O GPT-Live-1 é o modelo de voz de som mais natural que já usei, sem rodeios. Ele ouve e fala ao mesmo tempo, lida bem com interrupções e acaba com a alternância robótica que fazia a IA de voz anterior parecer um walkie-talkie.
O problema é o que ele não é. O GPT-Live-1 é uma camada de voz, não um motor de raciocínio. Ele delega o pensamento difícil a um modelo de backend separado e, na API, cobra uma tarifa fixa de $0.05 por minuto só pela camada de voz. Ou seja, o modelo é excelente no único trabalho que tem, e você ainda precisa construir (e pagar) a inteligência por trás.
Para usuários comuns do ChatGPT, o veredito é fácil: é gratuito nos planos pagos e é um upgrade claro. Para desenvolvedores, e especialmente para quem está de olho nele para o suporte ao cliente, a história é mais nuançada, porque a cobrança por minuto cobra pelo tempo de conversa, não pelos problemas resolvidos.
Por que estou fazendo esta análise e de onde venho
Na eesel eu construo funcionalidades de produto e agentes de IA, e minha equipe passou mais de três anos colocando agentes de IA em filas de suporte reais. Essa perspectiva molda como avalio um modelo de voz. Já vi um bot de voz confiante entregar calmamente a resposta errada a um cliente, e por isso hoje simulamos cada implantação com os tickets históricos de uma empresa antes que ela fale com uma pessoa real. Então, quando testo algo como o GPT-Live-1, não pergunto apenas "soa bem?", pergunto "o que acontece quando ele erra e quem paga pelas partes que o fazem acertar?".
Esta é uma análise prática do próprio modelo: como é usá-lo, como funciona por dentro, onde brilha, onde tropeça e o que significa se você está pensando em voz para o suporte conversacional. Vou me apoiar nos materiais de lançamento da própria OpenAI para o mecanismo e em relatos de usuários reais para a recepção.
O que o GPT-Live-1 realmente é
O GPT-Live-1 é o modelo de voz de terceira geração da OpenAI, lançado primeiro dentro do ChatGPT Voice em julho de 2026 e liberado na API em 10 de setembro de 2026. O destaque é uma arquitetura full-duplex: o modelo pode ouvir e falar ao mesmo tempo, em vez de esperar você terminar, supor que você terminou e só então começar a pensar.
Isso parece pouca coisa. Não é. Os sistemas de voz antigos dependiam de um pequeno modelo "detector de turnos" para decidir quando você parou de falar. Se chuta cedo demais, corta você; tarde demais, parece lento. O GPT-Live remove esse detector do caminho do áudio por completo, de modo que o vaivém fica mais próximo do ritmo humano. Na prática, ele solta um "mhmm" enquanto você ainda fala, fica quieto quando você pausa para pensar e deixa você interrompê-lo no meio da frase sem perder o fio.
Ele substitui o antigo pipeline em cascata, aquele que executava fala para texto, depois um modelo e depois texto para fala como uma pilha de voz encadeada em série. Se você já precificou uma pilha de voz combinando algo como ElevenLabs ou Cartesia Sonic com um modelo de raciocínio separado, o GPT-Live-1 reduz a maior parte disso a um só modelo. Um desenvolvedor da área de saúde, Tony Stoyanov, disse que a migração permitiu à sua equipe cortar 23.000 linhas de código e simplificar a base de código em cerca de 80%.
Como funciona por dentro
Esta é a parte que acho realmente inteligente, e também a chave para entender o preço e os limites. O GPT-Live-1 coloca o modelo de voz no comando da conversa e empurra todo o resto para fora do caminho ao vivo.
Quando uma pergunta precisa de busca na web, raciocínio real ou uma chamada de ferramenta, o modelo de voz delega a um modelo de fronteira de backend (GPT-5.5 no lançamento) por um caminho assíncrono separado, e continua falando com você enquanto esse trabalho roda em segundo plano. A OpenAI reconstruiu o frontend de mídia em Go para substituir uma implementação antiga em Python, usando WebRTC para o transporte, e informa que a latência p95 do novo sistema iguala a p50 do antigo. O resultado é uma divisão limpa: um laço de voz pequeno e rápido que nunca pode travar, e um "cérebro" mais lento que pode levar o tempo que precisar sem congelar a conversa.
Essa arquitetura é o motivo de o seu custo real ser uma pilha, e não um número único. Na API você paga três camadas.
- A camada de voz: os $0.05/min fixos pelo GPT-Live-1 em si.
- Os tokens do modelo de backend: o modelo de raciocínio para o qual você direcionar, cobrado à parte e variável conforme o quanto ele pensa.
- O harness do agente e as ferramentas: seu framework, a recuperação e qualquer escrita no sistema de tickets.
A leitura honesta, portanto, é que $0.05/min é o piso, não a conta. Se quiser a matemática completa, detalhamos no artigo de custos complementar da API da OpenAI.
O que é realmente bom
Vamos dar crédito a quem merece, porque os ganhos são reais.
A naturalidade é um salto de qualidade. A OpenAI informa que o GPT-Live pontua cerca de 30 pontos a mais no seu Full Duplex Bench do que o modelo anterior GPT-Realtime-2.1, e em testes cegos as pessoas o preferiram em cerca de 75,7% das vezes frente ao antigo Advanced Voice Mode. Parceiros que constroem sobre ele, como o app de idiomas Speak, relataram uma redução de cerca de 80% em interrupções indesejadas. Esses números batem com a minha impressão: é o primeiro modelo de voz em que parei de gerenciar conscientemente os meus turnos.
É inteligente o bastante quando bem combinado. Com um modelo de backend de esforço médio, a OpenAI coloca o GPT-Live no topo do seu benchmark agêntico Tau3. O truque da delegação entrega chat de baixa latência e raciocínio de modelo de fronteira, desde que você conecte o backend.
Para o consumidor é sem esforço. No ChatGPT não há nenhum medidor por minuto. O GPT-Live-1 é o modelo de voz padrão no Go, Plus e Pro, o GPT-Live-1 mini é o padrão no Free, e foi lançado globalmente em iOS, Android e web desde o primeiro dia.
O modelo também consegue mostrar respostas visuais durante uma conversa falada, como um mapa ou uma agenda, o que faz o uso de "conversar com ele enquanto dirige ou cozinha" funcionar melhor do que com os assistentes de voz anteriores.
Onde ele tropeça
Uma análise justa nomeia os limites com clareza, e há alguns que vale conhecer antes de se comprometer.
Ele não é o modelo de fronteira, e isso aparece. Como o GPT-Live-1 é uma camada de voz que repassa o raciocínio, as respostas dele próprio podem ser rasas ou ocasionalmente estranhas quando ele não delega. Um usuário do Hacker News foi direto:
"GPT-Live isn't a particularly intelligent model. It needs to handoff for reasoning and more complex tasks. You shouldn't expect its responses to be as reliable as a frontier model. It will sometimes say odd things."
Os hábitos de conversa podem irritar. Os mesmos reflexos que o fazem parecer humano podem virar excesso de zelo. Uma reclamação comum é que ele interrompe pausas para pensar e parafraseia demais o que você diz:
"The new gpt-live feature tends to interrupt with 'human' sounding injections like 'hmm', 'huh' a bit too much for my liking. Also its crutch is to start by paraphrasing what I just said to it... after every single thing I say it starts to feel a bit much."
Dito isso, boa parte do uso no mundo real é positiva. Um avaliador descreveu usá-lo pelo CarPlay para praticar francês, observando que ele lidava com a troca de idiomas no meio da resposta "surpreendentemente bem". A recepção é mista, do jeito que costuma ser com interfaces novas, não uniformemente negativa.
Vozes personalizadas e recursos empresariais são restritos. Criar sua própria voz de marca significa passar por um fluxo de "fale com vendas", e o produto de voz empresarial da OpenAI, o Presence, fica como uma camada separada por cima. A API de autoatendimento entrega o modelo, não o produto inteiro.
Meu veredito, com notas
Veja como eu pontuaria o GPT-Live-1 nas dimensões que realmente me importam ao avaliar um modelo de voz para trabalho de verdade.
O que o GPT-Live-1 significa para o suporte ao cliente
Aqui eu volto a vestir o chapéu de suporte, porque voz para suporte é onde o modelo por minuto fica interessante e um pouco arriscado.
A cobrança por minuto cobra pelo tempo de conversa, não por resultados. Para um tutor de idiomas ou um bot de reservas, tudo bem. Para suporte, isso inverte o incentivo que você quer. Um cliente frustrado em uma ligação de dez minutos que termina em uma escalação custa mais do que um tranquilo resolvido em noventa segundos, embora a segunda interação seja a vitória de verdade. Se você reporta a resolução no primeiro contato, um medidor que roda por minutos mede a coisa errada e distorce silenciosamente suas métricas de suporte.
Há também a lacuna de inteligência. O GPT-Live-1 faz a conversa parecer humana. Sozinho, ele não conhece a sua política de reembolso, não resolve um ticket nem cuida da deflexão de nível 1 com a sua própria documentação. Isso não é uma crítica à OpenAI, é proposital: eles construíram uma camada de voz e a precificaram como tal. O contexto de negócio e a resolução automatizada de tickets devem vir do que você construir por cima. É a mesma lição que vejo em qualquer call center de IA bruto: a voz é a parte fácil e impressionante, e o conhecimento, a recuperação e o tratamento de escalonamentos são as partes que de fato fecham o ciclo.
Onde a eesel se encaixa: infraestrutura versus colega de equipe
A forma mais clara de enquadrar é que o GPT-Live-1 é infraestrutura, e a eesel é o funcionário. O GPT-Live-1 é um modelo que você conecta ao seu próprio produto. A eesel é uma plataforma onde você contrata um colega de IA pronto para trabalhar em uma função específica, que já chega com as habilidades, integrações e contexto da empresa para esse papel.
Para suporte, esse colega é o colega de IA para helpdesk. Ele entra na sua fila atual, aprende com seus tickets passados e sua central de ajuda e, ao contrário de um modelo de voz bruto, é cobrado por resolução e não por minuto de conversa, então o seu custo acompanha os tickets realmente encerrados. Você ainda pode apontá-lo para um frontend de voz como o GPT-Live-1 quando quiser conversas telefônicas naturais, e manter as contas do custo por resolução sob controle. E como simulamos com seus tickets históricos antes de entrar no ar, você vê o resultado provável antes de um cliente ver, que é exatamente a pergunta "o que acontece quando ele erra" com a qual abri.
Como muitas equipes que buscam uma API de voz na verdade querem controle programático e headless, vale saber que a eesel oferece uma CLI de verdade ao lado do painel. É o mesmo colega de IA e o mesmo espaço de trabalho, controlado por um terminal em vez de um navegador: uma pessoa pode executá-lo à mão, scripts podem automatizá-lo e agentes de código como Claude Code, Codex e Cursor podem operá-lo diretamente, do mesmo jeito que você controlaria qualquer outro fluxo de agentes do ChatGPT. Então, se o motivo de olhar para a API era o controle por script, você não precisa trocar "programável" por "já conhece o meu contexto de suporte".
Se quiser a comparação honesta para o seu próprio volume, o detalhamento da economia de custos e o nosso guia de construir ou comprar percorrem a decisão entre cobrança por minuto e por resolução, e o debate mais amplo de IA versus suporte humano a acompanha.
Análise do GPT-Live-1, em uma linha
O GPT-Live-1 é a melhor camada de voz que a OpenAI já lançou, e é exatamente isso: uma camada. Como interface de IA conversacional é uma compra clara, gratuita dentro do ChatGPT pago e um salto genuíno em naturalidade. Como base de um produto de voz, é preciso lembrar que é metade da pilha, com um modelo de backend e um harness cobrados por cima. E se o trabalho é suporte, faça a única pergunta que importa: você está pagando por minutos ou por tickets resolvidos?
Quer um colega de suporte que já conhece a sua central de ajuda e cobra por resolução, não por minuto? A eesel se conecta ao seu helpdesk atual em minutos, simula com os seus próprios tickets passados antes de entrar no ar e é gratuita para testar. Experimente a eesel ou agende uma demo para ver primeiro com os seus próprios dados.