同一周内的两次发布，指向两个相反的问题
OpenAI 的 API 能力面在同一周内动了两次，而这两项改动值得放在一起读，因为它们解决的是正好相反的问题。Agents API 回答的是"我怎样才能不再自己写 agent 循环"——OpenAI 现在托管一个 Codex harness，保存会话状态，然后把一个持久化 session 对象交给你的应用，而不是一段需要你自己重新拼装的 transcript。GPT-Live 1 回答的是另一个问题："我怎样才能让用户在语音助手说到一半时打断它？"它是一个全双工语音模型，边说边听，并把真正的推理交给后端 agent。
对集成团队来说，这两块正好是当下技术栈里最贵的胶水。编排与语音，是团队花几周去重建厂商本可以托管的基础设施的地方。对一个比价站而言，重要的不是发布稿，而是各自的单位成本、它强迫你放弃什么，以及它会悄悄让哪些现有技术栈过时。本文依据厂商官方文档把两者都拆开讲。
Agents API：以会话语义暴露的托管 Codex Harness
Agents API 让应用通过一个 由 OpenAI 托管的 API 访问 Codex harness。OpenAI 管理会话、编排、上下文压缩与恢复；你的应用提供工具并选择执行环境。文档构建一切概念的四个基础是：Agent（模型、指令、工具与 MCP server）、Environment（agent 读取文件、加载技能、运行命令的可选沙箱或计算机）、Session（agent 的持久化实例，负责执行任务并响应输入），以及 Events and items（一次会话中发送的输入与产生的输出）。
整个循环被刻意做得很短。你创建 session 并配置 agent，OpenAI 负责把环境准备好。你给它一个任务，环境就绪后即开始一轮工作。你通过流式输出或 webhook 跟踪进度，得知 agent 完成或需要输入。然后你要么继续同一个 session，要么在它执行途中进行干预。在托管模式下，你的应用只负责发送输入、接收事件。
托管 harness 真正提供的东西，恰恰是过去属于你代码库的那部分：在沙箱中运行命令与代码、应用技能与指令、通过工具或 MCP 连接外部数据、在 agent 工作时进行干预、对已完成工作进行摘要以管理上下文窗口、把工作拆成子任务并委派给 subagent，以及把 session 从中断处恢复。如果你曾经眼看着一个长时间运行的 agent 因为 transcript 超出模型上限而崩掉，那么"摘要"这一步就是最值得关注的地方。
它只是三种运行时之一，并不取代其余两种
文档里最有价值的内容是一张大多数发布报道都会跳过的对比表。OpenAI 现在提供三种运行 agent 的方式，它们之间并不互换：
| 运行时 | 谁运行循环 | 任务之间的状态 | 集成工作量 | 执行环境 |
|---|---|---|---|---|
| Agents API | OpenAI 运行托管的 Codex harness | 保存的会话配置、轮次与条目 | 低 | OpenAI 托管沙箱、自托管沙箱，或无沙箱 |
| Agents SDK | 你的应用；runner 处理循环与 handoff | 你自己的存储与 SDK 会话，或 Responses 会话状态 | 中 | 你的运行时与沙箱服务商集成 |
| Responses API | 你的应用，可选托管编排 | 手动历史、response 链式拼接，或 Conversations | 高 | 你自己的执行环境 |
实用的读法：如果你已经用 Agents SDK 构建了 agent 循环且运行良好，那么迁移到 Agents API 换来的是托管上下文压缩与恢复，代价是失去对部署、存储、审批与运行时集成的控制——而这四项恰恰是 SDK 存在的意义。如果你还在裸用 Responses API 手工维护历史，那么 Agents API 是更大的收益，因为会话持久化正是你目前一直在自己伪造的东西。
Agents API 的成本结构
Agents API 没有单独定价 SKU，而这一点最容易让成本预测出错。模型用量按所选模型的 API 费率计费；OpenAI 工具按其标准费率；OpenAI 托管沙箱按标准容器费率。因此一次 agent 会话的成本拆成三条线——token、工具、容器时间——而只有第一条是你已经熟悉的模型价格。
上限来自容器，因为长时间运行的 agent 会在整个会话期间占住一个容器。托管的 Shell 与 Code Interpreter 容器按每 20 分钟会话、每容器计费：
| 容器内存 | 每 20 分钟会话 | 折合每小时 agent 时间的上限 |
|---|---|---|
| 1 GB | $0.03 | $0.09 |
| 4 GB | $0.12 | $0.36 |
| 16 GB | $0.48 | $1.44 |
| 64 GB | $1.92 | $5.76 |
做预测时有两个脚注很重要。符合条件的容器会话按分钟计费，每个会话 5 分钟起，因此一批极短的 agent 运行会按每次五分钟计价，而不是按真实时长。另外这里的 GB 指二进制吉字节——1 GB 等于 2^30 字节——在你拿 64 GB 容器去装 60 GB 工作负载、却疑惑为什么装不下之前，这个区分无关紧要。
把模型叠上去，算术就变得具体了。厂商自己的示例中会话运行在 gpt-6-astra 上，价格为 每 100 万输入 token $10、每 100 万缓存输入 $1、每 100 万缓存写入 $12.50，以及 每 100 万输出 token $50。其上还有两条定价规则：输入超过 272,000 token 的请求，整个请求按输入与缓存费率的 2 倍、输出费率的 1.5 倍计费；batch 与 flex 模式按标准价的 50%，fast 模式按 2 倍。对一个先把仓库读一遍、然后反复迭代的编码 agent 来说，缓存输入那一条才是钱真正流向的地方——这也解释了为什么缓存写入要单独按未缓存输入费率的 1.25 倍计价。
开始原型开发之前应当读到的合规限制
文档把这一点写得很直白，而它恰恰是那种只有在你围绕该 API 完成架构之后才会显现的约束：Agents API 目前仅支持美国境内的数据驻留，并且不支持零数据保留（ZDR）。选择自托管沙箱并不会让 Agents API 具备 ZDR 资格。如果你的组织把 ZDR 当作硬性要求，那么无论它能替代多少编排代码，Agents API 都不在候选之列——因为托管 harness 本身就是产品，自托管沙箱并不能移动数据边界。
GPT-Live 1：全双工语音，外加一个真正干活的后端
GPT-Live 1 是 OpenAI 面向自然、富有表现力的语音对话、并能平滑处理打断的"旗舰模型"。模型 ID 为 gpt-live-1，其决定性能力是全双工：能够同时听说。整体架构把工作切成两半。GPT-Live 负责对话——听、说，并判断何时向后端求助。后端负责被委派的任务——推理、调用工具，并把结果返回给 GPT-Live 去表达。
这个切分才是最值得理解的设计决定，因为它正是 GPT-Live 与 Realtime API 的分野。用 Realtime，一个模型同时承担语音、推理与工具选择。用 GPT-Live，你可以独立于语音模型来挑选后端模型或 agent。文档把取舍讲得很直接：把详细指令、业务规则与工具工作流放在后端；把对话风格与委派触发条件放在给 GPT-Live 的简短提示里。你的应用依然负责权限、确认、私有函数执行与持久化任务状态。
有一个会对产品行为产生实际影响的细节：打断说话不会自动取消后端工作。后端任务运行期间对话可以继续进行，这正是"用户补一句细节、同时后端去查订单状态"显得自然而非故障的原因——也正是你在设计取消逻辑时必须考虑的事，因为让用户停止说话，并不等于让背后的任务停止。
GPT-Live 1 定价：按秒，而非按 token
语音按时长定价，这会改变你的建模方式。GPT-Live 1 会话为 每分钟 $0.05，按秒计费，且会话时长不会向上取整到整分钟。后端模型与工具用量按你所配置对象的标准费率单独计费。最后这句是必须内化的：$0.05 只买语音层。后端执行的每一次委派，都是第二张账单。
| 组件 | 价格 | 计费单位 |
|---|---|---|
gpt-live-1 语音会话 | $0.05 | 分钟，按秒，不向上取整 |
| 后端（Responses 或 client 委派） | 所配置模型的正常费率 | token |
gpt-live-transcribe | $0.017 | 分钟 |
gpt-realtime-translate | $0.034 | 分钟 |
gpt-realtime-whisper | $0.017 | 分钟 |
两种委派模式是决定成本结构的关键。用 Responses 委派，GPT-Live 调用一个受支持的 Responses 模型，提供对话上下文，并返回结果——托管省心，但两半都由你向 OpenAI 付费，且你的上下文会流出去。用 client 委派，由你的应用控制后端执行、上下文，以及哪些结果能到达 GPT-Live——这也是接入非 OpenAI 模型、或你已在运行的 agent harness 的方式。模式在创建 session 时选定；要更换就得开新 session。
速率限制与端点形态
语音会话按并发数而非每分钟请求数限流，且 GPT-Live 1 不支持免费档：
| 档位 | 并发会话数 |
|---|---|
| Tier 1 | 25 |
| Tier 2 | 50 |
| Tier 3 | 200 |
| Tier 4 | 300 |
| Tier 5 | 500 |
端点表是团队最容易踩坑的地方。GPT-Live 1 只支持 v1/live/sessions。Chat Completions、Responses、Realtime、实时转写与实时翻译端点、Assistants、Batch、微调、Embeddings、图像与语音端点——全部标记为不支持。支持的特性是流式与函数调用；结构化输出、微调与预测输出明确不支持。这是一个专用端点，而不是把新模型塞进旧 Realtime 路径，任何假定可以把现有 Realtime 客户端指向 gpt-live-1 的集成方案都需要返工。
输入模态为音频与文本，输出为音频与文本；图像与视频不支持，知识截止日期为 2025 年 7 月 31 日。连接方式覆盖了真实的部署形态：面向浏览器语音应用的 WebRTC（媒体轨传输音频、数据通道传输 JSON 事件）、面向服务端音频集成的 WebSockets、面向后端接入既有会话的 sideband 连接，以及电话接入的 SIP／电信指导。另外还有 LiveKit、Twilio、Telnyx 与 Daily/Pipecat 的官方合作路径——如果你的媒体管道已经存在、不希望替换，这点很重要。
两者在 Cloudflare Containers 上的交汇
连接这两项发布的桥梁来自 Cloudflare 自家 changelog，日期为 2026 年 9 月 10 日。Agents API 的 environment 概念允许你提供自托管执行环境，而不必使用 OpenAI 托管沙箱，而 Cloudflare Containers 现在可以充当其中之一，并以一个开源 Workers 模板作为参考实现。该 Worker 为每个 Codex 会话维持一个 Cloudflare Container，保持进行中的工作持续运行，在后续输入时重连，并在闲置时自动关闭。
经济逻辑是这部分值得单列一节而非一句脚注的原因。自托管执行环境把 agent 账单中的容器这一条，从 OpenAI 的每 20 分钟费率转移到你已经付费的基础设施上，同时保留你最初选择 Agents API 所要的托管 harness——会话、编排、上下文压缩、恢复。注意边界：自托管沙箱并不会让会话具备 ZDR 资格，因为管理 harness 仍然是编排者。它改变的是代码在哪里执行、容器花多少钱，而不是会话状态存放在哪里。
迁移决策，直说
如果你在 Realtime API 上跑语音产品，问题在于独立的后端推理是否值得换一个新端点。GPT-Live 的价值在于"说话的那个模型不是思考的那个模型"，因此后端可以是更强的模型、更便宜的模型，或一个你已经信任的 agent harness。如果你的语音 agent 只是单模型的轮流对话体验，Realtime 依然合适，迁移未必划算。
如果你为长时间运行的 agent 手工维护上下文，Agents API 能砍掉真实的代码量，同时也会砍掉控制权：除非走自托管环境路线，否则部署、存储与审批都会移到厂商侧。诚实的说法是，你是在用一套代码库换一个依赖，而这个交易只有在 harness 的那些特性——压缩、subagent 委派、恢复——是你本来也会做得很糟的东西时才划算。
如果合规要求 ZDR 或非美国驻留，到此为止。托管与自托管沙箱两种形态都不让 Agents API 具备 ZDR 资格，且目前驻留仅限美国。这是文档写明的约束，而不是可以在集成层绕过的限制。
结论
这两项发布回答的，都是过去由你自己的代码来回答的问题。对多数团队而言，Agents API 影响更大，因为 agent 编排胶水是纯粹的成本中心——没有客户会注意到你的上下文压缩器，他们只会注意到它失败的时候。它的定价结构奖励理解它的人：会话按 token 加工具加容器分钟计费，容器计时有 5 分钟下限，输入超过 272K token 的部分入库时按双倍计费。把这三条线建模正确的团队能预测账单；用 token 费率乘以 token 数的团队会被吓到。
GPT-Live 1 则是范围更窄但更干净的胜利。全双工加独立后端是语音的正确架构，端点形态清楚地说明了它不做什么，而每分钟 $0.05 按秒计费是可以直接写进表格、无需猜测的费率。需要注意的只是它仅为语音层定价——后端对话才是你真正要预测的变量，而这正是比价站的模型表发挥价值的地方。
这周这一对之所以值得注意，不是因为任一功能本身，而是它指向的方向：OpenAI 正在把 harness 与语音层产品化，这意味着集成团队剩下的差异化在向栈上层移动。接下来两个季度能赢的团队，是那些清楚知道自己还在手工维护 agent 栈中哪些部分的团队。
本文数据经 OpenAI 开发者文档（Agents API、GPT-Live 1、GPT-Live-Transcribe 与 GPT-6 Astra）、OpenAI 定价页，以及 Cloudflare 2026 年 9 月 10 日 changelog，于 2026 年 9 月 11 日核对。openai.com 营销页对自动抓取返回 403；本文所有数字均来自 developers.openai.com 文档，该站点可直接返回 markdown 版本。