Perplexity 将 GPT-Live-1 置于其语音模式背后：Mac 与 Web 端的切换究竟改变了什么

Perplexity 在 Mac 应用和网页上的语音模式，现已运行于GPT-Live-1，这是 OpenAI 的全双工语音模型；而这次替换所带来的能力，才是值得反复读两遍的部分：单次语音会话就能同时驱动多个 Perplexity Computer 会话，在句子说到一半时启动新任务，并且无需碰键盘即可创建或管理 Projects。该消息于 2026 年 10 月 28 日由 Perplexity 的 @AskPerplexity 账号发布，适用于这两个平台上的付费 Pro 和 Max 订阅用户。

这不是模型发布，而是一次分发事件。GPT-Live-1 自 2026 年 9 月 10 日 OpenAI 将其上线 API 起就已全面可用，价格为每分钟语音 0.05 美元；自 7 月 8 日起，它也一直存在于 ChatGPT Voice 中。本周发生变化的是谁在租用它，以及他们把它用于什么。

为什么更换语音模型值得登上头条

语音接口过去是在每家公司内部自行组装的。你采购转录服务，调用自己的语言模型，再采购语音合成，然后把构建中最难的部分花在轮次检测上——也就是决定用户何时说完话的那条规则。大多数语音产品恰恰死在这条规则上：太急于判断，智能体就会抢话；太迟钝，每通电话都像一条糟糕的国际长途线路。

GPT-Live-1 消除了这一断层。它是一个在生成的同时持续聆听的单一模型，每秒多次判断是应说话还是等待，并在不中断音频的情况下将繁重推理交给后台的文本模型处理。Perplexity 无需专门构建打断策略来实现多会话控制，而是直接继承了这一能力。

对于正在打造自家语音产品的读者来说，实际后果很直白：你原本打算自己动手写的轮流对话层，如今变成了要花钱租的东西。至于这样是否更便宜，完全取决于你的智能体有多少分钟是在听而不是在说——这个问题值得在正式决定之前算一算，因为计费是按整个会话时长来走的，连沉默都算在内。

Computer 部分才是真正的产品变革

模型切换对用户是隐形的，多会话的 Computer 控制却不是。在这次更新之前，Perplexity Computer 只是一个你在屏幕上监督的单一智能体循环。新的语音层让你在保持一段对话的同时，还能运行多个后台会话，只要说一声就能启动一个新会话，并能按名称管理 Projects。这更像一个调度器而非聊天机器人，也是我们见过的首个将并行智能体会话视为常态而非例外的消费级语音界面。

这里的关键在于三个细节：

• 一个会话，多个工作进程——一次语音轮次可以面向多个 Computer 会话，而无需结束当前会话。

• 通过语音创建任务——新工作可在对话进行中排队，而不必等到对话结束后再处理。

• 按名称进行项目管理——项目成为你可以直接说出口来创建和重命名的对象，这意味着语音层需要解析引用，而不仅仅是转录。

理论上，这些都不需要全双工模型。有了全双工模型，这一切都会容易得多，因为智能体可以一边开始实际工作，一边用“mhmm”来确认请求，而不是沉默八秒钟、指望用户会等下去。

Perplexity 将其命名为 v1。此后 OpenAI 已推出 v1.1。

公告中最引人注目的细节是版本号。Perplexity 表示其语音模式运行在 GPT-Live-1 上。在 ChatGPT Voice 中，OpenAI 于 2026 年 10 月 15 日开始推出 GPT-Live-1.1，比此次切换早两周。Perplexity 尚未说明它是否评估过 1.1、是否为了稳定性而有意锁定 v1，或者是否已安排升级。

把这理解为正常的工程实践，而非什么丑闻。一个将语音模型集成到消费级应用中的平台，更看重的是具有可预测延迟的冻结快照，而不是最新的检查点；而且 OpenAI 尚未发布能让 1.1 无缝替换的迁移指南。但这确实意味着如今 Perplexity 应用里的模型并不是如今 ChatGPT 里的模型，任何对这两种语音体验的比较，衡量的都是不同的权重。

Perplexity 尚未谈及的经济学

OpenAI 自己的文档列出了该模型的一个价格：语音每分钟 0.05 美元，按秒计费且不向上取整，15 秒的会话初始化费用可抵扣后续时长。推理、工具和网络搜索运行在单独的文本模型上，并单独计费。Perplexity 则采用固定订阅收费。

这两种计费模式并不天然契合。一个 Max 订阅用户每周使用语音两小时——对于刚刚获得对多个代理会话免手动控制的人来说，这并非异常用量——每月大约消耗 520 分钟。按标价计算，仅语音部分就约为 26 美元，这还不包括每个 Computer 任务背后的推理调用。如果订阅用户在思考时让会话保持打开，或将其作为环境控制持续运行，成本会更高，因为静音与说话按相同费率计费。

每一个把按量计费的语音模型以固定套餐形式转售的平台，都在押这个注，而且这个赌注在刚推出时往往是对的：大多数订阅用户的使用量远低于重尾部分。真正值得关注的数字不是平均值，而是第95百分位数——而这两家公司都没有公布它。

在 OpenAI 这一侧，对容量规划真正重要的每小时数字是输入音频成本，而不是通话时长。Artificial Analysis 使用固定的 40 题基准测试集测得，GPT-Live-1 在高推理配置下每小時输入音频成本为 5.83 美元，在低推理配置下为 4.47 美元——这提醒我们，0.05 美元这一宣传数字只涵盖语音。

Perplexity 刚刚采用的模型有多好？

在 Artificial Analysis 独立运行的 Speech-to-Speech Index 上，GPT-Live-1 的 Astra-medium 配置得分为 83.2，在 21 个计分模型中排名第二，仅次于得分 86.9 的 Grok Voice 3.0；其 Sol-low 配置得分为 80.1，排名第五。在同一实验室的 Speech Agent Arena 中——基于真实预订式对话进行的盲选偏好评测——这两个配置的 Elo 分别为 1037 和 1041，任务成功率分别为 87.4% 和 90.9%。

配置字符串并非装饰。GPT-Live-1 并不在内部进行推理；它会委托给一个具名后端，而选择哪个后端会同时改变得分和账单。Perplexity 尚未披露其语音层搭配的是哪个后端，因此尽管其语音模型现已公开，外界仍无法得知其实际质量。

没人问过的路由问题

这个公告揭示的结构性要点如下。Perplexity 的语音环节现在租自 OpenAI，且无法被替代——GPT-Live-1 只暴露一个端点，v1/live/sessions，并且明确不能直接替换 Realtime API。该环节已被锁定。其背后的推理环节则没有。

这正是路由器发挥作用的地方：为每项 Computer 任务执行思考的文本模型可以被替换、故障转移，或按任务类型拆分，而无需触及语音层。在 OrcaRouter 上，同一个密钥即可访问GPT-6 Astra、GPT-5.6 Terra以及 GPT-5.6 Sol——这些正是 OpenAI 自身用作委派目标的层级——同时还提供 Claude、Gemini、Qwen 和 GLM 模型，供应商标价以 0% 加价透传，并且当某个后端降级时自动故障转移。当供应商降价时，经路由的这一段当天就会反映出来。

准确说明我们不做的事：OrcaRouter 不提供 GPT-Live-1。语音环节仍留在 OpenAI 的 API 上。我们路由的是其下游的一切，而语音智能体的成本与可靠性波动恰恰就存在于这里。

接下来看什么

三件事会改变这个故事。如果 Perplexity 转向 GPT-Live-1.1，上面的版本说明就不再重要，应用的语音质量也应随 1.1 所做的任何改变而提升。如果 OpenAI 发布按会话的成本控制——上限、静默超时、更便宜的闲置费率——那么对每个经销商来说，固定订阅的成本账都会变得更容易。而如果竞争对手的全双工模型出现在一个可比指数上，这次集成中的单一供应商依赖就会变成一种选择，而不是默认。

对开发者来说，能实际落地的解读范围更窄。如果你正在构建一个频繁被打断的语音界面——接待、预约、调度，或任何用户说话比代理更多的场景——全双工模型如今已是合理的默认选择，而按分钟计费就是它的代价。如果你在做旁白、朗读，或任何按需从文本生成音频的东西，这个模型的定价和形态都不适合这类任务，而 TTS 对比则完全是另一篇文章。