OpenAI hat am 8. Juli GPT-Live vorgestellt — eine neue Generation von Sprachmodellen, die den bisherigen Advanced Voice Mode als Motor für ChatGPT Voice ablöst. Der technische Kern ist eine sogenannte Full-Duplex-Architektur.
Was ‘Full-Duplex’ bedeutet
Bisher lief Sprach-KI in einer Kaskade: erst Transkription, dann Sprachmodell, dann Synthese — und ein Turn-Taking-Modell wartete auf eine Sprechpause, bevor es antwortete. GPT-Live verarbeitet deinen Ton dagegen fortlaufend, auch während es selbst spricht. Es kann kurze Bestätigungen einwerfen (‘mhm’, ‘okay’), während du noch redest, und entscheidet mehrmals pro Sekunde neu, ob es sprechen, zuhören, pausieren, unterbrechen oder ein Tool aufrufen soll.
Praktisch heißt das: ChatGPT unterbricht dich nicht mehr mitten im Satz. Bittest du es, ruhig zu sein und nur zuzuhören, tut es das. Und bei Hintergrundgeräuschen — vorbeifahrende Autos, Gespräche nebenan — fokussiert es besser auf deine Stimme.
Ein Modell, das delegiert
Der zweite Kniff: Für komplexe Aufgaben wie Websuche, tiefes Nachdenken oder agentische Arbeit reicht GPT-Live im Hintergrund an ein Frontier-Modell weiter — zum Start GPT-5.5 — und hält währenddessen das Gespräch am Laufen. Das Sprachmodell muss also nicht selbst alles können, sondern orchestriert.
Zwei Versionen rollen ab sofort weltweit aus: GPT-Live-1 für Go-, Plus- und Pro-Nutzer, GPT-Live-1 mini für die Gratis-Stufe. API-Zugang ist angekündigt, die Warteliste ist offen. Laut OpenAI nutzen über 150 Millionen Menschen wöchentlich Sprache und Diktat in ChatGPT.
Meine Einordnung
Voice ist die Front, an der Anthropic bislang kaum mitspielt — Claude hat schlicht keinen vergleichbaren Sprachmodus. Genau deshalb finde ich GPT-Live relevant für uns: Es zeigt, wo OpenAI einen Vorsprung ausbaut, den Anthropic bewusst offenlässt. Anthropics Wette liegt auf agentischer Arbeit am Rechner (Cowork, Claude Code), nicht auf natürlicher Konversation.
Bemerkenswert finde ich auch den Sicherheitsteil: OpenAI hat die Tests auf audio-native Szenarien ausgeweitet — Selbstverletzung, Psychose, emotionale Abhängigkeit von KI — und Echtzeit-Schutzmechanismen ergänzt, inklusive möglicher Elternbenachrichtigung bei Jugendlichen in Not. Das ist die Kehrseite einer KI, die sich wie ein Gesprächspartner anfühlt: Je natürlicher sie klingt, desto größer die Verantwortung.
Quellen: