- מה זה: המודל הקולי של OpenAI, בנוי בארכיטקטורת full-duplex: מקשיב ומדבר בו זמנית.
- מתי: ב-ChatGPT Voice מ-8 ביולי 2026, ב-API מ-10 בספטמבר 2026.
- מחיר: 5 סנט לדקה לשכבת הקול, בחיוב לפי שניות. מודל הרקע והכלים בנפרד.
GPT-Live-1 עצמו הוא רק שכבת השיחה. כשצריך לחשוב לעומק, לחפש או להפעיל כלים, הוא מעביר את העבודה למודל אחר ברקע, כמו GPT-6 Astra, וממשיך לדבר איתכם בזמן שהעבודה מתבצעת. זו הסיבה שהמחיר של 5 סנט לדקה הוא רק חלק מהחשבון.
רוב העוזרים הקוליים עובדים ככה: מחכים שתסיימו לדבר, מנחשים שסיימתם, ורק אז מתחילים לחשוב. ב-10 בספטמבר 2026 OpenAI הביאה למפתחים מודל שלא מחכה.
GPT-Live-1 מקשיב ומדבר באותו רגע. אפשר לקטוע אותו באמצע משפט, לעצור לחשוב בלי שהוא יקפוץ, לשנות כיוון, ולהמשיך כאילו יש מישהו בצד השני. הוא הופעל ב-ChatGPT Voice כבר ביולי, ועכשיו הוא זמין ב-API ב-5 סנט לדקה.
המדריך הזה עובר על כל מה שבדקנו מול המקורות הרשמיים ומול בדיקות עצמאיות: איך הארכיטקטורה עובדת, מה המספרים אומרים, מה זה עולה באמת, איך מחברים לטלפון, ומה עדיין לא פתור.
בקצרה
- מה זה: המודל הקולי של OpenAI, בנוי בארכיטקטורת full-duplex: מקשיב ומדבר בו זמנית.
- מתי: ב-ChatGPT Voice מ-8 ביולי 2026, ב-API מ-10 בספטמבר 2026.
- מחיר: 5 סנט לדקה לשכבת הקול, בחיוב לפי שניות. מודל הרקע והכלים בנפרד.
- החידוש המרכזי: חשיבה עמוקה, חיפוש והפעלת כלים עוברים למודל אחר ברקע, בזמן שהשיחה נמשכת.
- המספרים: 30 נקודות אחוז יותר מ-GPT-Realtime-2.1 ב-Full Duplex Bench, תגובה אחרי 0.8 שניות, מקום ראשון ב-Tau3 עם GPT-6 Astra.
- קולות: 12 חדשים, במבטאים ובשפות שונות.
- חיבורים: WebRTC לדפדפן, WebSockets לשרת, SIP לטלפוניה.
- עברית: אין הצהרה רשמית. בודקים בעצמכם לפני שבונים.
מה זה GPT-Live-1?
GPT-Live-1 הוא מודל קולי של OpenAI שמעבד את הקול הנכנס והיוצא ברציפות, במקום בתורות, ולכן יכול להקשיב ולדבר באותו רגע. הוא מטפל בשיחה עצמה: קצב, קטיעות, הפסקות, "אהה" של הקשבה. כשצריך לחשוב לעומק, לחפש או להפעיל כלי, הוא מעביר את המשימה למודל רקע וממשיך לדבר בינתיים.
זה מודל של שכבת שיחה, לא מודל של אינטליגנציה. ההבחנה הזאת היא המפתח לכל השאר: למחיר, לארכיטקטורה, ולמה שהוא לא יודע לעשות לבד.
שלושה דורות של קול ב-AI, בשתי דקות
כדי להבין למה זה חדש, כדאי לראות מה היה לפני. OpenAI עצמה מתארת שלוש גישות:
| דור | איך זה עובד | הבעיה |
|---|---|---|
| שרשור (cascaded) | זיהוי דיבור, מודל שפה, ואז סינתזה לקול | כל מעבר מוסיף עיכוב ומאבד מידע. תשובות איטיות ומקוטעות |
| מבוסס תורות (turn-based) | מודל אחד מעבד ומייצר קול, אבל בתורות נפרדים | חייב לחכות שתשתקו. הפסקה קצרה או רעש נחשבים "סוף התור", והוא קוטע בזמן הלא נכון |
| full-duplex (GPT-Live) | מודל אחד מעבד קלט ומייצר פלט ברציפות | מקבל החלטות כמה פעמים בשנייה: לדבר, להקשיב, לעצור, לקטוע, להפעיל כלי |
ChatGPT Voice המקורי היה שרשור. Advanced Voice Mode היה מבוסס תורות. GPT-Live הוא הדור השלישי.
מ-ChatGPT ל-API: ציר הזמן
8 ביולי 2026: OpenAI השיקה את GPT-Live ב-ChatGPT Voice, בשתי גרסאות, GPT-Live-1 ו-GPT-Live-1 mini. לפי החברה, יותר מ-150 מיליון אנשים מדברים עם ChatGPT מדי שבוע דרך קול והכתבה. במקביל, המשתמשים קיבלו שלוש רמות חשיבה: מיידית, בינונית וגבוהה, כשמאחורי הקלעים עבד GPT-5.5.
31 ביולי 2026: קול שנוצר עם GPT-Live קיבל סימן מים של SynthID, עם כלי אימות ציבורי ו-API לבדיקת מקור.
10 בספטמבר 2026: ההשקה ב-API, עם יכולות שנבנו למפתחים: העברת חשיבה למודל לבחירתכם, שליטה בטון ובקצב דרך הנחיית המערכת, תמלול מובנה, הטיית מילות מפתח, זיהוי תורות למי שצריך, וטלפוניה.
שלושה סרטונים: הסרטון הרשמי של OpenAI, גישה מוקדמת, ובדיקה ב-API
לבנות עם ChatGPT Voice: לשלוט במחשב ולנהל סוכנים בקול, מופעל על GPT-Live
Building with ChatGPT Voice
הסרטון הרשמי של OpenAI: שליטה במחשב וניהול כמה סוכנים ב-ChatGPT Work וב-Codex, רק בקול. הפיצ'ר מופעל על GPT-Live, ולכן יכול לדבר, להקשיב ולתאם עבודה באפליקציה באותו זמן. בסרטון: גיבוש רעיון לפיצ'ר, ניפוי שגיאות עם Codex, והשקה.
- איך מגבשים רעיון בקול ומעבירים אותו לסוכן
- ניפוי שגיאות עם Codex בלי להקליד
- מה קורה כשהעבודה מסתיימת ברקע
OpenAI · 23.7.2026 · דקה ו-9 שניות
גישה מוקדמת ל-GPT-Live-1 ב-ChatGPT: מה זה מרגיש לדבר עם מודל שלא מחכה
OpenAI gave ME early access to the new ChatGPT voice model (GPT-Live-1)
יוצר תוכן שקיבל גישה מוקדמת למודל ביום ההשקה ב-ChatGPT מדגים שיחות אמיתיות: קטיעות באמצע משפט, הפסקות לחשיבה, ואיך המודל מגיב כשמשנים כיוון. מתאים למי שרוצה לשמוע את ההבדל לפני שקורא על הארכיטקטורה.
FatherPhi · 8.7.2026 · 13 דקות
GPT-Live-1 ב-API ב-5 סנט לדקה: בדיקה של מפתח שקטע אותו באמצע שיחה
BREAKING: GPT-Live-1 Is in the API at 5¢ a Minute, I Interrupted It Mid-Call
בדיקה עצמאית יום אחרי ההשקה ב-API: מפתח מקים סשן, קוטע את המודל באמצע תשובה, ובודק איך הוא מתמודד עם רעש ועם שינוי נושא. שימושי כדי לראות את התהליך הטכני מקצה לקצה, ולא רק את ההדגמה של היצרן.
Hyperautomation Labs · 11.9.2026 · 10 דקות
הארכיטקטורה: שכבת קול ומודל רקע
הרעיון המרכזי ב-API הוא הפרדה בין שתי שכבות. השכבה הקדמית היא GPT-Live-1: מקשיבה, מדברת, ומחליטה מתי להעביר עבודה. השכבה האחורית היא המודל והכלים שאתם בוחרים: שם מתבצעים החשיבה, החיפוש והפעלת הכלים.
לפי OpenAI, אפשר לשלב מודל זול ומהיר למשימות בנפח גבוה, כמו תיאום פגישות ועדכוני הזמנה, ומודל חשיבה כמו GPT-6 Astra לבעיות מורכבות. אפשר גם לחבר מודל של ספק אחר. ההעברה מתבצעת בשני מסלולים: ניהול על ידי OpenAI (Responses delegation), או ניהול בצד שלכם (client delegation), כשהיישום שלכם מקבל את ההקשר, מריץ מה שצריך, ומחזיר תשובה לשכבת הקול.
קרדיט: OpenAI
התוצאה העסקית של ההפרדה הזו הופיעה בציטוט של מנהל הטכנולוגיות של חברת בריאות, Tony Stoyanov, בהודעת ההשקה: המעבר מארכיטקטורת שרשור ל-GPT-Live-1 "פישט את בסיס הקוד ב-80% והסיר 23 אלף שורות קוד".
המספרים: GPT-Live-1 מול GPT-Realtime-2.1
OpenAI פרסמה מדדים שמשווים את המודל החדש ל-GPT-Realtime-2.1 ול-GPT-Realtime-2. אלה מדדי ההשקה של היצרן, ולכן כדאי לקרוא אותם כנקודת פתיחה ולא כהוכחה סופית.
| מדד | מה הוא מודד | GPT-Live-1 | GPT-Realtime-2.1 |
|---|---|---|---|
| Tau3 (Voice) Intelligence | משימות שירות לקוחות בדיבור, בתחומי תעופה, קמעונאות וטלקום, עם GPT-6 Astra ברקע | 86.2% | 45.7% |
| Full Duplex Bench v1.5 Interactivity | תגובה לדיבור ברקע, לדיבור אל אדם אחר, לאישורי הקשבה ולקטיעות | 80.1% | 45.4% |
| Turn-taking latency | כמה מהר הסוכן מתחיל לענות אחרי שהמשתמש סיים | 0.798 שניות | 1.41 שניות |
קרדיט: OpenAI
קרדיט: OpenAI
קרדיט: OpenAI
במדד הפעלת הכלים (Full Duplex Bench v3), שבודק בקשות מדוברות עם הפסקות ותיקונים עצמיים, OpenAI מדווחת על 87% הצלחה בסדר קריאות הכלים.
שימו לב לכוכבית בתחתית מדד Tau3: התוצאה מושגת עם GPT-6 Astra ברמת חשיבה בינונית ברקע. המודל הקולי לבד לא מגיע לשם, וזה בדיוק העניין.
מה לקוחות ראשונים מדווחים
- Speak, אפליקציית לימוד השפות, מצאה בהערכות מוקדמות שהמודל נותן ללומדים יותר זמן לחשוב לפני שהמורה עונה, וקטיעות ירדו בכמעט 80% לעומת המערכת הקודמת מבוססת התורות.
- Yelp Host, שעונה לשיחות טלפון של הזמנות מקומות ואוכל, דיווח לפי מנהל הטכנולוגיות Alex Levy על שיפור בטיפול בשיחות, ועל מתקשרים שמדברים במשפטים מלאים וטבעיים יותר.
- Fin של Intercom ו-Devin של Cognition מופיעים גם הם ברשימת המשתמשים הראשונים, לצד Picsart ו-HeyGen.
קרדיט: OpenAI, Yelp
12 קולות חדשים
עד היום היו ב-API מעט קולות בזמן אמת. עם GPT-Live-1 OpenAI הרחיבה את הבחירה ל-12 קולות במבטאים, בניבים ובשפות שונות: Quartz, Ripple, Vesper, Willow, Stone, Gleam, Meridian, Bossa, Tempo, Beacon, Delta ו-Cinder. לפי החברה, אפשרויות הקול והשפות ימשיכו להתרחב בחודשים הקרובים. קול מותאם אישית למותג ניתן דרך צוות המכירות בלבד.
קרדיט: OpenAI
איך מתחברים: דפדפן, שרת וטלפון
לפי התיעוד, המודל עובד דרך נקודת קצה ייעודית, v1/live/sessions, ולא דרך Chat Completions או Responses. שלוש דרכי חיבור:
- WebRTC ליישומי דפדפן: ערוצי המדיה נושאים את הקול, וערוץ נתונים נושא את האירועים.
- WebSockets לשילובים בצד השרת.
- SIP וטלפוניה לסוכנים שעונים לשיחות טלפון.
הגדרת סשן בסיסית כוללת את שם המודל gpt-live-1, את המודאליות (קול וטקסט) ואת הנחיית השיחה, שבה מגדירים סגנון, טון, קצב, ומתי להעביר עבודה למודל הרקע.
מגבלת סשנים במקביל תלויה בדרגת החשבון: 25 בדרגה 1, 50 בדרגה 2, 200 בדרגה 3, 300 בדרגה 4 ו-500 בדרגה 5. תאריך הידע של המודל: 31 ביולי 2025.
קרדיט: OpenAI
כמה זה עולה באמת?
5 סנט לדקה הם רק שכבת הקול. החיוב לפי שניות, בלי עיגול לדקה שלמה, וזה טוב לשיחות קצרות. אבל כל חשיבה שמתבצעת במודל הרקע, כל חיפוש וכל הפעלת כלי מחויבים בנפרד, לפי הטוקנים של אותו מודל.
חישוב לדוגמה למוקד קטן:
- 1,000 שיחות בחודש, 4 דקות בממוצע: 4,000 דקות.
- שכבת הקול: 200 דולר.
- מודל הרקע: תלוי כמה מהשיחות דורשות חשיבה, ובאיזה מודל. שיחת אישור הזמנה כמעט לא עולה. שיחה שדורשת חיפוש במאגר ידע ושלוש הפעלות כלים עולה יותר.
בדיקה עצמאית שפורסמה השבוע העלתה נקודה שכדאי לקחת בחשבון בשירות לקוחות: החיוב לפי זמן שיחה, לא לפי פנייה שנפתרה. סוכן שמאריך בשיחה מייקר את החודש, גם אם הוא נחמד מאוד.
מה בדיקות עצמאיות מצאו
ההודעה הרשמית מספרת חצי סיפור. הנה מה שעלה מבדיקות של מפתחים ומבקרים בימים הראשונים:
מה עבד:
- ניהול התורות באמת השתנה. מבקר אחד כתב שזה המודל הקולי הראשון שבו הפסיק לנהל במודע מתי הוא מדבר ומתי מקשיב.
- מעבר בין שפות באמצע תשובה עבד היטב באחת הבדיקות, בתרגול צרפתית.
- הזמן שנחסך בקוד: צוותים שהחליפו ארכיטקטורת שרשור מדווחים על צמצום משמעותי.
מה פחות:
- בלי מודל רקע, התשובות שטחיות לפעמים. מגיב אחד סיכם: המודל לא חכם במיוחד בעצמו, הוא צריך להעביר את החשיבה הלאה.
- עודף "הנהונים". משתמשים דיווחו על יותר מדי "המממ" ו"אהה", ועל שכתוב של מה שאמרתם אחרי כל תשובה, שמעייף לאורך זמן.
- אין הקשר עסקי מובנה. המודל לא מכיר את מדיניות ההחזרות שלכם או את מערכת הכרטיסים. הכל מגיע דרך מודל הרקע והכלים.
GPT-Live-1 ועברית
OpenAI לא פרסמה רשימת שפות נתמכות ל-API. לגבי GPT-Live בכלל היא כותבת שהמודל עבר אופטימיזציה לשפות הנפוצות ב-ChatGPT, ושבחלק מהשפות ייתכן מבטא לא טבעי או פערי שטף, שהיא עובדת לשפר.
לפני שבונים סוכן קולי בעברית, ארבע בדיקות שאנחנו ממליצים להריץ על שיחות אמיתיות:
- שמות ומספרים: תעודות זהות, מספרי הזמנה, כתובות. המודל מציע "הטיית מילות מפתח" בדיוק בשביל זה.
- רעש רקע: שיחה מרכב או ממשרד פתוח.
- קטיעות: האם הוא באמת מפסיק כשקוטעים אותו בעברית, ולא רק באנגלית.
- מבטא: האם הקול נשמע כמו דובר עברית, או כמו תייר.
למי זה מתאים, ולמי לא
| מתאים | פחות מתאים |
|---|---|
| סוכנים טלפוניים לתיאום, הזמנות ועדכוני סטטוס | תרחישים שבהם כל שנייה של שיחה עולה כסף ואין דרך לקצר |
| לימוד שפות ותרגול שיחה | סוכנים שדורשים ידע עסקי עמוק בלי לבנות שכבת רקע |
| עוזרים בדיבור בתוך אפליקציות ותוכנות | ארגונים שצריכים קול ממותג בלי מגע עם צוות המכירות |
| החלפת ארכיטקטורת שרשור קיימת שסובלת מעיכובים | שפות שעדיין לא נבדקו על שיחות אמיתיות |
ומה זה אומר לעסק שלכם
הפער בין "עוזר קולי" ל"סוכן קולי" נסגר השבוע, ומי שיש לו מוקד טלפוני, גם קטן, צריך לשאול שאלה אחת: אילו שיחות אצלנו הן חוזרות, קצרות ומבוססות מידע ידוע? אישור תור, מצב הזמנה, שעות פתיחה, ניתוב. אלה השיחות הראשונות שכדאי לבדוק על המודל הזה, כי שם העלות נמוכה והסיכון קטן.
הסדר הנכון: קודם שכבת רקע שמכירה את העסק (מאגר ידע, כלים, כללי מדיניות), ורק אז שכבת הקול. מי שמתחיל מהקול מקבל סוכן שנשמע מצוין ולא יודע כלום. מדריך מעשי לבניית השכבה הזאת בעברית: סוכן AI לשירות לקוחות בעברית. ומי שרוצה להבין את מודל הרקע שמאחורי המספרים הטובים ביותר, ימצא אותו במדריך ל-GPT-6 Astra.
השורה התחתונה
GPT-Live-1 לא הפך את ה-AI לחכם יותר. הוא הפך את השיחה איתו לטבעית יותר, והוציא את החשיבה למקום אחר. זו הפרדה נכונה, וזו גם הסיבה שהמחיר של 5 סנט לדקה הוא רק ההתחלה של החשבון. מי שבונה נכון, עם מודל רקע שמכיר את העסק, מקבל לראשונה סוכן טלפוני שאפשר לקטוע באמצע משפט. מי שמחבר רק את הקול, מקבל שיחה נעימה מאוד עם מישהו שלא יודע כלום.
מקורות
- הודעת ההשקה ב-API: Build more natural voice experiences with GPT-Live-1 in the API, OpenAI, 10.9.2026
- Introducing GPT-Live, OpenAI, 8.7.2026
- עמוד המודל בתיעוד למפתחים: gpt-live-1
- ההכרזה בקהילת המפתחים של OpenAI
- סקירה עצמאית: GPT-Live-1 review, eesel AI
🎬 חדש · קורס וידאו
ChatGPT לעבודה בווידאו: מצ'אט לעובד דיגיטלי
50 שיעורים קצרים על מסכים אמיתיים: בקשות שמחזירות תוצאה, קבצים ופרויקטים, מסמכים ותמונות, מחקר עם מקורות, Work, משימות מתוזמנות ו-Plugins, ו-ChatGPT לכל מחלקה בעסק.
- ▶ 3 שיעורים ראשונים בחינם
- 🔄 מעודכן: Work, Plugins ו-Library
- 🎓 תעודת סיום
קורס במתנה עם ברכה אישית מכם, מסירה מיידית או בתאריך שתבחרו, וגישה לכל החיים.
קישורים רלוונטיים
שאלות נפוצות
יעקב צדק
מרצה AI מוביל בישראל, מטמיע בינה מלאכותית בארגונים מ-2021. מייסד LazySEO AI ומכללת צדק אקדמי, מוביל קהילות עם מעל 100,000 חברים. שותף רשמי של Meta, Google, Canva ו-TikTok.
עוד עליי ←