
GPT-Live-1.1 เปิดให้ใช้งานผ่าน API แล้ว: การสแตนด์บายตอนนี้มีค่าใช้จ่าย $0.02
- Orcaใหม่OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 ต่อ 1 ล้านโทเค็น · 186 tok/s
- tencentใหม่Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 ต่อ 1 ล้านโทเค็น · 358 tok/s
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 87 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 139 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 ต่อ 1 ล้านโทเค็น · 80 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 117 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447ความฉลาด
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 ต่อ 1 ล้านโทเค็น · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
ห้าสัปดาห์หลังจากที่ GPT-Live-1.1 เข้ามาแทนรุ่นก่อนหน้าภายใน ChatGPT Voice ก็สามารถเรียกใช้งานได้แล้ว โมเดลนี้เปิดให้ใช้งานบน OpenAI API เมื่อวันที่ 19 พฤศจิกายน 2026 ภายใต้ ID gpt-live-1.1 โดยเข้าถึงได้เฉพาะผ่าน v1/live/sessions บันทึกการเปลี่ยนแปลงมีความยาวสามประโยค และกล่าวถึงการออกเสียง ความสม่ำเสมอของสำเนียง และการถอดเสียง ข่าวจริงอยู่ที่หน้าค่าบริการ: นอกจากราคาที่คุ้นเคยที่ $0.05 ต่อนาทีเสียงที่ใช้งานอยู่ ตอนนี้ยังมีบรรทัดที่สองคือ $0.02 ต่อนาที สำหรับเซสชันที่เชื่อมต่ออยู่แต่ไม่ได้กำลังคิด ความเงียบ ซึ่งเคยมีค่าใช้จ่ายเท่ากับการพูด ตอนนี้ถูกลง 60%
บรรทัดที่สองนั่นคือส่วนที่ควรค่าแก่การทำความเข้าใจ เพราะมันเปลี่ยนรูปร่างของโมเดลต้นทุน ไม่ใช่ขนาดของตัวเลขตัวใดตัวหนึ่ง นี่คือบันทึกประจำรุ่นเกี่ยวกับการสลับโมเดลที่พ่วงมากับการเปลี่ยนแปลงการเรียกเก็บเงิน และการเปลี่ยนแปลงการเรียกเก็บเงินคือสิ่งที่จะปรากฏในใบแจ้งหนี้ของคุณ
มีอะไรเปิดตัวเมื่อวันที่ 19 พฤศจิกายน
หน้าเพจของโมเดลอธิบาย GPT-Live-1.1 ว่าเป็นโมเดลเสียงแบบ full-duplex สำหรับการสนทนาหลายภาษา และข้อความด้านความสามารถเดียวที่แนบมากับการอัปเวอร์ชันเป็นการเปรียบเทียบและไม่ได้ระบุปริมาณ: เมื่อเทียบกับ GPT-Live-1 มัน "ถอดเสียงได้แม่นยำขึ้นและรักษาสำเนียงและเสียงให้สม่ำเสมอมากขึ้นในภาษาต่างๆ" ไม่มีตาราง benchmark ไม่มีอัตราความผิดพลาดระดับคำ และไม่มีรายการว่าภาษาใดดีขึ้นเท่าใด เรื่องนี้ควรพูดให้ตรงไปตรงมา เพราะหมายเลขเวอร์ชันชวนให้สันนิษฐานว่ามีการปรับปรุงที่วัดได้ และ OpenAI เผยแพร่คำกล่าวอ้างมากกว่าผลการวัด
ในเชิงโครงสร้างไม่มีสิ่งอื่นเปลี่ยนแปลง รูปแบบอินพุตและเอาต์พุตคือเสียงและข้อความ รายการฟีเจอร์ที่รองรับคือสตรีมมิ่งและการเรียกฟังก์ชัน รูปภาพและวิดีโอไม่ใช่ข้อมูลนำเข้า Chat Completions, Responses, Realtime, การถอดเสียง, การแปล, การสร้างเสียงพูด, แบตช์, การปรับแต่งละเอียด, embeddings และการกลั่นกรอง ถูกระบุว่าไม่รองรับทั้งหมด โดยเอนด์พอยต์ Live sessions เป็นช่องทางเดียวที่เข้าได้ ซึ่งเป็นรูปแบบเดียวกับที่ GPT-Live-1 ใช้มาตั้งแต่เปิดให้ใช้ทั่วไปเมื่อวันที่ 10 กันยายน 2026
สิ่งที่สะสมเพิ่มขึ้นรอบโมเดลคือคลังเสียง เอกสารประกอบของ Live ตอนนี้ระบุรายชื่อเสียงที่มีชื่อ 21 เสียง ครอบคลุมภาษาอังกฤษในสำเนียงออสเตรเลีย บริติช ไอริช อเมริกาเหนือ ฟิลิปปินส์ และภาคใต้ของสหรัฐฯ พร้อมด้วยภาษาโปรตุเกสแบบบราซิล เยอรมัน ฝรั่งเศส ฮินดี ญี่ปุ่น และเกาหลี เก้าเสียงในนั้น — Nuri, Juni, Flitz, Brise, Sillage, Nira, Harema, Shida และ Noeul — ถูกเพิ่มเมื่อวันที่ 16 ตุลาคม 2026 พร้อมกับการที่ prompt-to-voice เปิดให้ใช้งานทั่วไปแก่ลูกค้า API ทุกราย เสียงที่สร้างจากพรอมต์สามารถสร้างได้ฟรี และจะคิดค่าบริการในอัตราเซสชันปกติเมื่อใช้งาน โดยใช้ได้กับ GPT-Live แต่ใช้ไม่ได้กับเอนด์พอยต์ text-to-speech แบบสแตนด์อโลน
Standby คือความเปลี่ยนแปลงที่แท้จริง

เซสชันเสียงที่เปิดค้างไว้ในขณะที่ไม่มีใครพูด ถือเป็นสภาวะปกติของเอเจนต์ทางโทรศัพท์ ผู้ช่วยในรถ หรือสายสนับสนุนที่มีลูกค้าอยู่ระหว่างรอสาย ก่อนสัปดาห์นี้ คุณต้องจ่ายในอัตราการใช้งานสำหรับช่วงเงียบนั้น ตอนนี้คุณสามารถกำหนดค่าเซสชันให้หยุดการอนุมานหลังจากไม่มีเสียงพูดเป็นระยะเวลาที่กำหนด และกลับมาทำงานต่อเมื่อมีคนพูด โดยเวลาที่หยุดชั่วคราวจะคิดค่าบริการนาทีละ $0.02
การตั้งค่านั้นเล็กและเฉพาะเจาะจง:

• นโยบายการปลุก — ตั้งค่า session.wake_policy.type เป็น speech เพื่อให้เซสชันรอเสียงพูดก่อนที่จะเริ่มการอนุมาน แทนที่จะเริ่มเมื่อเชื่อมต่อ
• หมดเวลาเมื่อไม่ใช้งาน — ตั้งค่า session.idle_timeout_s เป็นจำนวนเต็มระหว่าง 5 ถึง 60 ซึ่งหมายถึงจำนวนวินาทีที่ผ่านไปโดยไม่มีข้อความถอดเสียงอินพุตหรือเอาต์พุต ก่อนที่เซสชันจะกลับสู่โหมดสแตนด์บาย หากไม่ระบุค่านี้ ระบบจะยังคงทำงานในโหมด inference หลังการปลุกครั้งแรกจนกว่าเซสชันจะสิ้นสุด ซึ่งเป็นพฤติกรรมแบบเดิมภายใต้ชื่อใหม่
• ความไว — session.wake_policy.vad_threshold รับค่าตัวเลขตั้งแต่ 0 ถึง 1 โดยมีค่าเริ่มต้นที่ 0.5 ค่าที่สูงขึ้นจะต้องมีหลักฐานว่าเป็นเสียงพูดที่ชัดเจนขึ้นก่อนที่เซสชันจะตื่น ซึ่งเป็นตัวปรับที่คุณใช้เมื่อห้องที่มีเสียงรบกวนทำให้เซสชันตื่นบ่อยครั้ง
• เหตุการณ์ — session.pausedจะทำงานเมื่อหมดเวลาว่างแล้วหยุดการอนุมาน; session.resumedจะทำงานเมื่อการอนุมานพร้อมอีกครั้ง รวมถึงการตื่นขึ้นครั้งแรกด้วย
รายละเอียดด้านการปฏิบัติการสองอย่างสำคัญกว่ารายการพารามิเตอร์ แทร็กไมโครโฟนยังคงทำงานอยู่ขณะที่เซสชันอยู่ในโหมดสแตนด์บาย และการเชื่อมต่อกับ session ID ยังคงเดิม — เซสชันจะกลับมาทำงานต่อและกู้คืนประวัติการสนทนาในขณะที่ผู้ใช้พูด ดังนั้นคุณจึงไม่ได้ยืนยันตัวตนผู้โทรใหม่หรือสร้างบริบทใหม่ และสแตนด์บายเป็นฟีเจอร์ของ WebRTC: เอกสารอธิบายไว้สำหรับเซสชัน WebRTC และคำแนะนำสำหรับเซสชันที่ไม่ได้ใช้งานสำหรับทรานสปอร์ตอื่นคือให้ปิดเซสชันแล้วเริ่มเซสชันใหม่ หากคุณใช้ WebSockets หรือ SIP อัตราที่ถูกกว่าก็ไม่ใช่ปัจจัยที่คุณจะใช้ต่อรองได้
ค่าใช้จ่ายก็ไม่ใช่ศูนย์เช่นกัน เอกสารระบุไว้ชัดเจนว่าหลังจากอยู่ในโหมดสแตนด์บาย การตอบสนองครั้งแรกต่อคำพูดสั้น ๆ อาจใช้เวลานานขึ้น เพราะโมเดลกำลังเริ่มการอนุมานใหม่แทนที่จะทำต่อจากเดิม คุณกำลังแลกความหน่วงในเทิร์นแรกหลังช่วงเงียบ กับส่วนลด 60% ของช่วงเงียบนั้นเอง
ราคาที่ต้องจ่ายสำหรับความเงียบหนึ่งนาที
อัตราทั้งสองคิดค่าบริการเป็นรายวินาที การคำนวณจึงต่อเนื่องแทนที่จะปัดเศษเป็นรายนาที ตัวอย่างที่ OpenAI คำนวณไว้เองเป็นการโทรที่ใช้เวลา 60 วินาทีในสถานะใช้งานและ 30 วินาทีในสถานะสแตนด์บาย: หนึ่งนาทีที่ $0.05 บวกครึ่งนาทีที่ $0.02 รวมเป็น $0.06 สำหรับเวลาที่เชื่อมต่อ 90 วินาที หากทั้ง 90 วินาทีอยู่ในสถานะใช้งาน การโทรเดียวกันจะมีค่าใช้จ่าย $0.075
ขยายภาพนั้นให้เป็นสิ่งที่ดูเหมือนการติดตั้งใช้งานจริง กะการทำงานที่เชื่อมต่อกันแปดชั่วโมงซึ่งมีเวลาสแตนด์บาย 30% จะมีเวลาทำงานจริง 5.6 ชั่วโมงในอัตรา $3.00 และเวลาสแตนด์บาย 2.4 ชั่วโมงในอัตรา $1.20 — คิดเป็น $19.68 เทียบกับ $24.00 ประหยัดได้ $4.32 ต่อกะ หรือประมาณ 18% หากเพิ่มเวลาสแตนด์บายเป็นครึ่งหนึ่งของกะ วันเดียวกันจะมีค่าใช้จ่าย $16.80 ลดลง 30% ตัวเลขเหล่านี้เป็นเฉพาะสายเสียงเท่านั้น การใช้งานโมเดลฝั่งแบ็กเอนด์และเครื่องมือจะคิดค่าบริการแยกต่างหาก และในการติดตั้งใช้งานจริง มักเป็นตัวเลขที่สูงกว่า

ยังมีค่าใช้จ่ายอีกรายการหนึ่งที่ยังคงอยู่หลังการปรับให้เหมาะสมแล้ว: การสร้างเซสชัน WebRTC ด้วย POST /v1/live/sessions จะถูกเรียกเก็บเป็นระยะเวลาเสียง 15 วินาทีในระหว่างที่เซสชันกำลังเริ่มต้นทำงาน จำนวนดังกล่าวจะถูกนำไปหักลบกับค่าใช้จ่ายตามระยะเวลาเมื่อเซสชันเริ่มทำงานจริง ดังนั้นจึงไม่ใช่ค่าธรรมเนียมเพิ่มเติมสำหรับเซสชันที่ทำงานได้จริง — แต่ก็เป็นต้นทุนจริงสำหรับแอปพลิเคชันที่เปิดเซสชันล่วงหน้าแบบคาดเดา และทำให้การ "ปิดเซสชันแล้วเปิดใหม่" ไม่ได้ฟรีอย่างที่ฟังดู สำหรับการโต้ตอบระยะสั้น
แบ็กเอนด์เป็นบิลแยกต่างหาก
GPT-Live เป็นระบบสองส่วน และการอัปเวอร์ชันไม่ได้เปลี่ยนสิ่งนี้ โมเดลเสียงจัดการบทสนทนาที่พูดออกมา ส่วนการให้เหตุผลและการใช้เครื่องมือจะถูกมอบหมายผ่านขอบเขตแบบอะซิงโครนัสไปยังโมเดลแบ็กเอนด์หรือเอเจนต์ที่คุณกำหนดค่าไว้ ด้วยการมอบหมายผ่าน Responses GPT-Live จะเรียกโมเดล Responses ที่คุณระบุและส่งผลลัพธ์กลับเข้าสู่บทสนทนาแบบเรียลไทม์ ด้วยการมอบหมายฝั่งไคลเอนต์ แอปพลิเคชันของคุณจะเตรียมบริบท เรียกใช้เวิร์กโฟลว์ และส่งผลลัพธ์กลับ ซึ่งเป็นโหมดที่ควรเลือกเมื่อคุณต้องการการกำหนดเส้นทางแบบกำหนดเองระหว่างโมเดล กลไกสำรอง หรืองบประมาณในแต่ละขั้นตอนแบ็กเอนด์
เอกสารของ OpenAI แนะนำให้เริ่มต้นด้วย gpt-6-luna และเปลี่ยนไปใช้ gpt-6-sol สำหรับงานแบ็กเอนด์ที่ซับซ้อนขึ้น โดยทั้งสองใช้มาตรวัดโทเค็นมาตรฐาน: $0.10 และ $0.50 ต่อล้านโทเค็นสำหรับ Luna, $2.00 และ $10.00 สำหรับ Sol สำหรับอินพุตและเอาต์พุตตามลำดับ ในการโทรระยะยาว ค่าใช้จ่ายฝั่งแบ็กเอนด์อาจสูงกว่าค่าสายเสียงทั้งหมด ซึ่งเป็นเหตุผลว่าส่วนลดสแตนด์บายควรถูกมองว่าเป็นการแก้ไขบิลเพียงบรรทัดเดียวมากกว่าจะแก้ไขทั้งบิล
นี่ก็เป็นอีกจุดที่เราเตอร์พิสูจน์คุณค่าของตัวเอง OrcaRouter ไม่ได้ให้บริการ GPT-Live-1.1 — เอนด์พอยต์ Live sessions เป็นของ OpenAI เอง และแคตตาล็อกก็ไม่ได้มีโมเดลเสียงแบบฟูลดูเพล็กซ์ สิ่งที่มันให้บริการคือครึ่งหนึ่งของระบบที่ทำหน้าที่คิด: gpt-6-luna, gpt-6-solและสมาชิกอื่น ๆ ในตระกูล GPT-6 อยู่เบื้องหลังคีย์เดียวในราคาตามรายการของผู้ให้บริการโดยไม่บวกเพิ่ม ดังนั้นฝั่งโทเค็นของการติดตั้งใช้งาน Live จึงสามารถกำหนดเส้นทาง สลับไปยังระบบสำรองเมื่อเกิดข้อขัดข้อง และคิดราคาได้แบบเดียวกับที่มันจะเป็นที่อื่น หากคุณกำลังประเมินว่าดีแบ็กเอนด์ใดทำให้หนึ่งนาทีเสียงราคา $0.05 คุ้มค่าที่จะจ่าย การเปรียบเทียบนั้นก็ทำได้ในราคาถูกผ่านเอนด์พอยต์เดียว
คำถามที่เปิดอยู่
ยังไม่มีใครนอก OpenAI เผยแพร่การวัดค่า GPT-Live-1.1 เลย ดัชนี speech-to-speech ของ Artificial Analysis ซึ่งอ่านเมื่อวันที่ 20 พฤศจิกายน 2026 มี GPT-Live-1 อยู่สองรายการ — 83.2 บนดัชนีด้วยแบ็กเอนด์ระดับ Astra ที่ความพยายามในการให้เหตุผลระดับกลาง และ 80.1 ด้วยแบ็กเอนด์ระดับ Sol ที่ระดับต่ำ — และไม่มี 1.1 อยู่เลย นั่นไม่ใช่คำวิจารณ์การเปิดตัว โมเดลนี้เพิ่งมีอายุหนึ่งวันบน API และการประเมินโดยอิสระต้องใช้เวลานานกว่านั้น มันเป็นเหตุผลที่ควรถือว่าคำกล่าวอ้างเรื่องสำเนียงและการถอดเสียงเป็นข้อมูลที่ผู้ขายรายงานเอง จนกว่าจะพิสูจน์ได้ว่าไม่ใช่ และเป็นเหตุผลที่ควรทดสอบสิ่งที่คุณกำลังซื้อโดยเฉพาะ: ถ้าผลิตภัณฑ์ของคุณใช้งานภาษาสเปนและญี่ปุ่น การปรับปรุงความสม่ำเสมอของสำเนียงจะได้ยินในไฟล์บันทึกเสียงของคุณ หรือไม่ได้ยิน และยังไม่มีบุคคลภายนอกคนใดบอกคุณได้
สาระสำคัญที่ใช้ได้จริงสำหรับสัปดาห์นี้มีขอบเขตแคบ หากคุณใช้งาน GPT-Live-1 อยู่แล้ว การอัปเกรดคือการเปลี่ยน model ID โดยราคาไม่เปลี่ยนและ API ไม่เปลี่ยน และอัตราค่าใช้จ่ายแบบสแตนด์บายมีให้ใช้กับทั้งสองโมเดล — รายการใน changelog ครอบคลุมเซสชัน WebRTC ของ GPT-Live-1 และ GPT-Live-1.1 ไว้ด้วยกัน ตั้ง idle timeout ก่อนตั้งค่าอย่างอื่น เพราะเป็นรายการเดียวในรีลีสนี้ที่เปลี่ยนสิ่งที่คุณจ่าย
การเปรียบเทียบในบทความนี้1
ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
