OpenAI 公布 GPT-Live-1 生产级基准评测：多轮交互与工具调用全面提升

OpenAI 公布了 GPT-Live-1 在生产级场景下的基准测试表现，重点展示了其任务完成度与多轮交互能力。

• OpenAI 于 2026 年 9 月 10 日公布评测数据，测试聚焦任务完成率、轮次切换响应、延迟以及工具调用能力。
• 在涵盖航空、零售与电信客服场景的 Tau3 基准评测中，GPT-Live-1 搭配中等推理强度的 GPT-6 Astra 实现了 83.6% 的首轮任务完成率。
• 测试数据展示了端到端语音模型在配合后台推理模型时处理结构化业务流程的实际表现。
• 影响/看点：量化基准数据的披露为智能客服与语音助手提供了落地选型参考，实际生产价值取决于特定行业复杂业务流程下的纠错率与异常处理能力。
• 资料依据：
• OpenAI Developers（2026-09-10）：https://x.com/OpenAIDevs/status/2098118242548281588

本内容由 AI 生成，仅供参考，请注意甄别