GPT-Live-Technologie: Ablösung des Advanced Voice Mode

GPT-Live ist eine neue Familie von Sprachmodellen, die auf einer Full-Duplex-Architektur basiert – sie kann gleichzeitig zuhören und sprechen, anstatt in einem abwechselnden „Push-to-Talk“-Stil zu arbeiten . Zwei Versionen wurden am 8. Juli 2026 veröffentlicht:

• GPT-Live-1 – für zahlende Abonnenten (Go, Plus, Pro)
• GPT-Live-1 mini – für Nutzer des Free-Tarifs

Dieses System ersetzt den bisherigen Advanced Voice Mode vollständig . Die wichtigsten architektonischen Änderungen sind:

• Das Modell verarbeitet Audioeingaben und erzeugt Audioausgaben kontinuierlich, nicht durch schnelles Umschalten zwischen Sende- und Empfangsmodus
• Es entscheidet „viele Male pro Sekunde“, ob es antworten, pausieren oder ein Tool aufrufen soll
• Es delegiert komplexe Denkaufgaben im Hintergrund an GPT-5.5 (später GPT-5.6)
• Es unterstützt natürliche Unterbrechungen, überlappende Sprache und Echtzeit-Bestätigungen („mhm“, „ja“)
• Es kann während des Gesprächs Informationen auf dem Bildschirm anzeigen

Der bisherige Advanced Voice Mode (eingeführt Mitte 2024) war ein wechselseitiges System, das zwischen Hören und Sprechen abwechselte. Er wurde am 8. Juli 2026 vollständig durch GPT-Live ersetzt . Die alte Desktop-Sprachfunktion für macOS war sogar noch früher – am 15. Januar 2026 – eingestellt worden, als Teil eines umfassenderen Plans zur Straffung und Verbesserung der Sprachfunktionen im Vorfeld des GPT-Live-Rollouts .

Freihändige Steuerung über Chat, Work und Codex hinweg

ChatGPT Voice auf dem Desktop ermöglicht es den Nutzern, die gesamte vereinheitlichte App per Sprache zu steuern – in den drei Modi Chat, Work und Codex, die alle aus einer einzigen Desktop-Oberfläche zugänglich sind .

• Chat – die standardmäßige konversationelle ChatGPT-Oberfläche
• ChatGPT Work – gestartet am 9. Juli 2026, ein neuer autonomer Agent für mehrstufige professionelle Aufgaben (Erstellen von Tabellen, Folien, Dokumenten, Web-Apps), angetrieben von GPT-5.6 und Codex
• Codex – der spezialisierte Programmieragent, jetzt in dieselbe Desktop-App integriert

Die Nutzer können per Sprachbefehl mehrere Agents in Work oder Codex gleichzeitig steuern, zum Beispiel: „Prüfe meinen Kalender, entwirf eine E-Mail und bereite eine Zusammenfassung für das Meeting vor“ .

Appshots-Funktion (nur macOS)

In der Mac-Desktop-App ist ChatGPT Voice mit Appshots integriert, einer Funktion, die ursprünglich im Mai 2026 für Codex veröffentlicht wurde. Sie ermöglicht es der KI, das aktuell vorderste App-Fenster – einschließlich seines Screenshots und des zugänglichen Textes – als Kontext zu erfassen .

• So funktioniert es im Voice-Modus: Aktiviere „Screen context“ in den Einstellungen > Voice und sage dann „Take a look at this.“ ChatGPT erfasst das Bild und den Text des Fensters, einschließlich des Inhalts außerhalb des sichtbaren Bereichs
• So funktioniert es in Codex: Drücke beide Command-Tasten, um das vorderste Fenster an Codex zu senden
• Dies gibt ChatGPT Echtzeit-Bild- und Textkontext aus Designtools, Dashboards, Dokumenten und anderen Apps, ohne dass der Benutzer kopieren, einfügen oder beschreiben muss, was auf dem Bildschirm ist

Integration mit Computer Use und Plugins

ChatGPT Voice auf dem Desktop nutzt Computer Use (OpenAIs Fähigkeit, das Betriebssystem zu steuern), lokale Dateien und Plugins, um gesprochene Anfragen auszuführen . Das System kann:

• Im Betriebssystem navigieren, Kalender überprüfen, Anwendungen öffnen und mit Bildschirmelementen interagieren
• Plugins für erweiterte Tool-Zugriffe verwenden
• Unter Windows bietet es die gleichen Computer-Steuerungsfunktionen, allerdings ohne die Appshots-Bildschirmkontext-Funktion

Umfassende Konsolidierung: Codex + ChatGPT + Work → Eine GPT-5.6-gestützte Desktop-App

Der Desktop-Launch von ChatGPT Voice baut auf einer großen Produktkonsolidierung auf, die zwei Wochen zuvor, am 9. Juli 2026, stattfand:

• Was passiert ist: Die eigenständige Codex-App wurde in die neue ChatGPT-Desktop-App integriert. Die kombinierte App enthält drei Modi – Chat, Codex und Work – die in einer einzigen Oberfläche auf macOS und Windows laufen
• ChatGPT Work wird als eine Kombination aus ChatGPT und Codex beworben, die auch nicht-technischen Nutzern Zugang zu den Fähigkeiten von Codex für die Dokumentenerstellung, Workflow-Automatisierung und Projektverwaltung bietet
• OpenAI hat außerdem eine neue Chrome-Erweiterung, einen überarbeiteten In-App-Browser und schnelleres Computer Use auf Basis von GPT-5.6 ausgeliefert

GPT-Live-Technologie: Ablösung des Advanced Voice Mode

GPT-Live ist eine neue Familie von Sprachmodellen, die auf einer Full-Duplex-Architektur basiert – sie kann gleichzeitig zuhören und sprechen, anstatt in einem abwechselnden „Push-to-Talk“-Stil zu arbeiten . Zwei Versionen wurden am 8. Juli 2026 veröffentlicht:

• GPT-Live-1 – für zahlende Abonnenten (Go, Plus, Pro)
• GPT-Live-1 mini – für Nutzer des Free-Tarifs

Dieses System ersetzt den bisherigen Advanced Voice Mode vollständig . Die wichtigsten architektonischen Änderungen sind:

• Das Modell verarbeitet Audioeingaben und erzeugt Audioausgaben kontinuierlich, nicht durch schnelles Umschalten zwischen Sende- und Empfangsmodus
• Es entscheidet „viele Male pro Sekunde“, ob es antworten, pausieren oder ein Tool aufrufen soll
• Es delegiert komplexe Denkaufgaben im Hintergrund an GPT-5.5 (später GPT-5.6)
• Es unterstützt natürliche Unterbrechungen, überlappende Sprache und Echtzeit-Bestätigungen („mhm“, „ja“)
• Es kann während des Gesprächs Informationen auf dem Bildschirm anzeigen

Der bisherige Advanced Voice Mode (eingeführt Mitte 2024) war ein wechselseitiges System, das zwischen Hören und Sprechen abwechselte. Er wurde am 8. Juli 2026 vollständig durch GPT-Live ersetzt . Die alte Desktop-Sprachfunktion für macOS war sogar noch früher – am 15. Januar 2026 – eingestellt worden, als Teil eines umfassenderen Plans zur Straffung und Verbesserung der Sprachfunktionen im Vorfeld des GPT-Live-Rollouts .

Freihändige Steuerung über Chat, Work und Codex hinweg

ChatGPT Voice auf dem Desktop ermöglicht es den Nutzern, die gesamte vereinheitlichte App per Sprache zu steuern – in den drei Modi Chat, Work und Codex, die alle aus einer einzigen Desktop-Oberfläche zugänglich sind .

• Chat – die standardmäßige konversationelle ChatGPT-Oberfläche
• ChatGPT Work – gestartet am 9. Juli 2026, ein neuer autonomer Agent für mehrstufige professionelle Aufgaben (Erstellen von Tabellen, Folien, Dokumenten, Web-Apps), angetrieben von GPT-5.6 und Codex
• Codex – der spezialisierte Programmieragent, jetzt in dieselbe Desktop-App integriert

Die Nutzer können per Sprachbefehl mehrere Agents in Work oder Codex gleichzeitig steuern, zum Beispiel: „Prüfe meinen Kalender, entwirf eine E-Mail und bereite eine Zusammenfassung für das Meeting vor“ .

Appshots-Funktion (nur macOS)

In der Mac-Desktop-App ist ChatGPT Voice mit Appshots integriert, einer Funktion, die ursprünglich im Mai 2026 für Codex veröffentlicht wurde. Sie ermöglicht es der KI, das aktuell vorderste App-Fenster – einschließlich seines Screenshots und des zugänglichen Textes – als Kontext zu erfassen .

• So funktioniert es im Voice-Modus: Aktiviere „Screen context“ in den Einstellungen > Voice und sage dann „Take a look at this.“ ChatGPT erfasst das Bild und den Text des Fensters, einschließlich des Inhalts außerhalb des sichtbaren Bereichs
• So funktioniert es in Codex: Drücke beide Command-Tasten, um das vorderste Fenster an Codex zu senden
• Dies gibt ChatGPT Echtzeit-Bild- und Textkontext aus Designtools, Dashboards, Dokumenten und anderen Apps, ohne dass der Benutzer kopieren, einfügen oder beschreiben muss, was auf dem Bildschirm ist

Integration mit Computer Use und Plugins

ChatGPT Voice auf dem Desktop nutzt Computer Use (OpenAIs Fähigkeit, das Betriebssystem zu steuern), lokale Dateien und Plugins, um gesprochene Anfragen auszuführen . Das System kann:

• Im Betriebssystem navigieren, Kalender überprüfen, Anwendungen öffnen und mit Bildschirmelementen interagieren
• Plugins für erweiterte Tool-Zugriffe verwenden
• Unter Windows bietet es die gleichen Computer-Steuerungsfunktionen, allerdings ohne die Appshots-Bildschirmkontext-Funktion

Umfassende Konsolidierung: Codex + ChatGPT + Work → Eine GPT-5.6-gestützte Desktop-App

Der Desktop-Launch von ChatGPT Voice baut auf einer großen Produktkonsolidierung auf, die zwei Wochen zuvor, am 9. Juli 2026, stattfand:

• Was passiert ist: Die eigenständige Codex-App wurde in die neue ChatGPT-Desktop-App integriert. Die kombinierte App enthält drei Modi – Chat, Codex und Work – die in einer einzigen Oberfläche auf macOS und Windows laufen
• ChatGPT Work wird als eine Kombination aus ChatGPT und Codex beworben, die auch nicht-technischen Nutzern Zugang zu den Fähigkeiten von Codex für die Dokumentenerstellung, Workflow-Automatisierung und Projektverwaltung bietet
• OpenAI hat außerdem eine neue Chrome-Erweiterung, einen überarbeiteten In-App-Browser und schnelleres Computer Use auf Basis von GPT-5.6 ausgeliefert