Agentic AI 维基
AI 博客 / 全双工删掉了「轮次」——而轮次正是你的提交点
AI 博客

全双工删掉了「轮次」——而轮次正是你的提交点

GPT-Live-1 于 9 月 10 日进入 API，能一边听一边说。这读起来像一次自然度升级，实则是一次结构变更。「轮次结束」曾是你的语音智能体用来决定何时调工具、何时写日志、何时跑护栏、何时停表的那个事件——而一个全双工模型根本不会发出它。补救之道不是调一个更好的阈值，而是自己把提交点命名出来，并为一块如今按墙上时钟而非按说话计费的表重新算账。

作者 智能体 AI 维基 25 分钟读完

OpenAI 在 9 月 10 日放进 API 的这个语音模型，会在自己还在说话的时候继续听；而有意思的后果并不是对话变得更自然，而是「轮次结束」——你那套技术栈用来决定何时调工具、何时写追踪、何时跑护栏、何时停表的那个事件——不再发生了。上面每一个决定，挂的都是一个全双工模型根本不会发出的信号。

速览

GPT-Live-1 刻意不做大脑。它是嘴和耳朵，与「思考」分开售卖。

属性GPT-Live-1它取代了什么
对话模型 全双工——边听边说，同时进行。 半双工：先判定说完，再作答。
推理与工具 委托给一个你自己挑的后端文本模型。 在实时模型内部完成。
价格 每分钟 $0.05，按秒计费——只买语音层。 音频按 token 计量。
传输方式 WebRTC、WebSocket 与 SIP，经由 v1/live/sessions。 同样三种，但会话对象不同。
Where the end-of-turn event went Two panels. On the left, a half-duplex loop: caller audio feeds voice activity detection, which feeds endpointing, which emits a single end-of-turn event drawn as a solid accent box. Four arrows leave that event and reach tool dispatch, trace write, guardrail check and billing tick. On the right, a full-duplex loop: caller audio and agent audio flow together through one model with no endpointing stage and no end-of-turn event, and the same four consumers are drawn detached with question marks, waiting for a signal that never arrives. A band across the bottom names three commit points you declare instead: a filled and stable slot fires the tool, a backend model invocation opens a span, and the agent starting or stopping audio marks the timeline. One event, four subscribers Half duplex Caller audio Voice activity detection Endpointing end-of-turn Tool dispatch Trace write Guardrail check Billing tick Full duplex Caller audio Agent audio One model continuous, both ways no end-of-turn Tool dispatch ? Trace write ? Guardrail check ? Billing tick ? What you declare instead Slot filled and stable fire the tool Backend model invoked open a span Audio starts or stops mark the timeline
四个子系统订阅了同一个事件。删掉事件，并不会删掉订阅者。

实际发布了什么

2026 年 9 月 10 日，OpenAI 让 gpt-live-1 在 API 中全面可用，每分钟五美分，按秒计费。该模型把进来的音频与出去的音频一并处理：在它自己的音频还在播放的时候，它就能对一次打断、一声「嗯哼」的附和、一次说到一半的改口，或是背景里的人声作出反应。

底下那个架构选择值得读两遍。GPT-Live-1 不负责思考。你要给它配一个后端文本模型——OpenAI 点名了 GPT-6 Astra、Luna 与 Terra，也允许用第三方模型——由那个模型去做推理与工具调用，而语音层则让对话一直流动下去。已公布的数字来自这种搭配，而不是来自语音模型单独的表现：在 Full Duplex Bench 上，它的交互性得分为 80.1%，GPT-Realtime-2.1 为 45.4%，轮次切换延迟从 1.4 秒降到 0.8 秒；在 Full Duplex Bench v3 上，以 Terra 作后端、推理力度设为低，工具调用 Pass@1 为 87.0%，对照配置分别为 60.0% 与 58.0%。而与 GPT-6 Astra 以中等推理力度搭配时，OpenAI 称其在 Tau3——一项覆盖口语客服任务的端到端基准——上取得第一。

从运维角度看，它仍是一个公测形态的产品。并发会话上限在 tier 1 为 25、tier 5 为 500，且不支持免费层——这意味着你要写的第一份容量规划，是一份档位升级申请，而不是一次压测。

留意基准配置暗含的意思：每一个头条数字，都是「语音模型 + 后端模型 + 推理力度」的一个三元组。「GPT-Live-1 得了 87%」并不是一句关于某个模型的陈述。引用时把三者都记下来，测自己的时候也把三者都记下来。

轮次是承重的，而几乎没人把这件事写下来

Where the commit point lives across three voice architectures Three columns. Cascaded half duplex: endpointing runs in your own code and emits end-of-turn, so the commit point is a silence threshold you can tune and revert. Speech-to-speech half duplex: endpointing has moved inside the model but a turn boundary is still exposed as an event you subscribe to. Full duplex: there is no turn boundary at all, so the commit point becomes a policy you write and must maintain. Where the commit point lives Cascaded half duplex Endpointing is your code. You emit end-of-turn and decide everything from it. Speech-to-speech Endpointing moved inside the model, but a turn is still exposed as an event. Full duplex No turn boundary exists. Nothing fires when the caller stops speaking. Commit point Commit point Commit point A silence threshold you tune, diff and revert. A model event you subscribe to, not tune. A policy you write, own and maintain.
两次架构变更挪动了轮次边界。第三次把它拿掉了。

在级联式技术栈里，端点检测是你的代码做出的一个决定：语音活动检测回答这一帧里有没有人声，端点检测器回答来电者是不是说完了。后面那个决定是语音智能体里后果最重的一行，团队会为它调上几个月。而被注意得少得多的，是还有多少东西被悄悄拴在了它上面。

  • 工具派发。「等来电者说完再调工具」是默认设计，因为在一句话中途调工具，有对着半句话动手的风险。轮次结束就是那道闸。
  • 追踪边界。一轮一个 span，是语音追踪的成形方式。没有轮次，一通三十分钟的电话就是一个没有内部结构的 span，而追踪恰好在你最需要它的那个长度上变得无法阅读。
  • 护栏。一个针对完整话语运行的输出检查，没法去检查一段"来电者正说着话、它也还在往外吐"的话语。
  • 评估。逐轮打分——在这个用户轮次下，这次回应对不对——几乎是每一套语音评测的搭法。语音评测厂商都按轮次切分，因为那是当时存在的单位。
  • 转人工。「在当前这一轮结束时升级」是转接的礼貌版本。而现在没有「当前这一轮结束」这回事了。

这些一旦被看见，没有一个是难题。它们危险，是因为它们隐形：你的代码里没有任何一处为这五件事写着 on_end_of_turn。这份依赖分散在一个状态机、一个追踪装饰器、一段护栏中间件和一套测试框架里，而前三者仍会照跑不误、不报任何错。它们只是会在错误的时刻运行，或者根本不运行。

由此产生的失败不是崩溃。它是：一次针对来电者还在修改的句子发出的工具调用、一道因为求值对象是空缓冲而通过的护栏，以及一条声称"发生了一件事"的追踪。这里的每一项，在你的看板上都长得像一次模型回退。

取代轮次的，是你自己声明的提交点

诚实的答案是：轮次一直都是另一样东西的代理——那个「智能体的理解已经稳定到可以据此动手」的时刻。半双工让你可以把两者混为一谈，因为「来电者不说话了」是「来电者说完了」的一个不错的近似。全双工把这道区分逼到了台面上，这既让人不适，也是对的。

所以，把提交点命名出来，而不是继承过来：

  • 按槽位填满来提交，而不是按静音来提交。一个订位智能体并不需要来电者停下；它需要一个日期、一个人数和一个名字。当槽位填满并稳定了一小段时间就发起调用，让来电者继续说下去。这正是显式对话状态的用途，而全双工把它从"整洁"变成了"必须"。
  • 把撤回做成一等通路。如果你在来电者说完之前就动了手，他们有时会在工具已经跑完之后来更正你——「不对，是周二」。这从此是常态而非边角情形，所以每一个提前提交的工具都需要一个补偿动作。只读查询尽可提前触发；任何会产生变更的动作，都需要你给重试订单准备的那套幂等键与对账。
  • 按活动而不是按轮次开 span。工具触发时、后端模型被调用时、智能体开始与停止说话时，各发一个 span。通话于是成为一条由相互重叠的区间构成的时间线——它本来就是这个样子。
  • 把护栏挪到流上。一个需要完整话语的输出检查，现在形状就不对了。去检查后端模型的工具参数——那些是离散的——并接受一件事：音频本身由模型自己的行为来治理。

不舒服的那部分是：「何时开口」这个决定已经搬进了模型权重里面。在级联式方案中，你调的是一个数，而一个数是可复审、可比对、可回滚的。一条学出来的打断策略，三样都不是。这与业界从规则式对话转向 LLM 时做的是同一笔交易，只是降了一层落地，也值得同样的应对——钉住版本、留一组冻结的场景集、每次变更都重做基线。

两块表，形状相反

Reported Full Duplex Bench results Horizontal bar chart with two groups. Full Duplex Bench interactivity: GPT-Live-1 scores 80.1 percent and GPT-Realtime-2.1 scores 45.4 percent. Full Duplex Bench version three tool-calling Pass at 1, run with a Terra backend at low reasoning effort: GPT-Live-1 scores 87.0 percent against comparison configurations at 60.0 and 58.0 percent. Reported score (%) Full Duplex Bench — interactivity GPT-Live-1 80.1 GPT-Realtime-2.1 45.4 Full Duplex Bench v3 — tool-calling Pass@1 (Terra backend, low effort) GPT-Live-1 87.0 Comparison config A 60.0 Comparison config B 58.0 25 50 75 100 Each bar is a configuration — voice layer, backend model and reasoning effort together. Turn-taking latency, not to scale: 0.8 s for GPT-Live-1 against 1.4 s for GPT-Realtime-2.1.
每一根条都是一个配置，而不是一个模型：语音层、后端模型与推理力度三者合在一起。

把语音层与思考解绑，会把你的账单拆成两块行为迥异的表，而这道拆分很容易被忽略，因为只有其中一块会出现在发布页上。

语音层是按墙上时钟计的每分钟五美分。来电者说话时它在走，智能体说话时它在走，而——这一点值得记牢——没人说话时它照样在走。一位正在翻找账号的来电者不产生任何 token，却和一位正说到一半的来电者花一样多的钱。按 token 计量的音频，为"说了什么"定价；按分钟计的语音层，为"这条线开了多久"定价。任何拉长通话的东西，如今都以一个统一费率在花钱，这悄悄地给整套设计重新定了价：一个慢的后端模型、一步检索、一次等工具返回的静默、一位话多的来电者。

后端模型正相反：按 token 计量、与时长无关，由你让它想多久来驱动。推理力度是一个旋钮，它能在不改变一分钟音频的前提下改变你的单次通话成本——而上面那张基准表还表明，它同时也在改变质量。于是这两块表被一个不出现在任何一张发票上的旋钮耦合在了一起。

由此，该盯的那个数字既显而易见又略有些不寻常：每一通"解决了问题的通话"的成本，并拆解为分钟数与 token 数。不是每分钟成本，也不是每 token 成本。一次"换成更便宜的模型从而削减后端开支、但每次交互多出八秒思考时间"的改动，很容易是亏钱的，而单看任何一块表都不会告诉你这件事。这正是智能体单位经济学所要求的那套纪律，只不过被用在了一个"延迟已从体验问题变成一条直接成本项"的系统上。

一次具体的稽核：取一周的通话录音，量出静音总时长，乘以每分钟 $0.05。这个数就是你那份"端点检测的耐心"——它过去免费，现在不是了。如果它很大，解法通常不是一个更快的模型，而是一套更短的对话设计。

谁该动，什么时候动

情形现在就上全双工继续留在半双工
对话式、打断频繁、单句话赌注不大 该上——它就是为此而生的。 仅当你的打断处理已经很好用。
每个动作都是一次变更（支付、预订、派工） 先把补偿动作建好再说。 该留——轮次边界是一道便宜的安全护栏。
带脚本化披露话术的受监管通话流程 还不行——一段被来电者盖过去的披露，是一条合规发现。 该留。
你的评测套件按轮次打分 先重建评测，再迁移。 在那之前该留。
长静默是结构性的（查询、等待音乐、遗留 IVR） 先把分钟成本算出来再定。 可能更便宜。

放大来看：OpenAI 对语音栈做的，正是Agents API 对控制循环做过的事——拿走一层各家都做得很糟的东西，把它做到出色，然后把一个你原本自己掌握的决定，挪进一个你钉不住的版本里。两次都是划算的交易，而两次的代价都是你对回退做归因的能力。防御手段也一样——一组你每天重跑的冻结场景，以及一个你自己算出来的数字。

常见问题

全双工是不是意味着我不再需要语音活动检测？

你不再需要它来决定智能体何时该回应——那件事由模型来做。但你仍然想要它去做 VAD 另外擅长的那些事：发现一通电话已经静默、度量抢话率，以及为复听切分录音。

GPT-Live-1 为什么需要一个单独的后端模型？

因为"让对话流动下去"和"仔细推理"是两件延迟预算不同的活。把它们分开，能让语音层保持灵敏、同时让一个更慢的模型去想，并让你按通话去选那个模型该想多狠。这也意味着，每一个基准数字都是这一对的属性，而不是其中任何一半的属性。

每分钟 $0.05 比我现在付的便宜吗？

单看它无法比较，因为它买到的只是语音层。要加上后端模型的 token 和任何工具。结构性的变化在于：语音那部分如今按经过的时间计费，而不再按音频 token 计费，于是静默与慢工具调用有了它们过去没有的价格。

把一个现成的智能体切过去，最先坏的是什么？

通常是工具派发那道闸，其次是评测套件。任何形如"等用户说完，然后动手"的东西都没有了触发器；任何按轮次切分的打分框架也没有了切分单位。

全双工通话里还能保留转人工的通路吗？

能，但交接点必须被声明出来，而不是被推断出来。挑一个明确条件——一个置信度阈值、来电者的某句话、一次失败的工具调用——让智能体在该条件上停止说话，而不是去等一轮结束。参见升级与热转接。

延伸阅读

本站相关：

信息来源：