OpenAI launcht GPT-Live: Die neue Sprach-KI kann gleichzeitig zuhören und sprechen

OpenAI gab an, dass die Inferenzkosten so weit gesunken sind, dass sich die Ökonomie von Sprachmodellen nun auch für kostenlose Nutzer rechnet . Beim Start verwendet GPT-Live im Hintergrund GPT-5.5 für das Reasoning .

Wie Voll-Duplex die Interaktion verbessert

Die Voll-Duplex-Fähigkeit verändert das Gefühl von Sprach-KI auf drei spezifische Arten, die OpenAI in seinem Launch-Briefing demonstrierte.

1. Natürliche Unterbrechungen und Gesprächsrhythmus

Das Modell kann mitten im Satz unterbrochen werden, hört dann auf zu sprechen und lauscht, anstatt den Nutzer zu überreden. Es erkennt auch, wenn ein Nutzer mitten im Gedanken innehält, und wartet ab, statt einzufallen . OpenAI-Produktleiterin Atty Eleti sagte während des Briefings: „Dies ist ein Voll-Duplex-Modell“ .

Das Modell kann außerdem durch Laute wie „mhmm“ oder „ja“ zeigen, dass es zuhört, während der Nutzer noch spricht, und es bleibt still, wenn der Gegenüber einen Moment zum Nachdenken braucht .

2. Paralleles Routing komplexer Anfragen an Spitzen-Textmodelle

Wenn GPT-Live auf eine schwierige Frage stößt, delegiert es das Reasoning parallel an die neuesten Textmodelle von OpenAI (wie GPT-5.5), während GPT-Live selbst im Gespräch mit dem Nutzer bleibt . Forschungsleiter Kundan Kumar erklärte: „Wenn GPT-Live intensiv über eine Frage nachdenken muss, kann es sein Reasoning und komplexe Aufgaben parallel an GPT-5.5 delegieren, während GPT-Live weiterhin mit dem Nutzer im Gespräch bleibt“ . Das bedeutet, dass Nutzer nicht darauf warten müssen, dass das Sprachmodell schwere Aufgaben durchdenkt – der Übergang von der Recherche zu den gesprochenen Ergebnissen erfolgt nahezu augenblicklich .

3. KI-generierte Bilder während des Gesprächs

GPT-Live kann Diskussionen mit visuellen Inhalten ergänzen – Bilder, Diagramme oder andere KI-generierte Darstellungen – und schafft so ein multimodales Erlebnis, das über reine Sprach-Chats hinausgeht . The Verge berichtete, dass das Modell Gespräche über Wetter, Aktien und Sport mit KI-generierten Bildern anreichern wird .

Insgesamt fühlen sich Gespräche durch diese Funktionen natürlicher an, ähnlich wie echte menschliche Dialoge. Business Insider beschrieb den Assistenten als einen, der „will, dass du ihn übergehst“ . Die Schlagzeile von The Verge lautete: „Besser im Zuhören“ .

Wer hat die Entwicklung geleitet?

Die beiden wichtigsten Personen, die in Pressebriefings und Medienberichten genannt wurden, sind:

• Kundan Kumar – Forschungsleiter für GPT-Live, von The Verge als „OpenAI-Forschungsleiter“ für das Projekt bezeichnet . Er kam Mitte 2025 von Character.AI zu OpenAI und war der Kernverantwortliche für das Audio-KI-Projekt .
• Atty Eleti – Produktleiterin für ChatGPT Voice, die das Modell während des Launch-Livestreams präsentierte .

Frühere Berichte vom Januar 2026 nannten zudem Infrastrukturleiter Ben Newhouse und Produktmanagerin Jackie Shannon als Beteiligte an der Neuorganisation der Audio-KI .

Zeitplan des Rollouts

• 8. Juli 2026 – Der globale Rollout begann für alle ChatGPT-Nutzer auf iOS, Android und im Web, mit GPT-Live-1 für zahlende Abonnenten und GPT-Live-1 mini für kostenlose Nutzer .
• Ebenfalls am 7. und 8. Juli veröffentlichte OpenAI neue API-Realtime-Modelle (gpt-realtime-2.1 und gpt-realtime-2.1-mini) mit einer um 25 % geringeren p95-Latenz durch verbessertes Caching .

Eine Einschränkung zum Start: GPT-Live unterstützt derzeit keine Sprachsteuerung mit Video-Funktionen .

Weitere große KI-Neuvorstellungen in derselben Woche

OpenAI brachte GPT-Live inmitten einer außergewöhnlich geschäftigen Woche in der gesamten KI-Branche auf den Markt.

OpenAIs eigenes Ökosystem:

• GPT-5.6 (Sol, Terra und Luna-Varianten) wurde für den 9. Juli 2026 zur öffentlichen Veröffentlichung erwartet, nach einem begrenzten früheren Rollout .

Wettbewerber und angrenzende Nachrichten:

• Anthropic – Veröffentlichte Anfang Juli ein bedeutendes Update für Claude Sonnet 5 mit verbesserter Befolgung von Anweisungen und Code-Generierungsgenauigkeit für komplexe agentische Aufgaben . Die Trump-Administration hob zudem in derselben Woche die Exportkontrollen für Anthropics Modelle Fable 5 und Mythos 5 auf .
• Google DeepMind – Brachte NanoBanana 2 Lite auf den Markt, ein Bildgenerierungsmodell, das Bilder in unter 4 Sekunden zu einem Preis von 0,034 US-Dollar pro 1.000 Bildern erstellt .
• Meta – Bereitet sich Berichten zufolge darauf vor, Neocloud-Dienste anzubieten, und steht zudem unter Druck der US-Regierung in Bezug auf KI-Sicherheitsprüfungen .
• SpaceXAI (xAI) – Bereitet sich Berichten zufolge darauf vor, in Partnerschaft mit Anysphere (Cursor) neue KI-Modelle zu veröffentlichen .
• China – Ein 9-Tage-Countdown für Chinas neues KI-Begleitgesetz begann, das Zwangsabschaltungen für 345 Millionen Doubao-Nutzer zur Folge hätte .
• Weißes Haus – Ankündigung freiwilliger KI-Modellstandards wurde erwartet .