OpenAI memperkenalkan GPT-Live, generasi baru model suara yang kini menggerakkan ChatGPT Voice. Kemampuan utamanya terdengar sederhana namun tidak: GPT-Live mendengarkan dan berbicara secara bersamaan.
Setiap pengalaman suara ChatGPT sebelumnya, termasuk Mode Suara Canggih, bekerja secara bergantian. Anda berbicara, ia menunggu, ia menjawab. GPT-Live beroperasi secara dupleks penuh: ia memproses audio yang masuk sambil menghasilkan keluaran, dan ia memutuskan berkali-kali per detik apakah akan berbicara, terus mendengarkan, menjeda, menyela, atau memanggil alat. Ia dapat mengucapkan "mhmm" saat Anda menjelaskan sesuatu, menunggu saat Anda berpikir, dan pulih secara alami ketika Anda memotongnya di tengah kalimat.
Sekilas GPT-Live
| Detail | |
|---|---|
| Diumumkan | 8 Juli 2026 |
| Apa itu | Keluarga model suara dupleks penuh yang menggerakkan ChatGPT Voice |
| Varian | GPT-Live-1, GPT-Live-1 mini, GPT-Live-1 Medium, GPT-Live-1 High |
| Backend | GPT-5.5 Instant (1 dan mini); GPT-5.5 Thinking (Medium dan High) |
| Standar untuk berbayar (Go/Plus/Pro) | GPT-Live-1 |
| Standar untuk tingkat Gratis | GPT-Live-1 mini |
| Platform | iOS, Android, chatgpt.com (diluncurkan secara global) |
| Berbagi video / layar | Tidak saat peluncuran; "sedang berupaya memperkenalkan kemampuan ini segera" |
| API | Belum tersedia; OpenAI berencana untuk menghadirkannya ke API "segera" |
Empat varian, dan apa yang menjalankannya
GPT-Live hadir sebagai sebuah keluarga, dan OpenAI sangat jelas mengenai pengkabelannya: "GPT-Live-1 (instan) dan GPT-Live-1 mini menggunakan model GPT-5.5 Instant di latar belakang, sementara GPT-Live-1 Medium dan GPT-Live-1 High menggunakan model GPT-5.5 Thinking dengan upaya penalaran menengah dan tinggi."
Jadi lapisan suara adalah produknya, dan GPT-5.5 melakukan pemikiran berat di baliknya. Dalam praktiknya:
- GPT-Live-1 adalah penggerak harian, kini menjadi standar untuk pelanggan Go, Plus, dan Pro.
- GPT-Live-1 mini melayani pengguna tingkat Gratis dengan gaya interaksi dupleks penuh yang sama.
- GPT-Live-1 Medium dan High menukarkan kecepatan respons dengan penalaran yang lebih dalam, didukung oleh GPT-5.5 Thinking dengan upaya menengah dan tinggi.
Delegasi: ide arsitektur kedua
Dupleks penuh adalah satu bagian dari desain. Bagian lainnya adalah delegasi. "Ketika sebuah pertanyaan membutuhkan pencarian, penalaran, atau kemampuan yang lebih bersifat agen, GPT-Live dapat mendelegasikan tugas tersebut ke model lain seperti GPT-5.5," dan ia mengintegrasikan hasilnya kembali ke dalam percakapan saat sudah siap.
Ini memecahkan dilema klasik AI suara: model yang cukup cepat untuk obrolan waktu nyata terlalu dangkal untuk pertanyaan sulit, dan model yang cukup cerdas untuk pertanyaan sulit terlalu lambat untuk percakapan. GPT-Live membagi pekerjaan. Model suara menjaga percakapan tetap hidup, termasuk komunikasi tidak langsung, sementara model yang lebih kuat bekerja di latar belakang. Anda terus berbicara; jawabannya akan tiba ketika tersedia.
Apa yang dapat dilakukan GPT-Live saat peluncuran
Selain mekanisme percakapan, kumpulan fitur peluncuran meliputi:
- Pencarian web, didelegasikan dan diintegrasikan kembali ke dalam dialog
- Terjemahan langsung antar bahasa dalam percakapan
- Kartu visual ditampilkan di layar untuk cuaca, saham, dan olahraga
- Unggahan gambar dan file di dalam percakapan suara
- Memori, konsisten dengan sisa ChatGPT
Dan celah peluncuran: "Saat peluncuran, GPT-Live tidak akan mendukung suara dengan video atau berbagi layar di ChatGPT." Mode Suara Canggih mempertahankan kemampuan tersebut untuk pelanggan yang memenuhi syarat, dan Mode Suara Standar serta Canggih tetap tersedia. Jika mengarahkan kamera Anda ke suatu objek penting bagi alur kerja Anda, jangan beralih dulu; detailnya ada di GPT-Live vs Advanced Voice Mode.
Tolok ukur yang dikutip OpenAI
OpenAI menyebutkan tiga evaluasi, semuanya dibingkai terhadap Mode Suara Canggih daripada produk pesaing:
- GPQA: GPT-Live-1 "secara substansial mengungguli" Mode Suara Canggih dalam penalaran ilmiah tingkat ahli di bidang biologi, kimia, dan fisika.
- BrowseComp: "peningkatan kuat" pada pencarian web agen dan informasi yang sulit ditemukan.
- τ³-Voice Telecom (varian internal): kinerja yang lebih baik pada tugas dukungan telekomunikasi multi-giliran yang realistis.
OpenAI juga melaporkan bahwa pengguna "sangat menyukai" GPT-Live dalam percakapan langsung berdurasi 5-10 menit. Perhatikan apa yang tidak ada: skor yang dipublikasikan, angka latensi, dan harga. Klaim tersebut bersifat indikatif dan dilaporkan oleh vendor, jadi perlakukan sebagai gambaran, bukan papan skor. Angka pesaing akan tiba ketika perbandingan dapat menguji produk yang telah dikirim.
Posisi pengembang
Tidak ada API GPT-Live saat ini. Kata-kata persis OpenAI: "Kami juga berencana untuk menghadirkannya ke API segera, dan pengembang serta perusahaan dapat mendaftar untuk diberitahu menggunakan formulir ini."
Apa yang ada untuk membangun agen suara saat ini adalah Realtime API, yang tersedia secara umum dengan keluarga gpt-realtime-2.1, transportasi WebSocket dan WebRTC, panggilan telepon SIP, dan dukungan server MCP. Jika Anda datang ke sini merencanakan produk suara, panduan praktisnya adalah Apakah ada API GPT-Live? Apa yang dapat digunakan pengembang hari ini, dan kebingungan penamaan antara dua tumpukan ini terurai dalam GPT-Live vs GPT-Realtime.
Saat Anda membuat prototipe dengan Realtime API, Apidog menangani bagian-bagian yang tidak menarik: menguji sesi WebSocket, memeriksa peristiwa yang dialirkan, dan membuat mock backend suara Anda sehingga pekerjaan klien tidak terhalang oleh koneksi model langsung.
Cara mencoba GPT-Live
Peluncurannya global namun bertahap di iOS, Android, dan chatgpt.com. Pengguna berbayar mendapatkan GPT-Live-1 sebagai standar Suara baru; pengguna Gratis mendapatkan GPT-Live-1 mini. Perbarui aplikasi, buka Suara, dan periksa model mana yang merespons; jika belum ada perubahan, peluncuran belum mencapai akun Anda. Pengaturan langkah demi langkah, peralihan varian, dan jalur CarPlay (semua paket, iOS 26.4+) dibahas dalam cara menggunakan GPT-Live.
Mengapa peluncuran ini penting
Suara telah menjadi antarmuka AI yang paling ramah demo dan paling tidak siap produksi selama dua tahun. Pengambilan giliran membuat setiap asisten terasa seperti walkie-talkie. Dupleks penuh plus delegasi adalah arsitektur mainstream pertama yang memperlakukan percakapan sebagai berkelanjutan daripada transaksional, dan OpenAI mengirimkannya kepada ratusan juta pengguna sebagai standar, bukan sebagai pratinjau laboratorium.
Versi pengembang dari arsitektur itu akan hadir "segera". Ketika sudah tersedia, agen suara waktu nyata akan mendapatkan dasar baru untuk diuji; sampai saat itu, jalur Realtime API adalah tempat sistem yang berfungsi dibangun. Unduh Apidog gratis jika Anda sedang membangunnya sekarang; debugging WebSocket saja sudah sangat berguna.
tombol
FAQ
Apa itu GPT-Live dalam satu kalimat? Keluarga model suara dupleks penuh OpenAI yang menggerakkan ChatGPT Voice: ia mendengarkan saat berbicara, berkomunikasi secara alami, dan mendelegasikan pertanyaan sulit ke GPT-5.5 di latar belakang.
Apakah GPT-Live gratis? Pengguna tingkat gratis mendapatkan GPT-Live-1 mini sebagai model suara standar mereka. Tingkat berbayar (Go, Plus, Pro) mendapatkan GPT-Live-1.
Apakah GPT-Live mendukung video atau berbagi layar? Tidak saat peluncuran. Mode Suara Canggih mempertahankan fitur berbagi video dan layar untuk pelanggan yang memenuhi syarat; OpenAI mengatakan sedang berupaya untuk menghadirkan ini ke GPT-Live segera.
Apakah ada API GPT-Live? Belum. OpenAI berencana untuk menghadirkan GPT-Live ke API "segera"; pengembang dapat membangun agen suara hari ini menggunakan Realtime API.
Model apa yang menggerakkan GPT-Live? GPT-Live-1 dan mini berjalan di GPT-5.5 Instant; varian Medium dan High menggunakan GPT-5.5 Thinking dengan upaya penalaran menengah dan tinggi.