OpenAI съобщи на 20 ноември за достъп до GPT-Live-1.1 през API; техническият журнал отбелязва промяната на 19 ноември. Моделът е предназначен за двупосочни разговори и делегиране към backend. За WebRTC има standby след зададен период тишина: активното време е обявено на 0,05 долара за минута, standby — на 0,02 долара. Backend моделите и инструментите се заплащат отделно.
Документацията описва два подхода: управлявано делегиране към Responses модел или свързване на собствен backend. Поверителният API ключ остава на доверения сървър. Това разделя разговора от действителното извършване на работата, без да премахва нуждата от разрешения в приложението.
Разговорът не е потвърждение за извършено действие
При подобна архитектура асистентът може да говори, докато проверката още тече. Нашият редакционен извод е, че интерфейсът трябва да различава обещание, започната операция и доказано завършен резултат. Фраза за приключване е подходяща едва след потвърждение от системата, която е извършила действието.
Например при проверка на поръчка гласовата част може да приеме допълнително уточнение. Ако backend вече работи по старите данни, приложението трябва да реши дали да отмени, поправи или завърши тази проверка. Иначе плавният разговор може да прикрива несъответствие между желанието на човека и изпълняваната задача.
Какъв пилот предлагаме
Бихме започнали с достъп само за четене до тестови поръчки. Проверяват се прекъсване по средата на изречение, поправен номер и дълга пауза. Отделно се наблюдава какво вижда операторът, когато backend се забави или върне грешка. Това са предложени сценарии, а не проведен от SIExpo тест на модела.
Разходът трябва да се раздели на време за разговор, време в standby и делегирана работа. Намалената цена в тихите моменти сама по себе си не определя крайната сметка. Дълга задача, повтаряна след прекъсване, може да промени общата цена, дори гласовата сесия да изглежда икономична.
Преди разрешаване на промени по реални поръчки бихме въвели отделно потвърждение и проверима идентичност на операцията. При прекъснала връзка приложението трябва да установи дали записът е извършен, преди да го повтори. Добрата гласова услуга се оценява и по такива неудобни случаи, не само по естествеността на произношението.
Операторът трябва да може да поеме разговора със запазено състояние на задачата. Само последното изречение може да пропусне несигурността, наложила намеса. Кратък запис на заявката, текущата работа и потвърдения резултат дава по-добра отправна точка.
Новият API предлага по-гъвкава конструкция на разговорни приложения. Практическата готовност зависи от управлението на състоянието, грешките и реалните разходи на целия процес.



