Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Agents API, GPT-Live 1 és Decisions API

10. lecke 12 közül Frissítve 2026. november 5. Középhaladó
Ezen az oldalon
  1. Az Agents API: Hostolt ügynök
  2. GPT-Live 1: Teljes duplex hang az API-ban
  3. A Decisions API: Gyors, típusozott válaszok
  4. Egyéb őszi frissítések
  5. Rajtad a sor
  6. Főbb megállapítások

A modellek csupán egy részét képezik az őszi bejelentéseknek. Fejlesztőként három API változtatja meg a munkafolyamataidat: az Agents API, amely az orchestrációt az OpenAI-ra bízza; a GPT-Live 1, amely mostantól valós idejű hangalapú kommunikációra is elérhető az API-ban; valamint a Decisions API, amely szövegeket és képeket alakít át típusozott válaszokká. Ez a lecke a változásnapló és a hivatalos bejelentések alapján tárgyalja ezeket, majd végigvezet az ősz többi frissítésén is.

Az Agents API: Hostolt ügynök

  1. szeptember 10-én nyilvános béta verzióban megjelent Agents API lehetővé teszi, hogy ugyanazon a keretrendszeren építs ügynököket, amelyen a Codex is fut, és amelyet az OpenAI tart fenn. Az OpenAI kezeli a munkamenetek orchestrációját, a kontextus tömörítését, amikor a munkamenet közelít a limithez, valamint a helyreállítást incidensek után. Tartós munkamenetekkel dolgozhatsz, amelyek lehetővé teszik a munka folytatását több körön át, és valós időben követik a haladást.

Egyetlen hívással hozhatsz létre egy munkamenetet, amelyben leírod a feladatot, a modellt, az eszközöket és a futtatási környezetet. Az eszközök lehetnek MCP szerverek, saját függvényeid vagy beépített eszközök, mint például a webes keresés; az eszközkeresés csak szükség esetén tölti be a definíciókat, és a Programmatic Tool Calling alapértelmezés szerint engedélyezett (5. lecke). A többügynökös opció lehetővé teszi, hogy az elsődleges ügynök független részfeladatokat delegáljon párhuzamosan dolgozó alügynököknek, amelyek mindegyike saját kontextussal rendelkezik. Az ügynök egy az OpenAI által hostolt homokozóban (sandbox), a saját infrastruktúrádon vagy egy partner környezetében fut: az OpenAI kifejezetten a Cloudflare-t, az E2B-t, a Modalt és a Vercelt említi.

Néhány héten belül több kiegészítés is érkezett. Szeptember 29-én az Agents API megkapta a számítógép-használat funkciót: az ügynök feladatokat hajt végre egy az OpenAI által hostolt böngészőben, miközben az alkalmazásod kezeli az oldaljóváhagyást és a bejelentkezést. Október 9-től előmelegítheted a homokozót, mielőtt egy munkamenetet csatlakoztatnál hozzá, csökkentve a felhasználói várakozási időt, és a hostolt homokozók számlázása mostantól csak az aktív körökre vonatkozik. Október 16-tól ezek a homokozók integrálták a készségeket táblázatok, prezentációk és Word-dokumentumok létrehozására és szerkesztésére, az Agents API pedig megkapta az Ultrafast módot.

Bárkinek, aki az Agent Builderrel dolgozik, ez fontos: az OpenAI 2026. november 30-án leállítja az Agent Buildert, és a felhasználókat az Agents SDK vagy a ChatGPT munkaterületi ügynökei felé irányítja. A 12. lecke részletezi ezt az ütemtervet.

GPT-Live 1: Teljes duplex hang az API-ban

Júliusban a GPT-Live újraépítette a ChatGPT hangfunkcióját, de az API még nem volt nyitott. Ez 2026. szeptember 10-én megváltozott: a GPT-Live 1 általánosan elérhetővé vált. Lehetővé teszi teljes duplex hangalapú beszélgetések létrehozását, amelyek folytatódnak, miközben a háttérben egy modell vagy ügynök következtetéseket von le és eszközöket hív meg. Két delegálási mód létezik: egy OpenAI modellhez (például GPT-6 Astra) a Responses API-n keresztül, vagy a saját backendedhez, amely támaszkodhat egy másik szolgáltatóra is. A hangmunkamenet költsége percenként 0,05 USD, másodpercre lebontva számlázva; a háttérmodell és az eszközök használata külön számlázódik.

Október 16-án az OpenAI minden API-ügyfél számára elérhetővé tette a hangok létrehozását szöveges leírás alapján (ingyenesen), és hozzáadott kilenc természetes hangot, köztük kettőt franciául: Brise és Sillage. Átiratolás céljára július 28-án két modell indult: a gpt-transcribe fájlokhoz, és a gpt-live-transcribe valós idejű streaminghez. Ezek leváltják a whisper-1 és a gpt-4o-transcribe családot, amelyek tervezett elavulási dátuma 2027. február 26.

A Decisions API: Gyors, típusozott válaszok

A Decisions API, amelyet október 6-án indítottak béta verzióban, és október 22 óta általánosan elérhető a GPT-6 Luna modellel, egy nagyon gyakori igényt elégít ki: kérdések sorozatának feltevését egy modellnek szövegről, képről vagy strukturált adatokról, és típusozott válaszok fogadását. Az OpenAI jelentése szerint a döntések akár tízszer gyorsabban születnek meg, mint ha a GPT-6 Lunát a Responses API-n keresztül hívnád meg. Az általános elérhetőség óta egy kérés legfeljebb 400 kérdést tartalmazhat (a béta idején ez 200 volt); a gyakori bemenetek gyorsítótárazhatók, képek jelenhetnek meg egy kérdés utasításaiban, és a strukturált adatok közvetlenül az input_json segítségével adhatók át. Október 15 óta integrálódik a GPT-Live-val is: egy hangalapú alkalmazás cselekedhet, miközben a felhasználó beszél.

Gondolj rá jegykezelés (ticket triage), kérések útvonalazása, dokumentum-megfelelés ellenőrzése vagy néhány mező kinyerése ezer dokumentumból: ahol korábban osztályozási promptot és kimeneti sémát írtál, ott most elegendő egy sor típusozott kérdés.

Három API három igényre Három oszlop. Agents API: hosszan futó, hostolt ügynökökhöz, szeptember 10. óta nyilvános bétában, munkamenetekkel és alügynökökkel. GPT-Live 1: valós idejű hanghoz, szeptember 10. óta elérhető, teljes duplex delegálással. Decisions API: tömeges típusozott válaszokhoz, október 22. óta elérhető, legfeljebb 400 kérdés kérésenként. 2026 ŐSZ Három API három igényre Agents API Cél Hosszan futó, hostolt ügynökök Elérhető Szept. 10., nyilvános béta Fő funkció Munkamenetek és alügynökök GPT-Live 1 Cél Valós idejű hang Elérhető Szept. 10., elérhető Fő funkció Teljes duplex, delegálás Decisions API Cél Tömeges típusozott válaszok Elérhető Okt. 22., elérhető Fő funkció 400 kérdés kérésenként
Az OpenAI API változásnaplója (2026. november) és az OpenAI 2026. szeptemberi és októberi bejelentései alapján.

Egyéb őszi frissítések

DátumFrissítés
2026. szeptember 8.GPT Image 2.5 Sunburst és Flare, képgeneráláshoz és szerkesztéshez
2026. október 6.Az API-használati szintek csökkentése ötről háromra: Build, Launch és Grow
2026. október 20.A prompt gyorsítótárazás kiterjesztése 12 órára
2026. október 21.Projektalapú kiválasztás az engedélyezett szolgáltatási szintekhez
2026. október 28.Legfeljebb 500 USD értékű ingyenes API-jóváírás havonta a jogosult ChatGPT Pro és Business előfizetők számára
2026. október 30.GPT-6 Rosalind, élettudományi kutatásokhoz, jóváhagyott hozzáférési programon keresztül
2026. november 4.GPT-Image-2.6 Sunburst és Flare: állítható komplexitás, SVG és animált GIF generálás
2026. november 5.GPT-6-Cyber, sebezhetőségi kutatásokhoz engedélyezett környezetekben, jóváhagyás esetén

Rajtad a sor

Válaszd ki a megfelelő API-t. Válassz ki három igényt a szervezetedben: például egy ügynököt, amely napi incidens-összefoglalót készít; egy telefonrendszert, amely útvonalazza a hívásokat; és 5000 bejövő e-mail napi triázsolását. Mindegyik esetében add meg, melyik API-t próbálnád ki először – az Agents API-t, a GPT-Live 1-et, a Decisions API-t vagy csak a Responses API-t –, és indokold meg döntésedet. Jegyezd fel, mit mérnél a választásod megerősítésére.

Hivatalos források: OpenAI API változásnapló · GPT-Live 1 (OpenAI API dokumentáció) · Az Agents API bemutatása · GPT-Live 1 az API-ban · Decisions API (OpenAI)

Főbb megállapítások

  • Az Agents API (nyilvános béta, szeptember 10.) hostolja az ügynök-orchestrációt: tartós munkamenetek, tömörítés, alügynökök, homokozók, számítógép-használat
  • A GPT-Live 1 szeptember 10. óta elérhető az API-ban, percenként 0,05 USD költséggel a hangmunkamenetre; két francia hangot adtak hozzá október 16-án
  • A gpt-transcribe és a gpt-live-transcribe leváltja a régebbi átiratoló modelleket 2027. február 26. előtt
  • A Decisions API (október 22. óta elérhető) típusozott válaszokat állít elő nagy méretben a GPT-6 Luna segítségével