Add GPT-Live-1 evidence with protocol and backend boundaries

index.html

@@ -279,7 +279,7 @@
                   <th>多久得到有用结果</th>
                   <td>有效答案时延、任务完成时延</td>
                   <td>
-                    “我查一下”与包含所需信息的答案分别计时。工具最终状态与语音告知分别验收。
+                    “我查一下”与首个正确、相关信息的实际播放分别计时。工具最终状态与语音告知分别验收。
                   </td>
                 </tr>
                 <tr>
@@ -524,8 +524,8 @@
                   </td>
                 </tr>
                 <tr>
-                  <th>Qwen3-Omni</th>
+                  <th>Qwen3-Omni-30B-A3B</th>
-                  <td>输入音频特征约 80 ms / 步</td>
+                  <td>每帧输入表征约覆盖 80 ms 音频</td>
                   <td>
                     作者估算音频首包在并发 1 / 4 / 6 时为 234 / 728 / 1172
                     ms。该值属于服务端理论首包口径。[5]
@@ -704,7 +704,7 @@
             <div class="figure-heading">
               <div>
                 <span class="figure-label">FDB v3 · 2026-04 · 作者报告</span>
-                <h3>首次开口与有效答案的距离</h3>
+                <h3>首次开口与关键回答的距离</h3>
               </div>
               <span class="evidence-tag reported">来源报告值</span>
             </div>
@@ -712,20 +712,24 @@
               id="benchmark-chart"
               class="benchmark-chart"
               role="img"
-              aria-label="四种系统首次开口与有效答案时延的对照"
+              aria-label="四种系统首次开口与关键回答起始时延的对照"
             ></div>
             <div class="chart-legend">
               <span><i class="legend-input"></i>首次开口</span
-              ><span><i class="legend-compute"></i>有效答案</span>
+              ><span><i class="legend-compute"></i>关键回答开始</span>
+            </div>
+            <div class="benchmark-missing">
+              <strong>GPT-Live-1</strong>
+              <span>原始论文尚无该配置的两项时延，补充数据见下方。</span>
             </div>
             <div class="table-wrap">
               <table class="benchmark-table">
                 <thead>
                   <tr>
                     <th>配置</th>
-                    <th>任务成功率</th>
+                    <th>作者报告的 Pass@1</th>
                     <th>首次开口</th>
-                    <th>有效答案</th>
+                    <th>关键回答起始延迟</th>
                     <th>应答率</th>
                     <th>抢话率</th>
                   </tr>
@@ -763,22 +767,120 @@
                     <td>78.0%</td>
                     <td>19.2%</td>
                   </tr>
+                  <tr class="missing-data-row">
+                    <th>GPT-Live-1 · 补充配置</th>
+                    <td>见下方独立报告</td>
+                    <td>—</td>
+                    <td>—</td>
+                    <td>—</td>
+                    <td>—</td>
+                  </tr>
                 </tbody>
               </table>
             </div>
             <p class="figure-intro">
-              首音与有效答案为论文平均时延。抢话沿用论文的负话轮间隔口径，重叠是否合适仍需按情境判断。<a
+              两列时延从用户说完计时，取作者均值。关键回答的终点为关键事实或确认句开始，正确性与无应答样本的均值分母披露有限。抢话沿用负话轮间隔口径。<a
-                href="https://arxiv.org/html/2604.04847v1"
+                href="https://arxiv.org/pdf/2604.04847v1"
-                >论文表 2 与表 6 ↗</a
+                >论文表 2、表 6 与附录 A.3 ↗</a
               >
             </p>
           </div>
           <p>
-            两段式在这批配置中更早开口，成功率仍低于该级联基线。不同原生语音系统也表现出速度与应答覆盖率的取舍。论文将
+            Pass@1
+            沿用作者报告，核心要求工具选择与参数正确，论文另报回答质量和应答率，完整通过判据披露有限。较早开口、关键回答起始和正确完成任务需要分别评价。论文将
             Ultravox 广义归入
             S2S，本页依据其公开核心的音频到文本结构作两段式定位，TTS
             适配的披露有限。系统级差异需要结合模型能力、话轮和部署配置解释。
           </p>
+          <h3 id="gpt-live-data">GPT-Live-1 的补充数据</h3>
+          <p>
+            GPT-Live-1
+            已有官方评测和第三方时延数据。下表按来源、后台配置与统计口径分开列出。FDB-v1
+            轮替、FDB-v3 工具任务、受控录音与电话链路各自描述不同的工作条件。
+          </p>
+          <div class="table-wrap">
+            <table>
+              <thead>
+                <tr>
+                  <th>来源与配置</th>
+                  <th>公开数据</th>
+                  <th>测量口径</th>
+                </tr>
+              </thead>
+              <tbody>
+                <tr>
+                  <th>OpenAI API 发布材料<br />GPT-Live-1 + Terra（low）</th>
+                  <td>
+                    FDB-v3 工具调用 Pass@1 <strong>87.0%</strong><br />回答质量
+                    <strong>90.0%</strong>
+                  </td>
+                  <td>
+                    官方另次评测，后台配置见发布正文。与四月论文的历史配置分别呈现。<a
+                      href="https://openai.com/index/introducing-gpt-live-1-in-the-api/"
+                      >发布说明 ↗</a
+                    >
+                  </td>
+                </tr>
+                <tr>
+                  <th>OpenAI 发布图<br />GPT-Live-1</th>
+                  <td>FDB-v1 轮替时延 <strong>0.798 s</strong></td>
+                  <td>
+                    从用户结束话轮到系统开始回答。该项使用 FDB-v1 协议。<a
+                      href="https://images.ctfassets.net/kftzwdyauwt9/6hFWb3bOFoepzg3aUx2zei/2a18b8d1372ee6c2fa937efa4daccb5f/kix.vqxcgk6pb8ef.png?fm=webp&amp;q=90&amp;w=3840"
+                      >原始发布图 ↗</a
+                    >
+                  </td>
+                </tr>
+                <tr>
+                  <th>InteractionBench<br />GPT-Live-1 + gpt-5.5</th>
+                  <td>轮替回复起始中位数 <strong>1.210 s</strong></td>
+                  <td>
+                    30
+                    道轮替题，统计按论文规则未提前开口的回复。客户端重建时间轴，计入代理网络与缓冲。<a
+                      href="https://arxiv.org/html/2611.02430v1"
+                      >表 3、表 5 与附录 H ↗</a
+                    >
+                  </td>
+                </tr>
+                <tr>
+                  <th>Cekura 电话评测<br />GPT-Live-1 + GPT-6 Sol（low）</th>
+                  <td>
+                    延迟 P50 / P90 / P95<br /><strong
+                      >2.27 / 2.72 / 2.83 s</strong
+                    >
+                  </td>
+                  <td>
+                    70 场景 × 3，共 210
+                    通电话。每通先求平均回复延迟，再对这些电话均值取分位数。marin
+                    声音，服务端轮替检测。<a
+                      href="https://benchmarks.cekura.ai/speech-to-speech/real-calls/gpt-live"
+                      >结果 ↗</a
+                    >
+                    <a
+                      href="https://benchmarks.cekura.ai/speech-to-speech/real-calls/methodology"
+                      >统计方法 ↗</a
+                    >
+                  </td>
+                </tr>
+                <tr>
+                  <th>OpenAI 模型文档<br />GPT-Live-1 前端语音层</th>
+                  <td><strong>$0.05 / 分钟</strong></td>
+                  <td>
+                    按秒计费。后台模型与工具另计，整机成本需合并核算。检索日为
+                    2026-11-09。<a
+                      href="https://developers.openai.com/api/docs/models/gpt-live-1"
+                      >模型与计费 ↗</a
+                    >
+                  </td>
+                </tr>
+              </tbody>
+            </table>
+          </div>
+          <p class="reading-note">
+            本次所查资料尚缺 GPT-Live-1
+            在原图同一统计口径下的首音均值与关键回答起始均值，因此原表保留空缺。
+            0.798、1.210 和 2.27 秒各有独立条件，不能合并成一个统一时延排名。
+          </p>
         </section>
 
         <section id="higgs" class="article-section">
@@ -1302,6 +1404,36 @@
                 >LiveKit · Pipeline Types</a
               ><span>检索日读取。级联、轮次式与持续双工管线的接口说明。</span>
             </li>
+            <li id="source-live-launch">
+              <a
+                href="https://openai.com/index/introducing-gpt-live-1-in-the-api/"
+                >OpenAI · GPT-Live-1 API 发布材料</a
+              ><span
+                >2026-09-10。FDB-v3 后台配置与发布图中的工具、回答质量和 FDB-v1
+                轮替指标。图表数值经视觉核对。</span
+              >
+            </li>
+            <li id="source-interactionbench">
+              <a href="https://arxiv.org/html/2611.02430v1">InteractionBench</a
+              ><span
+                >2026-11-02，v1。表 3、表 5 与附录 H，包含具体 API
+                配置、回复起始中位数与时间轴重建条件。</span
+              >
+            </li>
+            <li id="source-cekura">
+              <a
+                href="https://benchmarks.cekura.ai/speech-to-speech/real-calls/gpt-live"
+                >Cekura · GPT-Live-1 电话评测</a
+              ><span
+                >检索日读取。210
+                通电话及电话均值的时延分位数，统计定义见其方法页。</span
+              >
+            </li>
+            <li id="source-live-model">
+              <a href="https://developers.openai.com/api/docs/models/gpt-live-1"
+                >OpenAI · GPT-Live-1 模型文档</a
+              ><span>检索日读取。前端语音会话计费与后台独立核算边界。</span>
+            </li>
           </ol>
         </section>
         <footer class="article-footer">

styles.css

@@ -932,6 +932,18 @@ main .source-line {
   white-space: nowrap;
   font-variant-numeric: tabular-nums;
 }
+.benchmark-missing {
+  display: grid;
+  grid-template-columns: 120px 1fr;
+  gap: 15px;
+  padding: 13px 0;
+  border-top: 1px solid var(--line);
+  font-size: 11px;
+}
+.benchmark-missing span,
+.missing-data-row td {
+  color: var(--muted);
+}
 .argument-chain {
   display: flex;
   gap: 20px;