GPT-Live-1.1 于 10 月 15 日上线：六种新语言、两个新模型，以及一份令人不安的文件

关于 GPT-Live-1.1，最不有趣的一点，恰恰是 OpenAI 主推的那一点。2026 年 10 月 15 日的 X 帖子宣布“新声音、更好的口音，以及更少的‘正在检查……’”——这是关于语音模型听感的三项说法。真正有意思的地方，在几乎没人在发布当天会读的配套材料里：GPT-Live-1.1 系统卡也在同一天发布，其中点名了 mini 层级的后继模型（GPT-Live-1.1 Quip），重新指定不同 ChatGPT 层级默认使用哪款模型，并报告在某一类评估上相较于 GPT-Live-1 出现幅度虽小但统计显著的回退。

一篇关于口音的帖子背后，竟然藏着这么多结构。

发布了什么，以及发布给了谁

这次发布首先是一项面向消费者端的变化。截至 2026 年 10 月 15 日，GPT-Live-1.1 和 GPT-Live-1.1 Quip 正在 ChatGPT Voice 中向所有用户推出。发布说明和语音帮助页面对其形态的描述一致：十三种新的语音选项，法语、德语、印地语、日语、韩语和墨西哥西班牙语各两种，外加英语的 Bubbie。Live 还会从更广泛的短语范围中挑选短句，以表明它正在搜索，这正是公告中“更少检查……”背后的修复。帮助页面补充了对于支持很重要的注意事项：你看到的语音可能因地区和账户而异，你可以在“设置”→“语音”，然后“语音”下选择它们。

API 明确不在此列。公告称“即将登陆 API”，文档也印证了这一点：模型页面只列出了 gpt-live-1 和 gpt-live-transcribe，Live 家族中再无其他，而 gpt-live-1.1 是一个 404。没有模型 ID，没有价格，没有速率限制。任何告诉你 GPT-Live-1.1 每分钟要多少钱的人，都是在照搬 GPT-Live-1 每分钟每音色 0.05 美元的报价，并指望你不去核实。

对任何构建者来说重要的部分：层级划分

系统卡清晰地展示了这一架构。GPT-Live-1.1 是 GPT-Live-1 的继任者。GPT-Live-1.1 Quip 是 GPT-Live-1 mini 的继任者。而默认分配方案已经改变：GPT-Live-1.1 是 Plus 及更高层级用户的默认语音模型——包括 Codex 和 Dots——而 GPT-Live-1.1 Quip 则是其他所有用户的默认选择。

再读一遍，因为这意味着大多数人将体验到的产品并不是标题中的那个模型。免费层级和较低层级的用户拿到的是 Quip。如果你用 Free 账户评估“GPT-Live-1.1”，你评估的模型与 Plus 用户评估的并不是同一个，而且系统卡自始至终都将它们视为各自独立的评估系统。

这张卡片还重申了赋予整个系列形态的结构性事实：GPT-Live 是一个双模型系统，作者假设 GPT-Live 模型“会从其‘思考’模型中继承对齐行为”——也就是它们所委托的文本模型。这并不是一条脚注。它是安全评估背后的承重假设，也是卡片将结果与这些评估所使用的底层模型 GPT-5.6 Terra 进行比较的原因。

评估证据在哪些方面确凿，在哪些方面不确凿

这个最受关注的安全结果确实令人安心，而它的适用范围也很有限。在采用生产提示词——即真实流量分布——的语音原生评估中，GPT-Live-1.1 和 GPT-Live-1.1 Quip“与前代模型表现持平，没有统计学上显著的性能退步”。这个数字才真正说明了用户实际会遇到的情况。

在合成提示评估中，情况有所不同，卡片也直接说明了这一点：与 GPT-Live-1 相比，两个模型在性、心理健康、情感依赖和血腥类别上都出现了统计显著的回退。在“遵守警告”方面也有轻微回退。在“拦截器欺骗”方面，GPT-Live-1.1 表现略好，Quip 略差。在搜索工具故障场景中，GPT-Live-1.1 表现略差，Quip 略好。

诚实的解读不是“这些模型变得没那么安全了”。而是两种评估模式彼此不一致，而模型卡说明了为什么作者仍认为生产提示词下的结果才是有效的：合成提示会探测普通语音流量触及不到的角落。但这恰恰是那种在进入发布报道的过程中留不下来的细节，而它值得被牢牢记住——模型家族内部的一次版本升级并不自动就是安全中性的事件，而在这里，对抗性探测上的变化方向是负面的。

在能力限制方面，这张模型卡异常具体。两个模型在不进行委派的情况下运行时，都不可能合理地被认为在 OpenAI 的 Preparedness Framework Tracked Categories 的任何一项中达到 High——而给出的原因在于架构，而非克制：这些模型无法独立于它们所委派的模型而广泛访问工具，也不具备代码执行能力。安全论证与能力上限，是同一个事实的两次陈述。

这六种语言实际上能换来什么

OpenAI 的说法是，非英语语言中的口音更自然。这一说法背后没有公开、可复现的基准——没有索引行，没有附带方法的厂商数据，只有这一断言，以及现在一组你可以自己收听的语音。

在有独立测量的地方，测量对象是前代产品。在 Artificial Analysis 语音到语音指数上，GPT-Live-1 出现了两次——一次是在 Astra 后端、中等推理强度下取得 83.2，另一次是在 Sol 后端、低推理强度下取得 80.1——而 Gemini 3.8 Live Extended Thinking 为 82.6，Grok Voice 3.0 为 86.9。该榜单上没有 GPT-Live-1.1 这一行。该指数是语音推理、对话动态、智能体表现、竞技场偏好和任务成功率的综合指标，并会随着模型被加入和重新运行而修订；上述数字来自发布次日的一次抓取。

所以目前，关于口音的说法只是厂商的宣称，而唯一可获得的独立证据针对的是它所取代的型号。这并不是批评——这只是一天开始时信息所处的状态，随着委员会跟上，情况会发生变化。

• 已核实的内容——推出情况、十三个新语音选项、层级默认值、系统卡片评估结果、API 模型 ID 的缺失。

• 什么是“仅由供应商报告”——更好的口音、更自然的委派，以及更广泛的搜索信号短语。

• 尚不存在的内容——独立排行榜上的任何 GPT-Live-1.1 条目、任何按分钟计价的价格、任何第三方延迟或每小时成本测量数据。

下面的那一层，以及谁会暴露于其中

上述所有内容描述的都是一个语音前端。这些会话中的推理运行在文本模型上，而系统卡和 API 文档都明确指出，语音层与推理层是分别计量、分别可替换的。该卡片将 GPT-5.6 Terra 列为用于其评估的底层模型。成本差异正存在于这一层，不同配置之间的质量差异也体现在这一层，而且在这一层切换成本很低，因为它不会触及语音集成。

OrcaRouter用一个密钥提供 200 多个模型，按提供商标价计费，不额外加价，因此上游一旦调价，当天就会传到我们这边，而不用等到下一次合同续约。为准确说明本文是什么、不是什么：我们不托管 GPT-Live-1.1、GPT-Live-1.1 Quip 或 GPT-Live-1——这些语音端点来自 OpenAI 自家的 API，而且 1.1 版本目前还完全不在任何 API 中。这些系统交由执行的文本模型则是另一回事，而这正是自动故障转移和路由 DSL 真正发挥作用的地方：你可以把委派指向选定的后端，在实时流量中切换它，并在某个提供商出错时保持通话不中断。

看什么

有两个日期比这次发布更重要。第一个是 gpt-live-1.1拿到模型 ID 和定价的那一刻——那一刻，它就从一个消费者故事变成了一项采购决策，而这个数字一经出现，就会被拿去与 GPT-Live-1 每分钟语音 0.05 美元的价格相比较。第二个是 Speech to Speech Index 的下一版修订，因为到那时，关于口音和委派的说法要么获得独立佐证，要么就不会。

在那之前，最有用的姿态就是那个无聊的：如果你用的是 Plus 或更高档位，你已经有新模型了，可以自己评判其中的口音；如果你用的是较低档位，你用的是 Quip，而两者之间的差异是本次发布中最鲜有报道的事实。如果你在做开发，那么 2026 年 10 月 15 日你的技术栈没有任何变化——这本身就是信息。

这样的结果也提醒我们，模型出错早已有记录：此类模型背后的 AI 事件和智能体故障，均收录于OrcaRouter AI Incident Archive，其中每个条目都附有自己的来源、严重程度、置信度等级和争议标记。