OpenAI GPT-Live-1 與 GPT-6 Astra 發布後，開發者應該怎麼用？即時語音、AI Agent 與 API 實戰

一句話導讀：同一週落地兩個名字，很多人把它們當成「又一個更強的 ChatGPT」——真正卡住開發者的，通常不是模型名，而是語音層、推理層和本機執行面該不該綁在一起。 下文按即時語音、Agent 後端和 API 三條線拆開，先講怎麼接，再講帳單和隔離。

先分清兩件事：說話的模型和做事的模型

2026 年 9 月，OpenAI 連續放出兩塊積木：3 日開始投放 GPT-6 Astra，10 日把 GPT-Live-1 開進 API。站內更早的 GPT-6 發布時間預測回答「什麼時候來」；Astra 安全隱憂 回答「開了之後爆炸半徑有多大」。本篇回答第三問：已經來了，開發者該怎麼接。

官方把職責切得很乾淨。GPT-Live-1 是全雙工語音前端：聽、說、處理打斷，並決定何時把活交給後端。Astra（或 Terra / Luna）才是推理、查資料、調工具的那一層。Realtime API 把語音、推理和工具選在同一個模型裡；GPT-Live 把對話和任務拆開，會話還能在後端幹活時繼續進行。

GPT-Live-1：即時語音層怎麼接

GPT-Live-1 先在 ChatGPT 裡出現，9 月 10 日進入 API。它能同時聽和說，官方評測裡 Full Duplex Bench 比 GPT-Realtime-2.1 高出約 30 個百分點；配對 Astra（中等推理力度）時，在衡量端到端語音 Agent 的 Tau3 上排第一。Speak 的早期評估稱，語言學習者被打斷的次數比舊的輪轉系統少了近 80%。

開發者真正要選的是連線方式，不是再找一個「更會說話的 Chat Completions」：

• WebRTC：瀏覽器語音。麥克風和揚聲器走媒體軌，JSON 事件走資料通道。瀏覽器只出 SDP，專案金鑰留在伺服器。
• WebSocket：伺服器端音訊整合，一條連線同時帶音訊和控制事件。
• 電話 / SIP：把現有通話接進來。已有 LiveKit、Twilio、Telnyx 或 Daily/Pipecat 的，走官方合作方接入。

限流按並行會話計，不按 token：Free 不可用；Tier 1 為 25 路，Tier 5 到 500 路。語音層報價是每分鐘 0.05 美元，按秒計、不向上取整到整分鐘。知識截止日期是 2025 年 7 月 31 日；目前不接圖像，也不支援 Structured Outputs 或微調。

會話建立後，用 session.started 確認通道就緒，再開口。需要旁路監控或熱改指令時，加一條伺服器端 sideband WebSocket，音訊仍走主連線。轉寫、關鍵詞偏置和輪次偵測是內建的，不必再疊一層 STT。

GPT-6 Astra：Agent 後端怎麼接

Astra 是文字推理旗艦，模型 ID gpt-6-astra，走 Responses / Chat Completions / Bedrock，不走 Live 會話本身。企業 ChatGPT 工作區預設關閉，要管理員打開。API 報價約為每百萬輸入 token 10 美元、每百萬輸出 50 美元；符合條件的客戶可開 Zero Data Retention。

接到語音產品裡時，Astra 只應出現在委託設定裡，而不是再開一條並行的聊天補全去搶同一段對話。官方給了兩種委託：

建立會話時就要選定模式；中途改模式會報 immutable_field_update，只能新開。Responses 委託支援 function 和 web_search，以及後端模型自帶的 reasoning / text / max_output_tokens。自訂函式仍由你的伺服器執行，並做權限和確認。需要更低延遲時，可把 delegation.responses.service_tier 設為 priority（若專案已開通 Fast）。

Astra 的安全邊界沒有因為「接到語音裡」而自動變鬆。公開版仍拒絕高階進攻任務；企業工作區預設關閉。把高權限 Agent 掛到日常電腦上的代價，見 Astra 安全隱憂 和 權限交出決策。

三種落地組合：先選場景再選模型

官方自己也寫了：排班、查單用便宜後端，複雜客訴再升到 Astra。不要預設「語音產品 = 全程 Astra」。

組合 C 才需要按 AI Agent 基礎設施分層 把身分、磁碟和日誌拆開。24 小時常駐的編碼 Agent 同樣不要和語音會話共用一份 .env，見 24 小時 AI Coding Agent 部署。

API 實戰：WebRTC + Responses 委託

最小可用鏈路是：瀏覽器採集麥克風 → 你的 HTTPS 伺服器用專案金鑰建立 Live 會話並交換 SDP → 媒體軌出聲 → 資料通道收轉寫和委託事件。下面這段是官方 Session 設定的 Astra 版本——文件範例預設寫 gpt-5.6-terra，旗艦語音 Agent 再換成 Astra。

/** @type {import("openai/resources/live/live").SessionConfig} */
export const session = {
  model: "gpt-live-1",
  instructions: "你是客服语音助手。寒暄、澄清、报进度自己说；查单、改约、退款必须委托后端。",
  delegation: {
    type: "responses",
    responses: {
      model: "gpt-6-astra",
      instructions: "只处理已授权的订单查询与改期。写操作先走函数，等应用确认后再继续。",
      tools: [
        { type: "web_search" },
        {
          type: "function",
          name: "lookup_order",
          description: "按订单号查询只读状态",
          parameters: {
            type: "object",
            properties: { order_id: { type: "string" } },
            required: ["order_id"]
          }
        }
      ],
      tool_choice: "auto",
      parallel_tool_calls: true
    }
  }
};

伺服器側用專案金鑰呼叫 POST /v1/live/sessions，把瀏覽器的 SDP offer 換成 answer，再回給 RTCPeerConnection。金鑰和 Session 設定都不要離開這台伺服器。函式真正執行時，從巢狀的 response.output_item.done 讀取 call_id / name / arguments，跑完授權操作後把結果作為 Responses item 追加回去。終端快照裡的 response.output: [] 不代表沒有待處理的函式呼叫。

# 伪代码：可信服务器上交换 SDP，切勿把 OPENAI_API_KEY 下发到浏览器
import os, requests

def create_live_session(sdp_offer: str, session_config: dict) -> str:
    r = requests.post(
        "https://api.openai.com/v1/live/sessions",
        headers={
            "Authorization": f"Bearer {os.environ['OPENAI_API_KEY']}",
            "Content-Type": "application/sdp",
        },
        params={"model": "gpt-live-1"},
        data=sdp_offer,
        timeout=20,
    )
    r.raise_for_status()
    return r.text  # SDP answer → 回给浏览器 setRemoteDescription

會話進行中可用 session.update 熱改後端模型、指令和工具，不必重連。把 delegation 設為 null 會切到 Client 模式，且不能把已經在跑的 Responses 會話改回去。旁路監護可以用 session.instructions.append（delegation_id: null）把對話扳回來，這只影響 Live 模型，不會改 Astra 提示，也不會取消已經在跑的委託。

帳單、限流和隔離

語音和推理是兩張帳單。Token 單價怎麼比，見 Token 價格對照；這裡只記和 Live + Astra 綁在一起時會漏算的部分。

隔離清單和安全文是同一套，只是語音產品多了一條「會話常駐」：

1. 金鑰只在伺服器。 瀏覽器只提交 SDP 和播放音訊。
2. 寫工具預設要人確認。 查單可以自動；退款、改庫存、推程式碼必須過你的確認關。
3. Agent 身分和日常桌面拆開。 高權限函式、Git token、生產 .env 放到獨立 Cloud Mac 節點，主力電腦只審紀錄和合併。
4. 日誌要能回答三句。 哪次 Live 會話、哪次委託、改了什麼。做不到就還沒有稽核。
5. 企業工作區保持預設關閉。 需要再用管理員打開；個人訂閱也不要把 Astra 一次性接到生產倉庫。

正確理解：GPT-Live-1 降低的是說話成本，不是爆炸半徑。常見誤判是「語音層很貴所以全程開 Astra，一次委託解決」——更穩的做法是組合 B 接量，組合 C 接難，並且不在筆電上跑寫操作。

常見問題

GPT-Live-1 和 GPT-6 Astra 是同一個模型嗎？
不是。Live-1 是全雙工語音前端；Astra 是文字推理與工具後端。官方建議配對使用，而不是讓一個模型同時幹兩件事。

應該從 Realtime API 立刻遷到 GPT-Live-1 嗎？
瀏覽器和全新語音產品優先遷。已經穩定的 Realtime 流水線可以先對照延遲和打斷再遷。換委託模式要新開會話，不能熱切換。

語音會話會不會把 Astra 的 token 帳單一起算進去？
不會混在一筆裡。語音層按秒計費，約每分鐘 0.05 美元；Astra 和工具按各自的 Responses 報價另算。

API 金鑰能不能直接放進前端頁面？
不能。專案金鑰必須留在可信伺服器。瀏覽器只提交 SDP，由伺服器呼叫 POST /v1/live/sessions 換回應答。