OpenAI stellt Echtzeit-Sprachmodell »GPT-Live« vor

OpenAI veröffentlicht heute weltweit die Modellgeneration GPT-Live für die Sprachfunktion von ChatGPT. GPT-Live nutzt eine Full-Duplex-Architektur, um in Echtzeit gleichzeitig zu hören und zu sprechen. Komplexe Such- und Logikaufgaben delegiert es im Hintergrund an das Textmodell GPT-5.5.

Fließende Dialoge statt starrer Wechsel

Bisherige Sprachassistenten wie der Advanced Voice Mode (AVM) werteten Stille als Ende eines Satzes. Das führte zu unnatürlichen Unterhaltungen, bei denen das Modell oft dazwischenfunkte. GPT-Live verarbeitet Eingaben kontinuierlich, während es eigene Ausgaben generiert. Es entscheidet in Bruchteilen von Sekunden, ob es weiterspricht, zuhört oder den Nutzer unterbricht.

Im Gespräch signalisiert GPT-Live mit Einwürfen wie »mhmm« oder »ja«, dass es aufpasst. Wenn Nutzer mitten im Satz nachdenken, wartet es ab. Testpersonen bevorzugten das neue Modell in 75,7 Prozent der Fälle gegenüber dem alten Modell. Auch den Gesprächsfluss und die Angenehmheit bewerteten die Nutzer höher.

Aufgabenteilung für komplexe Anfragen

GPT-Live konzentriert sich primär auf die natürliche Gesprächsführung. Sobald eine Frage Websuchen oder tiefere Logik erfordert, übernimmt GPT-5.5 im Hintergrund. GPT-Live überbrückt die Rechenzeit und hält die Unterhaltung am Laufen.

Die Aufgabenteilung liefert messbare Resultate. Bei wissenschaftlichen Logiktests erreicht die Standardversion von GPT-Live eine Genauigkeit von 76,5 Prozent. Der Vorgänger AVM lag hier bei 45,3 Prozent.

Bei Suchaufgaben im Netz steigt der Wert von 0,7 Prozent beim alten Modell auf 35,1 Prozent. Simulationen mit Kundenservice-Agenten bestätigen diese Leistungssteigerung bei realistischen Aufgaben.

Visuelle Antworten und variable Bedenkzeit

Wer GPT-Live nutzt, sieht bei Fragen nach dem Wetter, Sportergebnissen oder Aktienkursen passende visuelle Karten auf dem Display. Gleichzeitig filtert das Modell Verkehrslärm und Hintergrundgespräche in unruhigen Umgebungen heraus. Die neun bekannten ChatGPT-Stimmen wurden für die neue Generation neu abgemischt.

Nutzer entscheiden nun selbst, wie viel Bedenkzeit sie GPT-Live für inhaltliche Antworten einräumen. Die Stufe »Instant« liefert schnelle Reaktionen für den Alltag. Die Stufen »Medium« und »High« sind für komplexe Anforderungen gedacht, bei denen GPT-5.5 länger rechnen soll.

Rollout und Sicherheitsvorkehrungen

OpenAI verteilt GPT-Live-1 an Plus-, Pro- und Go-Abonnenten. Nutzer der kostenfreien Variante erhalten das kleinere GPT-Live-1 mini als Standard. Beide Modelle sind für iOS, Android und über die Weboberfläche verfügbar.

Funktionen wie die gemeinsame Video- und Bildschirmfreigabe fehlen zum Start. Die alten Sprachmodelle bleiben für diese Einsatzzwecke aktiv. Für einige Sprachen räumt OpenAI ein, dass GPT-Live noch Lücken in der Sprachfertigkeit aufweist oder mit Akzent spricht.

Echtzeit-Schutzmechanismen greifen sofort ein, wenn ein Gespräch in riskante Bereiche abdriftet. OpenAI hat das Modell auf Themen wie Selbstverletzung oder psychische Krisen getestet. Erkennt GPT-Live bedenkliche Ausgaben, steuert es die Unterhaltung um oder bricht sie in Risikofällen ab.

Für Jugendliche wurden altersgerechte Verhaltensweisen direkt in das Modell trainiert. Über die Kindersicherungsfunktionen können Eltern die Nutzung einschränken. Bei Anzeichen von Selbstverletzungsabsichten erhalten verknüpfte Elternkonten direkt eine Benachrichtigung.