OpenAI GPT-Live-1 发布：全双工语音模型可以边听边说

OpenAI表示，推理成本已经下降到足以让语音的经济效益成立，因此该模型也对免费用户开放。上线之初，GPT-Live在后台使用GPT-5.5进行推理。

全双工语音相比回合制助手的三大改进

全双工能力通过以下三种方式改变了语音AI的体验：

1. 自然的打断与话轮切换

模型在说话过程中可以被用户打断，并会停下来倾听，而不是继续说下去。它还能检测到用户思考中的停顿，并耐心等待，而不是抢话。OpenAI产品负责人 Atty Eleti 在发布会上表示：“这是一个全双工模型”。

模型还能在用户说话时用“嗯”、“是的”等语气词表示正在听，并在你需要思考时保持安静。

2. 复杂查询并行路由至前沿文本模型

当GPT-Live遇到复杂问题时，它将推理任务并行委派给OpenAI的最新文本模型（如GPT-5.5），同时GPT-Live自身继续与用户保持对话。研究负责人 Kundan Kumar 解释：“当GPT-Live需要对某个问题进行深入思考时，它可以将其推理和复杂任务并行委派给GPT-5.5，同时仍与用户保持对话”。这意味着用户无需等待语音模型去思考复杂任务——从研究到口述结果几乎瞬间完成。

3. 对话中生成AI视觉内容

GPT-Live可以在讨论过程中补充屏幕视觉内容——图像、图表或其他AI生成的内容——创造出超越纯语音聊天的多模态体验。The Verge报道，该模型在讨论天气、股票和体育时会用AI生成的图像进行补充说明。

综合来看，这些功能使对话更接近自然的人类交流。Business Insider称这是一款“希望你打断它”的助手，The Verge的头条则称其“更懂得何时闭嘴”。

研发主导者是谁？

发布会和媒体报道中提到的两位关键人物是：

• Kundan Kumar —— GPT-Live研究负责人，The Verge称其为该项目的“OpenAI研究员负责人”。他于2025年年中从Character.AI加入OpenAI，并担任音频AI项目的核心负责人。
• Atty Eleti —— ChatGPT语音产品负责人，在发布会直播中演示了该模型。

2026年1月的早期报道还提到了基础设施负责人 Ben Newhouse 和产品经理 Jackie Shannon 也参与了音频AI重组。

上线时间表

• 2026年7月8日 —— 全球开始向所有ChatGPT用户推送，覆盖iOS、Android和网页端，付费用户使用GPT-Live-1，免费用户使用GPT-Live-1 mini。
• 7月7日至8日，OpenAI还发布了新的API实时模型（gpt-realtime-2.1 和 gpt-realtime-2.1-mini），通过改进缓存将p95延迟降低了25%。

上线时存在一个限制：GPT-Live目前不支持语音与视频协同功能。

同周其他重大AI发布

OpenAI在AI行业异常繁忙的一周中发布了GPT-Live。

OpenAI自身的生态系统：

• GPT-5.6（Sol、Terra和Luna版本）预计于2026年7月9日对公众开放，在之前的有限发布后扩大使用范围。

竞争对手及周边动态：

• Anthropic —— 7月初对Claude Sonnet 5进行了重大更新，改进了指令遵循和复杂智能体任务中的代码生成准确性。同一周，特朗普政府解除对Anthropic的Fable 5和Mythos 5模型的出口管制。
• Google DeepMind —— 发布NanoBanana 2 Lite图像生成模型，可在4秒内生成图像，每1000张图像成本为0.034美元。
• Meta —— 据报道准备提供Neocloud服务，同时面临美国政府对其AI安全审查的压力。
• SpaceXAI（xAI） —— 据报道准备与Anysphere（Cursor）合作发布新的AI模型，作为更广泛竞争的一部分。
• 中国 —— 中国新的AI伴侣法进入9天倒计时，该法律将导致3.45亿豆包用户受到强制下线影响。
• 白宫 —— 预计将宣布自愿性AI模型标准。