OpenAI resmi membuka model suara GPT-Live-1.1 untuk pengembang melalui API dengan ID model gpt-live-1.1 pada 19 November 2026 (20 November waktu Selandia Baru). Bersamaan dengan itu, OpenAI menambahkan mode standby, yaitu kondisi ketika sesi suara sedang hening tetap terhubung tetapi ditagih jauh lebih murah. Bagi siapa pun yang pernah membangun bot telepon atau layanan pelanggan berbasis suara, inilah perubahan yang paling terasa: kualitas percakapan naik sedikit, namun struktur biayanya berubah cukup banyak.
Sebelumnya, model ini sudah dipakai untuk suara di ChatGPT Plus dan Pro sejak 15 Oktober 2026. Kini model yang sama bisa dipakai di aplikasi sendiri lewat endpoint v1/live/sessions, dengan koneksi WebRTC atau WebSocket.
Empat perbaikan dibanding GPT-Live-1
OpenAI menyebut GPT-Live-1.1 sebagai model suara full-duplex: ia bisa mendengar sambil berbicara, bukan bergantian seperti sistem lama yang menunggu giliran. Dibanding versi 1, ada empat area yang diperbaiki menurut pengumuman resmi OpenAI:
- Aksen yang lebih natural dan konsisten di berbagai bahasa, termasuk aksen non-Inggris.
- Transkripsi ucapan yang lebih akurat.
- Penanganan detail presisi seperti huruf dan angka, misalnya nomor NIK, kode rekening, atau nomor tiket.
- Kepatuhan instruksi dan penyelesaian tugas yang lebih andal.
Perlu dicatat bahwa OpenAI tidak mempublikasikan satu pun skor benchmark untuk versi 1.1. Semua klaim peningkatan di atas bersifat pengakuan pihak OpenAI sendiri, bukan hasil evaluasi independen. Untuk keperluan pengadaan atau uji coba internal, kualitasnya sebaiknya tetap diuji memakai rekaman percakapan nyata milik instansi masing-masing, karena di situlah selisihnya akan terlihat.
Cara kerja standby dan hitungan biayanya
Standby adalah fitur yang paling konkret dalam rilis ini, sebab ia mengubah cara penagihan berjalan tanpa perlu mengganti arsitektur aplikasi. Pada sesi WebRTC, pengembang menyetel session.wake_policy.type ke speech, lalu menentukan session.idle_timeout_s antara 5 sampai 60 detik. Setelah durasi hening itu terlewati tanpa transkrip masuk atau keluar, inferensi model berhenti sementara, tetapi koneksi WebRTC dan ID sesi tetap hidup. Ketika pengguna kembali bicara, sesi melanjutkan percakapan dengan riwayat yang utuh.
Tarifnya dibagi menjadi dua keadaan:
- Aktif: 0,05 dolar AS per menit (setara 3 dolar AS per jam).
- Standby: 0,02 dolar AS per menit (1,20 dolar AS per jam), sekitar 60 persen lebih murah.
Contoh sederhana: satu panggilan 10 menit dengan 4 menit bicara dan 6 menit hening memakan biaya 4 x 0,05 + 6 x 0,02 = 0,32 dolar AS, bukan 0,50 dolar AS jika seluruh durasi dihitung tarif aktif. Pada layanan dengan ratusan panggilan per hari, selisih ini bukan angka kecil. Ada dua pengaturan tambahan: session.wake_policy.vad_threshold (0 sampai 1, default 0,5) untuk menentukan seberapa kuat bukti suara sebelum model bangun, serta peristiwa session.paused dan session.resumed yang bisa didengarkan aplikasi. OpenAI juga mengingatkan agar trek mikrofon tetap aktif selama standby, dan bahwa balasan pertama setelah ucapan pendek bisa sedikit lebih lambat.
Model suara yang menyerahkan pekerjaan berat ke backend
GPT-Live tidak dirancang menyelesaikan semua hal sendiri. Ia menangani percakapan, deteksi giliran bicara, dan transkrip, lalu menyerahkan penalaran berat serta pemanggilan fungsi ke model backend. Ada dua pola yang bisa dipilih: mode responses memakai model OpenAI di sisi mereka, sedangkan mode client menghubungkan backend milik sendiri. Instruksi sesi bisa mencapai 16.384 token, dengan konteks default 128.000 token. Artinya, biaya backend dan alat (tool) dihitung terpisah dari biaya menit suara, dan komponen inilah yang paling sering luput dalam perhitungan anggaran.
Sejak 2 November 2026, panggilan keluar via SIP juga sudah tersedia untuk organisasi di Live API, sehingga agen suara bisa dipakai untuk menelepon warga, bukan hanya menerima panggilan masuk.
Batasan yang perlu diketahui sebelum memilih
- Hanya tersedia di cloud OpenAI, tanpa bobot terbuka, tanpa varian terkuantisasi, dan tidak bisa dijalankan on-premise.
- Tidak mendukung gambar, video, maupun structured outputs; fine-tuning juga tidak tersedia.
- Fitur yang didukung baru sebatas streaming dan function calling.
- Batas sesi bersamaan untuk GPT-Live-1 dan 1.1 dihitung terpisah dan berlaku lintas region inferensi.
Dampaknya bagi instansi dan pelaku usaha di Indonesia
Untuk pemerintah daerah dan desa, pola yang paling wajar adalah layanan informasi suara: jam layanan kantor, syarat administrasi kependudukan, status pengajuan, atau pengingat jadwal. Dengan standby, panggilan yang dipenuhi jeda, ciri khas warga yang membaca dokumen atau menunggu arahan, tidak lagi membebani anggaran sebesar panggilan aktif. Sekolah bisa memakai pola serupa untuk informasi PPDB dan kehadiran, sedangkan UMKM memakainya untuk konfirmasi pesanan dan penjadwalan.
Namun ada tiga hal yang perlu dijaga. Pertama, data pribadi: audio percakapan dikirim ke server OpenAI di luar negeri, sehingga perlu dasar pemrosesan yang jelas dan kebijakan retensi sebelum dipakai untuk layanan publik. Kedua, jalur eskalasi manusia: agen suara sebaiknya punya tombol alih ke petugas, terutama untuk pengaduan. Ketiga, uji kualitas lokal: karena tidak ada benchmark resmi, uji dengan logat daerah, istilah administrasi, dan nomor dokumen yang khas Indonesia. Justru di situ klaim "lebih akurat untuk angka dan huruf" perlu dibuktikan sendiri.
Untuk pengembang, langkah paling murah adalah menghitung ulang ekonomi layanan yang sudah berjalan. Bila rata-rata panggilan punya banyak jeda, pindah ke GPT-Live-1.1 dengan standby berpotensi memotong komponen biaya suara secara signifikan tanpa mengubah arsitektur aplikasi. Sesi lama cukup diubah dengan menyetel model menjadi gpt-live-1.1 saat membuat sesi baru.
Sumber: MarkTechPost: OpenAI Ships GPT-Live-1.1 for Voice Agents, Cuts Idle Cost to $0.02/Min; OpenAI API: GPT-Live-1.1 (model page dan pricing); OpenAI Developer Community: GPT-Live-1.1 has arrived in the API.
