OpenAI 在 2026 年 9 月 10 日的 API changelog 宣布：GPT-Live 1 is now generally available in the API。官方句子是：Build full-duplex voice conversations that can continue while a backend model or agent handles reasoning and tools。创建会话时可选 Responses 委托（OpenAI 模型）或 client 委托（自建后端）。语音按时长计费：$0.05 per minute, billed per second；后端模型和工具另行计费。模型页给出的 ID 是 gpt-live-1，入口只有 v1/live/sessions。
产品团队原先的摩擦是：要做能插话的语音助手，要么把推理塞进语音模型，要么自己拼一套“边说边调工具”的状态机。旧 Realtime 路线和 Chat Completions 都不是这条 Live 入口。本文要回答：GA 之后工作流哪一步被拆开、计费怎么分开、以及人必须在哪一步接管权限和未完成的后端任务。
AI Coding 交流群
如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。
发生了什么
模型页把 GPT-Live 1 写成 premier model for natural, expressive voice conversations with smooth interruption handling，并明确它是 full-duplex：能同时听和说，再把推理和工具调用委托给后端 agent。输入输出是音频和文本；图像和视频被排除。知识截止写的是 2025 年 7 月 31 日。支持 streaming 与 function_calling；不支持 structured outputs、fine-tuning、predicted outputs。Chat Completions、Responses、旧 Realtime（含翻译/转写）、Assistants、Batch 等都被列为非此模型入口。
Live 指南补充连接方式：浏览器走 WebRTC（页面需 HTTPS 或 localhost，项目 API 密钥留在可信服务器，由服务器做 SDP 交换）；服务端音频走 WebSockets；另有 sideband events 和 SIP/telephony。连上之后要等 session.started 再开始说话。委托模式在创建会话时选定，中途更换必须新开会话。指南原句：You choose the backend model or agent independently of the voice model。另一句是 Choose the mode when you create the session; to change modes, start a new session。
完整工作场景：说话不停，工具在后端跑
输入是用户的实时语音，例如“查一下这个订单为什么重复扣款，必要时打开工单工具”。操作从“一个模型既生成语音又调 API”变成两段：GPT-Live 负责听、说、判断何时交接；后端（Responses 上的受支持模型，或你自己的 agent）负责工具、规则和结果。交付仍是一句口语回复，但反馈循环拆开了：语音可以继续，工具调用在另一条链路上进行。
关键边界写在指南里：Interrupting speech does not automatically cancel backend work。用户插话只能打断正在播放的语音，不会默认停掉已经发出的退款、改权限或写库操作。因此应用仍要自己做权限、确认、私有函数和持久任务状态。关闭会话才会拿到最终用量并断开连接。密钥不得放进浏览器。
一个可核对的验收动作：让助手开始一项会调工具的任务，在它说话时插话改口；确认语音被打断，同时检查后端工具是否仍在执行。若工具被误取消或误继续，都要在应用层补确认框，而不是指望模型自己停。第二次验收看账单：同一会话应同时出现按时长的语音费用和按 token 的后端费用，两者不要加总成一个“通话单价”再对外报价。
为什么这会改变工作流
因果是职责分离。语音质量和工具正确性不再绑在同一个采样预算上：语音层按秒计费，推理和工具按各自模型与工具价。changelog 写明 Voice sessions cost $0.05 per minute, billed per second，时间不会凑整到整分钟。模型页重复同一价格，并写下游模型/工具另计。没有免费档。
并发按同时会话数限制，不是按 token：Tier 1 到 Tier 5 为 25 / 50 / 200 / 300 / 500。客服或现场支持如果按“每个座席一条常驻会话”估算，要先核对档位，而不是假设能无限开麦。full-duplex 让产品可以做边说边听，但这把“用户改口”从产品特性变成了取消语义问题：没做确认流的团队，会把插话理解成取消，系统却继续执行。
对开发者工作流的直接变化是：语音前端可以独立迭代提示词和打断策略，工具权限仍按原有 agent 网关走。现场演示时，不要把“能插话”演示成“能撤销刚才那次 API 调用”。
限制与人接管点
GPT-Live 1 不是通用文本 API，不能拿它当 Chat Completions 替代品。不接受图像和视频，不能用它做“看屏幕讲解代码”。structured outputs 不可用，工具参数校验仍要后端做。知识截止停留在 2025-07-31，不能把它当成当天事实来源。委托模式不能在同一会话中途切换。
人必须接管的步骤：敏感工具的二次确认、插话后是否取消后端任务、会话关闭与用量对账、以及浏览器里绝不出现 API 密钥。同一天 changelog 里的 Agents API 公开测试是独立事件，已经另文处理，不要和 GPT-Live 拼成“一个 Agent 平台发布”。VS Code 1.137 的 Voice Mode 是编辑器里对 Copilot 说话，入口和计费都不是 v1/live/sessions。项目 API 密钥过期策略也是 9 月 10 日的另一条目，只影响密钥寿命，不改变 Live 会话语义。
指南还要求关闭会话以取得最终用量。开发者如果只在前端挂断麦、不结束 Live session，账单和对账脚本会对不齐。把“用户离开页面”映射成服务器侧关会话，应写进接入清单，而不是事后从发票反推。
麦克风权限和 HTTPS 约束也属于人接管点：没有麦或未走 HTTPS/localhost 的页面，指南不保证能建会话。现场演示应先检查这两项，再谈模型和声音。
如何试用
读模型页和 Live 指南，用服务器创建 v1/live/sessions，模型填 gpt-live-1。先走 WebRTC 本地页或 WebSockets 服务端音频，等到 session.started。第一次只接一个只读工具，验证插话、委托和按秒账单；不要把退款、删数据或改权限接到未做确认的委托链上。看账单时把语音时长和后端 token 分开核对。需要换委托模式时，结束当前会话再开新会话，不要指望热切换。
信息来源
- OpenAI API changelog（2026-09-10 GPT-Live 1 GA）
- OpenAI 模型页：gpt-live-1
- OpenAI 指南：Getting started with live sessions
开发必备：API 全流程管理神器 Apifox
介绍完上文的内容，我想额外介绍一个对开发者同样重要的效率工具 —— Apifox。作为一个集 API 文档、调试、设计、测试、Mock、自动化测试于一体的工具，Apifox 是目前提升研发效率的首选。
如果你正在开发项目，不妨试试其极其友好的界面设计，它完全兼容 Postman 和 Swagger 数据格式，导入数据非常方便，，即使是新手也能很快上手，点击这里即可注册使用。
值得一提的是，除了个人和常规团队使用，针对有高安全合规要求、或需要在内网环境协作的企业，Apifox 还提供了深度定制的私有化部署方案。
获取专属报价与部署方案
详细的私有化部署系统架构与安全白皮书
针对您公司规模的专属报价单
免费的 1v1 专属产品演示 (Demo) 机会
