Perplexity đưa GPT-Live-1 vào làm nền cho Chế độ Thoại: Thay đổi thực sự trên Mac và Web là gì

Chế độ giọng nói của Perplexity trên ứng dụng Mac và trên web hiện chạy trên GPT-Live-1, mô hình giọng nói song công hoàn toàn của OpenAI, và khả năng đi kèm với việc thay thế đó là phần đáng đọc lại lần hai: một phiên nói duy nhất có thể điều khiển nhiều phiên Perplexity Computer cùng lúc, khởi động các tác vụ mới ngay giữa câu, và tạo hoặc quản lý Dự án mà không cần chạm vào bàn phím. Thông báo được đưa ra từ tài khoản @AskPerplexity của Perplexity vào ngày 28 tháng 10 năm 2026 và áp dụng cho những người đăng ký trả phí Pro và Max trên cả hai nền tảng.

Đó là một sự kiện phân phối, không phải một buổi ra mắt mô hình. GPT-Live-1 đã được cung cấp rộng rãi kể từ khi OpenAI đưa nó lên API vào ngày 10 tháng 9 năm 2026, với giá 0,05 USD mỗi phút giọng nói, và nó đã có mặt trong ChatGPT Voice kể từ ngày 8 tháng 7. Điều đã thay đổi trong tuần này là ai đang thuê nó, và họ đang hướng nó vào việc gì.

Tại sao việc hoán đổi mô hình giọng nói lại xứng đáng thành tiêu đề

Giao diện giọng nói từng được lắp ghép bên trong mỗi công ty. Bạn mua dịch vụ phiên âm, gọi mô hình ngôn ngữ của riêng mình, và mua dịch vụ tổng hợp giọng nói, rồi dành phần khó nhất của quá trình xây dựng cho việc phát hiện lượt nói — quy tắc quyết định khi nào người dùng đã nói xong. Quy tắc đó chính là nơi phần lớn sản phẩm giọng nói thất bại: quá háo hức thì tác nhân nói chen ngang mọi người, quá chậm thì mọi cuộc gọi giống như một đường dây quốc tế tồi tệ.

GPT-Live-1 xóa bỏ đường nối đó. Đây là một mô hình duy nhất vừa lắng nghe vừa tạo nội dung, quyết định nhiều lần mỗi giây xem nên nói hay chờ, và chuyển các tác vụ suy luận nặng sang một mô hình văn bản chạy nền mà không làm gián đoạn âm thanh. Perplexity không cần phải tự xây dựng một chính sách ngắt lời để có thể điều khiển đa phiên; nó thừa hưởng sẵn một chính sách như vậy.

Hệ quả thực tế đối với những độc giả đang xây dựng sản phẩm giọng nói của riêng mình thì thẳng thừng: lớp xử lý lượt lời mà bạn định tự viết giờ đây là thứ bạn đi thuê. Việc đó có rẻ hơn hay không hoàn toàn phụ thuộc vào số phút mà agent của bạn dành để nghe thay vì nói — một câu hỏi đáng để tính toán trước khi bạn cam kết, vì đồng hồ tính tiền chạy trên toàn bộ phiên, kể cả khoảng lặng.

Phần Máy tính mới là thay đổi sản phẩm thực sự.

Việc hoán đổi mô hình là vô hình đối với người dùng. Việc điều khiển Computer đa phiên thì không. Cho đến bản cập nhật này, Perplexity Computer là một vòng lặp tác nhân duy nhất mà bạn giám sát trên màn hình. Lớp giọng nói mới cho phép bạn duy trì một cuộc trò chuyện trong khi nhiều phiên chạy nền, khởi chạy một phiên mới bằng cách nói ra, và quản lý các Projects theo tên. Điều đó gần với một điều phối viên hơn là một chatbot, và đây là giao diện giọng nói dành cho người dùng đầu tiên mà chúng tôi thấy coi các phiên tác nhân song song là mặc định thay vì ngoại lệ.

Ba chi tiết đang làm nên chuyện ở đây:

• Một phiên, nhiều worker — một lượt thoại có thể hướng tới nhiều phiên Computer mà không kết thúc phiên hiện tại.

• Tạo tác vụ bằng giọng nói — công việc mới có thể được đưa vào hàng đợi ngay trong lúc trò chuyện thay vì sau khi cuộc trò chuyện kết thúc.

• Quản lý dự án theo tên — Dự án trở thành những đối tượng mà bạn có thể tạo và đổi tên bằng lời nói, nghĩa là lớp thoại cần phân giải các tham chiếu, chứ không chỉ phiên âm.

Về lý thuyết, không điều nào trong số đó bắt buộc phải có một mô hình song công toàn phần. Tất cả những điều đó đều dễ dàng hơn nhiều khi có một mô hình như vậy, bởi vì tác nhân có thể xác nhận yêu cầu bằng một tiếng “mhmm” trong lúc công việc thực sự bắt đầu, thay vì im lặng suốt tám giây và hy vọng người dùng chờ đợi.

Perplexity đặt tên là v1. Kể từ đó, OpenAI đã phát hành v1.1

Chi tiết nổi bật trong thông báo là chuỗi phiên bản. Perplexity cho biết chế độ giọng nói của mình chạy trên GPT-Live-1. Trong ChatGPT Voice, OpenAI bắt đầu triển khai GPT-Live-1.1 vào ngày 15 tháng 10 năm 2026, hai tuần trước lần chuyển đổi này. Perplexity chưa cho biết liệu họ có đánh giá 1.1 hay không, liệu có chủ đích ghim vào v1 để đảm bảo ổn định hay không, hoặc liệu có lịch nâng cấp hay không.

Hãy hiểu điều đó như một hoạt động kỹ thuật bình thường chứ không phải một vụ tai tiếng. Một nền tảng tích hợp mô hình giọng nói vào ứng dụng tiêu dùng quan tâm đến một bản chụp cố định với độ trễ có thể dự đoán được hơn nhiều so với checkpoint mới nhất, và OpenAI chưa công bố hướng dẫn di chuyển nào khiến 1.1 có thể dùng thay thế trực tiếp. Nhưng điều đó có nghĩa là mô hình trong ứng dụng Perplexity hiện nay không phải là mô hình trong ChatGPT hiện nay, và mọi so sánh giữa hai trải nghiệm giọng nói đều đang đo các trọng số khác nhau.

Kinh tế học mà Perplexity chưa đề cập

Tài liệu của chính OpenAI chỉ liệt kê một mức giá cho model này: 0,05 USD mỗi phút thoại, tính theo giây và không làm tròn lên, với khoản phí khởi tạo phiên 15 giây được cấn trừ vào thời lượng sau đó. Phần suy luận, công cụ và tìm kiếm web chạy trên một model văn bản riêng và được tính phí riêng. Perplexity bán gói đăng ký với mức giá cố định.

Hai mô hình tính phí đó không khớp một cách tự nhiên. Một người đăng ký Max dùng giọng nói hai giờ mỗi tuần — không phải mức bất thường đối với người vừa có được khả năng điều khiển rảnh tay nhiều phiên tác nhân — tiêu thụ khoảng 520 phút mỗi tháng. Theo giá niêm yết, riêng giọng nói đã khoảng 26 USD, trước khi tính các cuộc gọi suy luận đằng sau mỗi tác vụ Computer. Một người đăng ký để một phiên mở trong lúc suy nghĩ, hoặc giữ nó chạy như điều khiển nền, sẽ tốn nhiều hơn, vì khoảng lặng được tính phí với cùng mức giá như khi nói.

Mọi nền tảng bán lại mô hình giọng nói tính theo mức sử dụng dưới một gói giá cố định đều đang đặt cược như vậy, và khoản cược này thường đúng khi ra mắt: phần lớn người đăng ký sử dụng ít hơn nhiều so với đuôi nặng. Con số thú vị cần theo dõi không phải là mức trung bình mà là phân vị thứ 95, và cả hai công ty đều không công bố nó.

Về phía OpenAI, con số tính theo giờ quan trọng đối với việc lập kế hoạch dung lượng là chi phí âm thanh đầu vào, chứ không phải thời gian trò chuyện. Artificial Analysis đã đo GPT-Live-1 ở mức 5,83 USD mỗi giờ âm thanh đầu vào trên cấu hình suy luận cao và 4,47 USD trên cấu hình thấp, sử dụng một bộ đánh giá chuẩn cố định gồm 40 câu hỏi — một lời nhắc hữu ích rằng con số tiêu đề 0,05 USD chỉ bao gồm giọng nói.

Mô hình mà Perplexity vừa áp dụng tốt đến mức nào?

Trên Chỉ số Chuyển giọng nói thành Giọng nói do Artificial Analysis tự vận hành độc lập, GPT-Live-1 đạt 83,2 điểm ở cấu hình Astra-medium, đứng thứ hai trong số 21 mô hình được chấm điểm, sau Grok Voice 3.0 với 86,9 điểm, và đạt 80,1 điểm ở cấu hình Sol-low, đứng thứ năm. Trên Speech Agent Arena của cùng phòng thí nghiệm — bài đánh giá ưu tiên mù dựa trên các cuộc hội thoại kiểu đặt chỗ thực tế — hai cấu hình đạt 1037 và 1041 Elo, với tỷ lệ hoàn thành nhiệm vụ lần lượt là 87,4% và 90,9%.

Chuỗi cấu hình không phải là vật trang trí. GPT-Live-1 không tự suy luận nội bộ; nó giao việc cho một backend có tên cụ thể, và việc bạn chọn backend nào sẽ thay đổi cả điểm số lẫn hóa đơn. Perplexity chưa tiết lộ backend nào mà nó ghép với lớp giọng nói, nên chất lượng thực tế của nó là không rõ từ bên ngoài, dù mô hình giọng nói của nó giờ đã là thông tin công khai.

Câu hỏi định tuyến mà không ai hỏi

Đây là điểm mang tính cấu trúc mà thông báo này cho thấy. Nhánh giọng nói của Perplexity giờ đây được thuê từ OpenAI và không thể bị thay thế — GPT-Live-1 chỉ cung cấp đúng một endpoint, v1/live/sessions, và rõ ràng không phải là thứ có thể thay thế trực tiếp cho Realtime API. Nhánh đó đã bị khóa. Nhánh suy luận phía sau nó thì không.

Đây chính là lúc một router khẳng định được vị trí của mình: mô hình văn bản đảm nhận việc suy nghĩ cho từng tác vụ Computer có thể được hoán đổi, chuyển sang dự phòng hoặc phân tách theo loại tác vụ mà không cần động đến lớp giọng nói. Trên OrcaRouter, cùng một khóa sẽ truy cập được GPT-6 Astra, GPT-5.6 Terra và GPT-5.6 Sol — những phân hạng mà chính OpenAI dùng làm mục tiêu ủy thác — cùng với các mô hình Claude, Gemini, Qwen và GLM, với giá niêm yết từ nhà cung cấp được chuyển thẳng mà không cộng thêm lợi nhuận (markup 0%) và tự động chuyển sang dự phòng khi một backend gặp sự cố. Khi một nhà cung cấp giảm giá, chặng được định tuyến sẽ phản ánh điều đó ngay trong cùng ngày.

Nói rõ về những gì chúng tôi không làm: OrcaRouter không cung cấp GPT-Live-1. Phần thoại vẫn nằm trên API của OpenAI. Thứ chúng tôi định tuyến là mọi thứ phía sau nó, và đó chính là nơi chi phí và mức biến động về độ tin cậy của một voice agent thực sự nằm.

Xem gì tiếp theo

Ba điều sẽ thay đổi câu chuyện này. Nếu Perplexity chuyển sang GPT-Live-1.1, ghi chú phiên bản ở trên sẽ không còn quan trọng nữa, và chất lượng giọng nói của ứng dụng hẳn sẽ được nâng lên theo bất cứ thay đổi nào ở phiên bản 1.1. Nếu OpenAI công bố các biện pháp kiểm soát chi phí theo từng phiên — một mức trần, thời gian chờ im lặng, mức giá rẻ hơn khi nhàn rỗi — thì bài toán thuê bao trọn gói sẽ dễ thở hơn cho mọi nhà bán lại. Và nếu một mô hình song công toàn phần của đối thủ xuất hiện trên một chỉ số tương đương, thì sự phụ thuộc vào một nhà cung cấp duy nhất trong tích hợp này sẽ trở thành một lựa chọn thay vì mặc định.

Đối với nhà phát triển, kết luận thực sự có thể hành động lại hẹp hơn. Nếu bạn đang xây dựng giao diện thoại có nhiều ngắt lời — tiếp nhận, đặt lịch, điều phối, bất cứ thứ gì mà người dùng nói nhiều hơn agent — thì mô hình song công toàn phần giờ là mặc định hợp lý, và tính phí theo phút là cái giá phải trả. Nếu bạn đang xây dựng tính năng tường thuật, đọc to hoặc bất cứ thứ gì tạo âm thanh từ văn bản theo yêu cầu, mô hình này được định giá và thiết kế cho một công việc không phù hợp, và so sánh TTS là một bài viết hoàn toàn khác.