en mätning av GPT-Live-1.1. Vad kortet faktiskt ger stöd för är påståendet att efterträdaren inte försämrades på produktionsprompter, vilket är ett annat och svagare påstående än en poäng.

Varför en versionsbump är ett routningsproblem

Ta ett steg tillbaka från modelljämförelsen, och det intressanta med den här lanseringen är att det är en driftsättningshändelse som bär en modells namn. OpenAI skrev om vilken nivå som får vilken modell, introducerade en efterträdare för den lilla nivån och lämnade gränssnittet identiskt. Allt som förändrades är en tilldelning.

Det är precis den sorts problem som en router finns till för att lösa, och det är värt att vara precis med var gränsen går. Konsumentbytet är det OpenAI som gör, och du har inget att säga till om i det. Det delegerade resonemangslagret är en annan sak: kortet anger GPT-5.6 Terra som den backend som används för dess utvärderingar, och API-dokumentationen behandlar röstgränssnittet och resonemangsbackenden som separata – de konfigureras och mätas var för sig. Det är lagret där en versionsändring enligt någon annans tidsplan inte behöver bli en ändring enligt din.

OrcaRouter har fler än 200 modeller bakom en enda nyckel till leverantörens listpris utan påslag, så att en prisändring uppströms slår igenom hos oss samma dag i stället för vid nästa förnyelse. Mönstret som den här utgåvan argumenterar för är ett pinnat delegeringsmål med en explicit fallback: routing-DSL låter dig namnge den backend som en session lämnar över arbete till, byta ut den i livetrafik utan att röra röstintegrationen, och hålla ett samtal vid liv när en leverantör felar. För att vara korrekta om vad vi är och inte är: vi hostar inte GPT-Live-1.1, GPT-Live-1.1 Quip eller GPT-Live-1 — dessa röständpunkter kommer från OpenAIs eget API, och 1.1-versionerna finns inte i något API alls. De textmodeller som dessa system delegerar till finns i allmänhet på routern.

Det finns en andra anledning till att delegationslagret är där en versionshöjning bör absorberas. Systemkortets eget säkerhetsargument beror på backend: GPT-Live ärver sitt alignmentbeteende från modellen som det lämnar över arbete till. Om det är mekanismen, så är backend inte en implementationsdetalj — det är den del av systemet som avgör vad hela systemet gör när en fråga blir svår. Att äga det valet är värt mer än att äga röstwrappern.

Vad ska man göra med detta

Om du är användare, kontrollera din nivå. Plus och högre har GPT-Live-1.1; under det har GPT-Live-1.1 Quip. Röstlistan är densamma oavsett, så nivån är det enda som talar om vilken modell som svarar, och den visas inte i appen.

Om du använder API:et förändrades inget den 15 oktober 2026. gpt-live-1 är fortfarande modell-ID:t, $0.05 per röstminut är fortfarande taxan, och dokumentationen är oförändrad. Bygg inte en budget kring ett modell-ID som ännu inte existerar.

Om du planerar inför API-släppet är de tre saker som är värda att hålla koll på modell-ID:t, priset och den första oberoende indexraden. Systemkortet har redan berättat för dig hur säkerhetsberättelsen ser ut och hur nivåstrukturen är uppbyggd; vad det inte har berättat för dig, och inte kan, är hur det låter för en anropare. Det är samma lucka som fanns med GPT-Live-1 i juli 2026 och som stängdes först när ett externt labb körde utvärderingen.

Och själva versionsnumret är värt att kalibrera förväntningarna mot. GPT-Live-1 gick från en konsumentfunktion till ett mätbaserat API på två månader, och efterträdaren är på samma väg med samma två dokument – ett kort och en versionsnotis – som står i stället för ett lanseringsinlägg. Det är så en mogen modellfamilj ser ut utifrån: nyheten slutar vara modellen och börjar vara uppdraget.

Ett resultat som detta är också en påminnelse om att modellmisstag redan är dokumenterade: AI-incidenterna och agentfelen bakom modeller i den här klassen samlas i OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och flagga för omtvistat.