Vas a lanzar un agente de voz para reservar citas. Antes de probar acentos, necesitas saber si 100 conversaciones diarias caben en tu presupuesto. GPT-Live-1.1 cobra por duración de sesión: US$0,05 por minuto activo y US$0,02 por minuto en espera. La espera barata solo aplica a sesiones WebRTC cuando la inferencia está pausada; dejar el micrófono en silencio no demuestra que el sistema haya entrado en ese estado. Además, el modelo o las herramientas de backend se cobran aparte.
La pregunta de producto
Imagina que cada llamada dura cinco minutos: dos minutos de conversación activa y tres minutos esperando a que la persona consulte su calendario. El equipo planea 100 sesiones por día durante 22 días. ¿Vale la pena implementar una pausa real en WebRTC? El cálculo siguiente separa el coste de voz del coste estimado de backend y compara el escenario con dejar los cinco minutos activos.
Los precios son los que publica OpenAI al 20 de noviembre de 2026. Son una entrada del cálculo, no una garantía para una cuenta concreta. Comprueba de nuevo la página de precios antes de comprometer un presupuesto.
Simulador copiable en Python
Guarda esto como budget.py y ejecuta python3 budget.py. Usa Decimal para no introducir errores de coma flotante en dólares. El programa no hace llamadas a la API.
from decimal import Decimal
ACTIVE = Decimal("0.05") / 60
STANDBY = Decimal("0.02") / 60
def estimate(active_s, standby_s, sessions_day, days, backend):
values = (active_s, standby_s, sessions_day, days)
if any(type(v) is not int or v < 0 for v in values):
raise ValueError("Use nonnegative whole numbers")
backend = Decimal(str(backend))
if backend < 0:
raise ValueError("Backend cost cannot be negative")
n = sessions_day * days
voice = active_s * ACTIVE + standby_s * STANDBY
always_active = (active_s + standby_s) * ACTIVE
return {
"sessions": n,
"per_session": voice + backend,
"monthly": n * (voice + backend),
"always_active_monthly": n * (always_active + backend),
"standby_savings": n * (always_active - voice),
}
result = estimate(120, 180, 100, 22, "0.002")
for key, value in result.items():
print(key, value)
assert result["monthly"] == Decimal("356.400")
assert result["standby_savings"] == Decimal("198.000")
Salida comprobada
Ejecuté el cálculo localmente con Python 3. El resultado fue 2.200 sesiones, US$0,162 por sesión, US$356,40 al mes con la pausa y US$554,40 si los cinco minutos permanecen activos. La diferencia estimada es US$198 al mes. El supuesto de backend es US$0,002 por sesión y aparece explícito para que lo sustituyas por tu dato; no es una tarifa oficial de OpenAI.
| Escenario | Voz por sesión | Total con backend / mes |
|---|---|---|
| 2 min activos + 3 min en espera | US$0,16 | US$356,40 |
| 5 min activos | US$0,25 | US$554,40 |
La tabla permite tomar una decisión: si de verdad hay tres minutos de espera por llamada y puedes pausar inferencia sin dañar la experiencia, vale la pena medir esa ruta en un prototipo. Si el agente sigue escuchando o respondiendo durante ese tiempo, no marques esos segundos como espera solo para mejorar la hoja de cálculo.
Cómo usarlo con tus datos
- Registra duración total, segundos activos y segundos efectivamente pausados de diez sesiones de prueba. No pongas datos personales en el registro de presupuesto.
- Sustituye
active_s,standby_s,sessions_dayydayspor tus valores. - Obtén el coste real de tu backend por sesión, incluidas llamadas a modelos y herramientas, y reemplaza
backend. - Compara presupuesto con factura real y añade margen para reintentos, llamadas largas y tráfico máximo.
El script asume una duración igual para todas las sesiones y no modela distribución de llamadas, impuestos, infraestructura, límites de concurrencia ni descuentos. Tampoco he ejecutado una sesión GPT-Live de pago para validar el importe facturado. Por eso sirve para decidir si probar una arquitectura; la factura y el estado real de la sesión son la verificación final.
