OpenAI startet GPT-Live: Jetzt kann ChatGPT gleichzeitig zuhören und sprechen

Mit GPT-Live präsentiert OpenAI Sprachmodelle, die erstmals simultan hören und sprechen können. Die Full-Duplex-Architektur delegiert komplexe Anfragen an GPT-5.5 im Hintergrund und lässt bisherige Voice-Modi alt aussehen.

Über 150 Millionen Menschen sprechen bereits mit ChatGPT. Jetzt macht OpenAI das Gespräch erstmals wirklich natürlich: GPT-Live, ab sofort weltweit verfügbar, kann gleichzeitig hören und sprechen wie ein echter Mensch. Keine starren Wechsel mehr zwischen Frage und Antwort, sondern flüssige Unterhaltungen mit Unterbrechungen, Denkpausen und „mhmm“-Bestätigungen.

Die Full-Duplex-Architektur trifft mehrfach pro Sekunde Entscheidungen: Weitersprechen, pausieren, zuhören oder unterbrechen, wie The Decoder berichtet. Das System kommt in zwei Varianten: GPT-Live-1 für zahlende Nutzer (Go, Plus, Pro) und GPT-Live-1 Mini für Free-Accounts. Beide ersetzen schrittweise den bisherigen Advanced Voice Mode, der in internen Tests gegen die neue Generation chancenlos war. In 75,7 Prozent der Fälle bevorzugten Tester GPT-Live-1, bei der Mini-Version waren es 69,2 Prozent.

Die Intelligenz sitzt jetzt im Hintergrund

Der eigentliche Durchbruch liegt nicht im Smalltalk, sondern in der Entkopplung von Gespräch und Denkleistung. Wenn eine Frage Websuche, komplexes Reasoning oder agentische Fähigkeiten erfordert, delegiert GPT-Live die Aufgabe im Hintergrund an GPT-5.5 — während das Gespräch nahtlos weiterläuft. Nutzer wählen zwischen drei Reasoning-Stufen: „Instant“ für schnelle Antworten, „Medium“ und „High“ für knifflige Probleme. Diese Architektur macht GPT-Live erstmals ernsthaft arbeitsfähig.

Im GPQA-Benchmark für wissenschaftliches Reasoning erreicht GPT-Live-1 mit hoher Reasoning-Stufe 84,2 Prozent Genauigkeit, der alte Advanced Voice Mode schaffte mickrige 45,3 Prozent. Noch drastischer beim BrowseComp-Test für agentische Websuche: 75,2 Prozent versus 0,7 Prozent, so The Decoder. Während der Unterhaltung zeigt ChatGPT Voice nun auch visuelle Karten für Wetter, Aktienkurse oder Sportergebnisse an — ein Feature, das Startups wie Monogram bereits als Differentiator nutzen.

Voice als primäres Interface & die Risiken

OpenAI positioniert Voice explizit als künftiges Hauptinterface für Computing. Atty Eleti, ChatGPT-Voice-Produktchef, berichtet laut TechCrunch von 30- bis 40-minütigen Gesprächen während seiner Spaziergänge. Die Gerüchte über mögliche OpenAI-Earbuds noch 2025 passen ins Bild, konkrete Hardware-Pläne verriet das Unternehmen allerdings nicht. Doch mit natürlicher klingender KI wächst das Vermenschlichungsrisiko.

Forschung zeigt: Intensive Voice-Nutzer neigen stärker dazu, KI-Systemen menschliche Eigenschaften zuzuschreiben, mit teils katastrophalen Folgen. OpenAI will gegensteuern: Das System erkennt Hochrisikogespräche bereits während des Sprechens, lenkt zu sicheren Antworten, blendet Warnungen ein oder bricht Gespräche ab. Bei Selbstverletzungsthemen werden Krisenhotlines angeboten. Für jugendliche Nutzer ist altersgerechtes Verhalten ins Modell trainiert, Eltern können über Parental Controls entscheiden.

Business Punk Check

Technisch beeindruckend, strategisch clever — aber die Lücken sind offensichtlich. Die Live-Übersetzung im Hindi-Demo klang laut TechCrunch unnatürlich mit schwerem amerikanischen Akzent, die Optimierung für „die meisten gesprochenen Sprachen“ bleibt vage. Video-Features und Screensharing fehlen komplett beim Launch. Und während OpenAI beteuert, keine Companion-KI zu bauen, spricht die 40-Minuten-Gespräche-PR eine andere Sprache. Die eigentliche Frage: Wird Voice wirklich das primäre Interface für ernsthafte Arbeit?

Oder bleibt es Gimmick für Pendler-Smalltalk? Die Benchmark-Sprünge sind real, die Hintergrund-Delegation elegant. Aber solange das System bei komplexen Sprachen patzt und zentrale Features fehlen, ist GPT-Live eher ein ambitionierter Beta-Test als die Voice-Revolution. Für OpenAI dennoch goldrichtig: Während Meta mit Muse nachlegt und Apple seinen Assistant aufbohrt, sichert sich OpenAI jetzt den Vorsprung im Voice-Race. Wer in zwei Jahren mit seinem Computer spricht statt tippt, wird vermutlich GPT-basierte Technologie nutzen — egal ob direkt oder white-labeled.

Quellen: The Decoder, TechCrunch, t3n