GPT‑Live‑1 يصل إلى API بسعر 0.05 دولار للدقيقة قبل كلفة التفكير

أتاحت OpenAI نموذج GPT‑Live‑1 للمطورين عبر API في 10 سبتمبر 2026، بسعر 0.05 دولار للدقيقة لطبقة الصوت الأمامية. وتثبت تغطية Tbreak ليوم الإطلاق أن الجلسة تُحاسب بالثانية، بينما تُضاف كلفة النموذج الخلفي والأدوات بصورة منفصلة.

يعني ذلك أن سعر الدقيقة ليس السعر الكامل للوكيل الصوتي: GPT‑Live‑1 يدير الاستماع والكلام، ثم يفوّض الاستدلال الأعمق أو تنفيذ المهام إلى خلفية يختارها المطور. وتؤكد تغطية The Decoder المنشورة في 10 سبتمبر توافر الواجهة، والسعر، وإمكان الجمع بين المحادثة كاملة الازدواج ونماذج خلفية مختلفة.

فاتورة من ثلاث طبقات وليست سعراً واحداً

تتكون الكلفة التشغيلية من ثلاثة أجزاء: زمن الجلسة الصوتية مع GPT‑Live‑1، واستهلاك النموذج الخلفي، واستخدام الأدوات أو الخدمات التي يستدعيها التطبيق. سعر 0.05 دولار يغطي الجزء الأول فقط؛ أما البندان الآخران فيتغيران باختلاف النموذج، وطول السياق، وعدد مرات التفويض، والأدوات المستخدمة.

في مثال افتراضي لمكالمة مدتها عشر دقائق، تبلغ كلفة الطبقة الصوتية 0.50 دولار: عشر دقائق مضروبة في 0.05 دولار. يضاف إلى ذلك استهلاك النموذج الخلفي وفق تسعيره، ثم أي رسوم للأدوات الخارجية أو الاتصال الهاتفي والبنية التشغيلية؛ وهذه البنود الأخيرة ليست مشمولة في نصف الدولار.

لهذا لا يوجد إجمالي موحد وصادق لمكالمة من عشر دقائق من دون وصف التنفيذ. قد تستخدم جلسة بسيطة تفويضاً خلفياً محدوداً، بينما قد تستدعي جلسة أخرى البحث أو معالجة مستندات أو سلسلة من عمليات الأنظمة الداخلية. وعبارة «كلفة التفكير» في العنوان وصف مختصر لهذه الطبقة الخلفية المتغيرة، وليست اسماً لبند فوترة مستقل.

الصوت يتحدث والخلفية تنجز المهمة

تفصل البنية بين المحادثة والعمل الأعمق. يستقبل GPT‑Live‑1 الصوت وينتج الرد ويقرر متى يطلب المساعدة؛ ثم يتولى نموذج أو وكيل خلفي الاستدلال وقواعد العمل واستدعاء الأدوات، ويعيد النتيجة إلى الطبقة الصوتية كي تقدمها للمتصل.

يمكن تمثيل المسار بهذه الصورة: صوت المستخدم، ثم GPT‑Live‑1، ثم طلب تفويض، ثم النموذج الخلفي والأدوات، وأخيراً نتيجة تعود إلى المحادثة. يسمح هذا الفصل باستمرار التفاعل الصوتي أثناء عمل الخلفية، لكنه يجعل السعر النهائي تابعاً لما يجري بعد التفويض، لا لمدة المكالمة وحدها.

كما أن مقاطعة المتصل للرد الصوتي لا تعني تلقائياً إلغاء المهمة الجارية في الخلفية. إذا غيّر المستخدم طلبه أثناء فحص حالة طلب أو إعداد معاملة، فعلى التطبيق تحديد ما إذا كان سيُبقي العملية، أو يلغيها، أو يستبدلها بمهمة جديدة؛ وإلا قد تصل نتيجة قديمة إلى محادثة تغيّر سياقها.

الربط والمسؤوليات يختلفان حسب بيئة التطبيق

توضح وثائق البدء الرسمية مع GPT‑Live أن WebRTC مخصص لتطبيقات الصوت في المتصفح، وWebSocket للتكاملات الصوتية على الخادم، مع مسارات للتحكم من جانب الخادم والاتصالات الهاتفية وSIP. كما تنص على إبقاء مفتاح المشروع في خادم موثوق، وعلى أن التطبيق يملك الصلاحيات والتأكيدات وتنفيذ الدوال الخاصة والحالة الدائمة للمهام.

في المتصفح، تحمل مسارات WebRTC صوت الميكروفون والتشغيل، فيما تنقل قناة البيانات أحداث JSON، ويُنشئ الخادم الموثوق الجلسة. أما مركز الاتصال الذي يعالج الصوت على خوادمه فقد يستخدم WebSocket، في حين تحتاج المكالمات الهاتفية إلى مسار SIP أو تكامل مناسب مع مزود الاتصالات.

هذه الحدود مهمة قبل الإجراءات ذات الأثر، مثل إلغاء حجز أو تعديل عنوان أو إصدار رد مالي. يستطيع النموذج الصوتي طلب موافقة المستخدم داخل الحوار، لكن التطبيق هو الذي يجب أن يتحقق من الهوية ونطاق الصلاحية، ويسجل التأكيد، ويمنع تكرار التنفيذ إذا أُعيد الاتصال أو وصل الحدث أكثر من مرة.

اختبار العربية يجب أن يشمل المهمة لا جودة الصوت فقط

تحتاج تطبيقات الشرق الأوسط وشمال أفريقيا إلى تقييم العربية واللهجات ضمن ظروف الاستخدام الفعلية. سلاسة تبادل الأدوار لا تثبت وحدها أن النظام فهم اسماً أو مبلغاً أو عنواناً على نحو يسمح بتنفيذ معاملة صحيحة، ولذلك ينبغي فصل جودة المحادثة عن صحة النتيجة الخلفية.

يمكن أن تغطي خطة قبول مناسبة ما يلي:

• العربية الفصحى واللهجات التي يستقبلها التطبيق فعلياً، مع الانتقال المعتاد إلى الإنجليزية أو الفرنسية داخل الجملة.
• الأسماء الشخصية وأسماء المدن والعناوين وأرقام الحسابات والمبالغ والتواريخ، مع مقارنة النص المستخرج بالقيمة التي وصلت إلى الأداة.
• المقاطعات والتردد والصمت والكلام المتزامن، مع التحقق من المهمة الخلفية التي بقيت نشطة أو أُلغيت بعد تغير الطلب.
• ضوضاء الشارع والمركبة والمكتب واختلاف جودة شبكة الهاتف، بدلاً من الاكتفاء بصوت مسجل في بيئة هادئة.
• عودة النتيجة من النموذج الخلفي باللغة والسياق الصحيحين، وعدم إسقاط قيد أضافه المتصل أثناء تنفيذ المهمة.

ويُفضّل قياس عناصر منفصلة: فهم المقصد، وصحة الأرقام والأسماء، وزمن بدء الرد، وسلامة استدعاء الأداة، ونجاح المهمة النهائية. فقد تبدو المكالمة طبيعية بينما تُرسل قيمة خاطئة إلى نظام الحجز، أو تكون نتيجة الخلفية صحيحة لكن تُقرأ صوتياً بطريقة ملتبسة.

ما ثبته الإطلاق وما لا يزال متغيراً

المؤكد منذ 10 سبتمبر 2026 هو توافر GPT‑Live‑1 عبر API، وتسعير طبقته الصوتية عند 0.05 دولار للدقيقة مع القياس بالثانية، وفصل كلفة النموذج الخلفي والأدوات. والمؤكد أيضاً أن التطبيق، لا الطبقة الصوتية، يحتفظ بالصلاحيات والتأكيدات والحالة الدائمة للمهام.

أما الكلفة الكاملة لكل مكالمة فلن تتضح إلا بعد اختيار النموذج الخلفي والأدوات ومسار الاتصال وقياس معدل التفويض الفعلي. وفي التطبيقات العربية، ستبقى الجاهزية التشغيلية مرتبطة بنتائج اختبار اللهجات والأسماء والضوضاء والمقاطعات، وبقدرة النظام المحيط على منع الإجراءات غير المصرح بها أو المكررة.

اقرأ أيضًا:

• تلسكوب Roman يصل إلى صاروخه قبل إطلاق يلاحق المادة المظلمة
• Stoke تجمع مليار دولار، لكن صاروخ Nova لم يصل إلى المدار بعد
• Starcloud تجمع 250 مليون دولار لكن عنق الزجاجة هو الوصول إلى المدار