OpenAI hat GPT-Live vorgestellt, eine neue Generation von Sprachmodellen, die jetzt ChatGPT Voice antreibt. Die zentrale Funktion klingt einfach, ist es aber nicht: GPT-Live hört zu und spricht gleichzeitig.
Jede frühere ChatGPT-Sprachfunktion, einschließlich des erweiterten Sprachmodus (Advanced Voice Mode), funktionierte abwechselnd. Sie sprachen, es wartete, es antwortete. GPT-Live läuft vollduplex: Es verarbeitet eingehende Audiodaten, während es gleichzeitig Ausgaben generiert, und entscheidet viele Male pro Sekunde, ob es sprechen, weiter zuhören, pausieren, unterbrechen oder ein Tool aufrufen soll. Es kann ein „mhmm“ einwerfen, während Sie etwas erklären, warten, während Sie nachdenken, und sich natürlich erholen, wenn Sie es mitten im Satz unterbrechen.
GPT-Live auf einen Blick
| Detail | |
|---|---|
| Ankündigung | 8. Juli 2026 |
| Was es ist | Vollduplex-Sprachmodellfamilie, die ChatGPT Voice antreibt |
| Varianten | GPT-Live-1, GPT-Live-1 mini, GPT-Live-1 Medium, GPT-Live-1 High |
| Backend | GPT-5.5 Instant (1 und mini); GPT-5.5 Thinking (Medium und High) |
| Standard für bezahlte Abonnements (Go/Plus/Pro) | GPT-Live-1 |
| Standard für Free-Tier | GPT-Live-1 mini |
| Plattformen | iOS, Android, chatgpt.com (weltweiter Rollout) |
| Video / Bildschirmfreigabe | Nicht zur Einführung; „arbeitet daran, diese Funktionen bald einzuführen“ |
| API | Noch nicht verfügbar; OpenAI plant, es „bald“ in die API zu integrieren |
Die vier Varianten und was dahinter steckt
GPT-Live wird als Familie ausgeliefert, und OpenAI ist ungewöhnlich klar bezüglich der Architektur: „GPT-Live-1 (instant) und GPT-Live-1 mini verwenden im Hintergrund das GPT-5.5 Instant Modell, während GPT-Live-1 Medium und GPT-Live-1 High das GPT-5.5 Thinking Modell mit mittlerem und hohem Denkaufwand nutzen.“
Die Sprachschicht ist also das Produkt, und GPT-5.5 übernimmt die komplexe Denkprozesse dahinter. In der Praxis:
- GPT-Live-1 ist der tägliche Begleiter und jetzt der Standard für Go-, Plus- und Pro-Abonnenten.
- GPT-Live-1 mini bedient Nutzer des Free-Tiers mit demselben Vollduplex-Interaktionsstil.
- GPT-Live-1 Medium und High tauschen Reaktionsgeschwindigkeit gegen tiefere Schlussfolgerungen ein, unterstützt durch GPT-5.5 Thinking mit mittlerem und hohem Aufwand.
Delegation: die zweite architektonische Idee
Vollduplex ist die eine Hälfte des Designs. Die andere ist Delegation. „Wenn eine Frage Suche, Schlussfolgerung oder agentenähnlichere Fähigkeiten erfordert, kann GPT-Live die Aufgabe an ein anderes Modell wie GPT-5.5 delegieren“, und das Ergebnis wird dann, wenn es fertig ist, wieder in das Gespräch integriert.
Dies löst das klassische Sprach-KI-Dilemma: Modelle, die schnell genug für Echtzeit-Chats sind, sind zu oberflächlich für schwierige Fragen, und Modelle, die intelligent genug für schwierige Fragen sind, sind zu langsam für Gespräche. GPT-Live teilt die Aufgabe auf. Das Sprachmodell hält das Gespräch am Laufen, inklusive Backchannels, während ein stärkeres Modell im Hintergrund arbeitet. Sie sprechen weiter; die Antwort kommt, sobald sie vorliegt.
Was GPT-Live zur Einführung leisten kann
Über die Gesprächsmechanismen hinaus umfasst der Funktionsumfang zur Einführung:
- Websuche, delegiert und wieder in den Dialog integriert
- Live-Übersetzung zwischen Sprachen im Gespräch
- Visuelle Karten, die auf dem Bildschirm für Wetter, Aktien und Sport angezeigt werden
- Bild- und Dateiuploads innerhalb eines Sprachgesprächs
- Gedächtnis, konsistent mit dem Rest von ChatGPT
Und die Lücke zur Einführung: „Zur Einführung wird GPT-Live keine Sprachfunktion mit Video- oder Bildschirmfreigabe in ChatGPT unterstützen.“ Der erweiterte Sprachmodus (Advanced Voice Mode) behält diese Funktionen für berechtigte Abonnenten bei, und sowohl der Standard- als auch der erweiterte Sprachmodus bleiben verfügbar. Wenn das Richten Ihrer Kamera auf Dinge für Ihren Workflow wichtig ist, wechseln Sie noch nicht; die Details finden Sie unter GPT-Live vs. Advanced Voice Mode.
Die von OpenAI zitierten Benchmarks
OpenAI nennt drei Evaluierungen, die alle gegen den erweiterten Sprachmodus (Advanced Voice Mode) und nicht gegen Konkurrenzprodukte gerichtet sind:
- GPQA: GPT-Live-1 „übertrifft den erweiterten Sprachmodus (Advanced Voice Mode) erheblich“ bei wissenschaftlichen Schlussfolgerungen auf Expertenniveau in Biologie, Chemie und Physik.
- BrowseComp: „starke Zuwächse“ bei der agentenähnlichen Websuche und schwer auffindbaren Informationen.
- τ³-Voice Telecom (eine interne Variante): bessere Leistung bei realistischen mehrschrittigen Telekommunikations-Supportaufgaben.
OpenAI berichtet außerdem, dass Nutzer GPT-Live in 5- bis 10-minütigen direkten Gesprächen „stark bevorzugten“. Beachten Sie, was fehlt: veröffentlichte Punktzahlen, Latenzzeiten und Preise. Die Behauptungen sind richtungsweisend und vom Anbieter gemeldet, behandeln Sie sie also als eine Tendenz, nicht als eine Punktetabelle. Konkurrierende Zahlen werden erscheinen, wenn die Vergleichsartikel das ausgelieferte Produkt testen können.
Wo Entwickler stehen
Derzeit gibt es keine GPT-Live API. Die genauen Worte von OpenAI: „Wir planen auch, sie bald in die API zu integrieren, und Entwickler sowie Unternehmen können sich über dieses Formular anmelden, um benachrichtigt zu werden.“
Was derzeit für den Bau von Sprachagenten existiert, ist die Realtime API, die allgemein mit der gpt-realtime-2.1-Familie, WebSocket- und WebRTC-Transport, SIP-Telefonie und MCP-Server-Unterstützung verfügbar ist. Wenn Sie hierher kamen, um ein Sprachprodukt zu planen, ist der praktische Leitfaden Gibt es eine GPT-Live API? Was Entwickler heute nutzen können, und die Namensverwirrung zwischen den beiden Stacks wird in GPT-Live vs. GPT-Realtime entwirrt.
Während Sie in der Zwischenzeit Prototypen mit der Realtime API entwickeln, übernimmt Apidog die weniger glamourösen Teile: Testen von WebSocket-Sitzungen, Inspizieren von gestreamten Ereignissen und Mocking Ihres Sprach-Backends, damit die Client-Arbeit nicht durch eine Live-Modellverbindung blockiert wird.
Wie man GPT-Live ausprobiert
Der Rollout erfolgt weltweit, aber gestaffelt über iOS, Android und chatgpt.com. Bezahlte Nutzer erhalten GPT-Live-1 als neuen Sprachstandard; kostenlose Nutzer erhalten GPT-Live-1 mini. Aktualisieren Sie die App, öffnen Sie die Sprachfunktion und prüfen Sie, welches Modell antwortet; wenn sich noch nichts geändert hat, hat der Rollout Ihr Konto noch nicht erreicht. Eine Schritt-für-Schritt-Einrichtung, Variantenwechsel und der CarPlay-Pfad (alle Pläne, iOS 26.4+) werden unter wie man GPT-Live verwendet behandelt.
Warum dieser Start wichtig ist
Sprache war zwei Jahre lang die demofreundlichste und am wenigsten produktionsreife KI-Schnittstelle. Der Wechsel zwischen Sprechern ließ jeden Assistenten wie ein Walkie-Talkie wirken. Vollduplex plus Delegation ist die erste Mainstream-Architektur, die Gespräche als kontinuierlich statt transaktional behandelt, und OpenAI hat sie Hunderten von Millionen Nutzern als Standard ausgeliefert, nicht als Laborvorschau.
Die Entwicklerversion dieser Architektur kommt „bald“. Wenn sie verfügbar ist, erhalten Echtzeit-Sprachagenten eine neue Basis zum Testen; bis dahin ist der Realtime API-Pfad der Ort, an dem funktionierende Systeme gebaut werden. Laden Sie Apidog kostenlos herunter, wenn Sie jetzt ein solches System bauen; allein das WebSocket-Debugging verdient seinen Platz.
FAQ
Was ist GPT-Live in einem Satz? OpenAIs Vollduplex-Sprachmodellfamilie, die ChatGPT Voice antreibt: Es hört zu, während es spricht, führt natürliche Rückmeldungen durch und delegiert schwierige Fragen im Hintergrund an GPT-5.5.
Ist GPT-Live kostenlos? Nutzer des Free-Tiers erhalten GPT-Live-1 mini als Standard-Sprachmodell. Bezahlte Tarife (Go, Plus, Pro) erhalten GPT-Live-1.
Unterstützt GPT-Live Video- oder Bildschirmfreigabe? Nicht zur Einführung. Der erweiterte Sprachmodus (Advanced Voice Mode) behält Video- und Bildschirmfreigabe für berechtigte Abonnenten bei; OpenAI sagt, dass daran gearbeitet wird, diese Funktionen bald zu GPT-Live zu bringen.
Gibt es eine GPT-Live API? Noch nicht. OpenAI plant, GPT-Live „bald“ in die API zu integrieren; Entwickler können Sprachagenten heute auf der Realtime API entwickeln.
Welches Modell treibt GPT-Live an? GPT-Live-1 und mini laufen auf GPT-5.5 Instant; die Varianten Medium und High nutzen GPT-5.5 Thinking mit mittlerem und hohem Denkaufwand.