OpenAI GPT-Live-1: Stemmen, der lytter, mens den taler, og skaber billeder midt i samtalen

Den 8. juli 2026 lancerede OpenAI GPT-Live, en ny familie af stemmemodeller, der markant ændrer måden, vi interagerer med AI-assistenter på. I stedet for det stive 'jeg taler, så taler du'-mønster, som tidligere stemmeassistenter brugte, anvender GPT-Live-1 og GPT-Live-1 mini en fuld-duplex arkitektur, der kan lytte og tale samtidigt – og de ruller ud til alle ChatGPT-brugere fra i dag .

Her er den fulde faktatjekkede gennemgang af, hvad modellerne kan, hvordan de forbedrer de gamle turtagende assistenter, hvem der har bygget dem, og hvor de passer ind i en uge med store AI-lanceringer.

Hvad er GPT-Live-1 og GPT-Live-1 mini?

GPT-Live fås i to versioner :

• GPT-Live-1 – ruller ud til betalte ChatGPT-niveauer (Go, Plus, Pro)
• GPT-Live-1 mini – ruller ud til gratisbrugere

Begge erstatter den tidligere ChatGPT Advanced Voice Mode. De er bygget på en ægte fuld-duplex arkitektur, der løbende behandler indkommende lyd, mens den genererer talte svar – i modsætning til den gamle halv-duplex tilgang, hvor modellen skulle være færdig med at tale, før den kunne høre brugeren .

OpenAI oplyser, at inferensomkostningerne er faldet nok til at få økonomien i stemmeassistenter til at fungere, hvilket er grunden til, at modellen også er tilgængelig for gratisbrugere . Ved lanceringen bruger GPT-Live GPT-5.5 i baggrunden til at ræsonnere .

Hvordan fuld-duplex stemme forbedrer turtagende assistenter

Fuld-duplex kapaciteten ændrer følelsen af stemme-AI på tre helt konkrete måder, som OpenAI demonstrerede under sin lanceringsbriefing.

1. Naturlige afbrydelser og turtagning

Modellen kan afbrydes midt i en sætning og vil stoppe og lytte i stedet for at tale hen over brugeren. Den opdager også, når en bruger tænker sig om midt i en sætning, og venter i stedet for at afbryde . OpenAIs produktchef Atty Eleti sagde under briefingen: "Det her er en fuld-duplex model" .

Modellen kan også vise, at den lytter med ved at sige 'mmh' eller 'ja' mens brugeren stadig taler, og den holder sig stille, når du har brug for et øjeblik til at tænke .

2. Viderestilling af komplekse forespørgsler til frontlinje-tekstmodeller parallelt

Når GPT-Live støder på et svært spørgsmål, delegerer den ræsonnementet til OpenAIs nyeste tekstmodeller (som GPT-5.5) parallelt, mens GPT-Live selv bliver i samtalen med brugeren . Forskningsleder Kundan Kumar forklarede: "Når GPT-Live skal tænke sig om for at besvare et spørgsmål, kan den delegere ræsonnement og komplekse opgaver til GPT-5.5 parallelt, mens GPT-Live stadig er i samtale med brugeren" . Det betyder, at brugerne ikke venter på, at stemmemodellen skal tænke sig om – overgangen fra research til talte resultater sker næsten øjeblikkeligt .

3. AI-genererede visuelle elementer under samtalen

GPT-Live kan supplere diskussioner med visuelle elementer på skærmen – billeder, diagrammer eller andet AI-genereret indhold – hvilket skaber en multimodal oplevelse, der går ud over ren stemmechat . The Verge rapporterede, at modellen vil supplere samtaler om vejr, aktier og sport med AI-genererede billeder .

Samlet set gør disse funktioner samtalerne tættere på naturlig menneskelig dialog. Business Insider beskrev assistenten som en, der "vil have dig til at tale hen over den" . The Verges overskrift lød, at den er "bedre til at tie stille" .

Hvem stod bag udviklingen?

De to nøglepersoner, der er nævnt i pressebriefinger og medierapporter, er:

• Kundan Kumar – Forskningsleder for GPT-Live, beskrevet af The Verge som "OpenAI-forskningsleder" for projektet . Han kom til OpenAI fra Character.AI i midten af 2025 og fungerede som kerneansvarlig for lyd-AI-projektet .
• Atty Eleti – Produktchef for ChatGPT Voice, som præsenterede modellen under lanceringslivestreamen .

Tidligere rapporter fra januar 2026 nævnte også infrastrukturchef Ben Newhouse og produktchef Jackie Shannon som involveret i omstruktureringen af lyd-AI .

Udrulningstidslinje

• 8. juli 2026 – Global lancering begyndte at rulle ud til alle ChatGPT-brugere på iOS, Android og web, med GPT-Live-1 til betalte abonnenter og GPT-Live-1 mini til gratisbrugere .
• Samtidig den 7.–8. juli udgav OpenAI nye API Realtime-modeller (gpt-realtime-2.1 og gpt-realtime-2.1-mini) med 25 % lavere p95-latens gennem forbedret caching .

En begrænsning, der blev noteret ved lanceringen: GPT-Live understøtter ikke stemme med videofunktioner .

Andre store AI-lanceringer samme uge

OpenAI lancerede GPT-Live midt i en usædvanlig travl uge på tværs af AI-industrien.

OpenAIs eget bredere økosystem:

• GPT-5.6 (varianterne Sol, Terra og Luna) forventedes offentliggjort 9. juli 2026, hvilket ville udvide adgangen efter en tidligere begrænset udrulning .

Konkurrenter og relaterede nyheder:

• Anthropic – Udgav en væsentlig opdatering til Claude Sonnet 5 i begyndelsen af juli med forbedret instruktionsfølgning og kodegenereringsnøjagtighed til komplekse agentiske opgaver . Trump-administrationen ophævede også samme uge eksportkontrollen på Anthropics Fable 5- og Mythos 5-modeller .
• Google DeepMind – Lancerede NanoBanana 2 Lite, en billedgenereringsmodel, der producerer billeder på under 4 sekunder til $0,034 per 1.000 billeder .
• Meta – Rapporteredes at forberede sig på at tilbyde neocloud-tjenester og var samtidig under pres fra den amerikanske regering om AI-sikkerhedsgennemgange .
• SpaceXAI (xAI) – Rapporteredes at forberede sig på at udgive nye AI-modeller i partnerskab med Anysphere (Cursor) som en del af et bredere konkurrencefremstød .
• Kina – En 9-dages nedtælling begyndte til Kinas nye AI-følgesvendlov, som ville tvinge nedlukninger, der påvirker 345 millioner Doubao-brugere .
• Det Hvide Hus – Forventedes at annoncere frivillige AI-modelstandarder .