GPT-Live: OpenAIs Sprach-KI hört zu, während sie spricht
Dieser Artikel erklärt die Full-Duplex-Architektur hinter GPT-Live, ordnet die Benchmarks ein und zeigt, was der Launch zusammen mit der Transparenzpflicht aus Artikel 50 EU AI Act für Unternehmen bedeutet.
OpenAI hat am 8. Juli 2026 GPT-Live-1 und GPT-Live-1 mini veröffentlicht und damit den Advanced Voice Mode in ChatGPT weltweit abgelöst. Die Modelle arbeiten Full-Duplex: Sie hören zu, während sie sprechen, und entscheiden mehrmals pro Sekunde, ob sie antworten, pausieren oder ein Werkzeug aufrufen. Komplexe Aufgaben delegiert GPT-Live im Hintergrund an GPT-5.5. Auf dem Wissens-Benchmark GPQA steigt die Genauigkeit dadurch von 45,3 auf 84,2 Prozent, bei der agentischen Websuche BrowseComp von 0,7 auf 75,2 Prozent. Eine API fehlt zum Start. Für deutsche Unternehmen fällt der Launch mit der Transparenzpflicht nach Artikel 50 EU AI Act zusammen, die ab dem 2. August 2026 vollumfänglich gilt: Wer Sprach-KI im Kundenkontakt einsetzt, muss sie bei der ersten Interaktion als KI offenlegen. Bei Verstößen drohen Bußgelder bis 15 Millionen Euro oder 3 Prozent des Weltjahresumsatzes.
Was OpenAI veröffentlicht hat
Seit dem 8. Juli 2026 spricht ChatGPT anders. OpenAI hat mit GPT-Live-1 und GPT-Live-1 mini zwei neue Sprachmodelle ausgerollt, die den bisherigen Advanced Voice Mode ersetzen. Der Unterschied ist grundsätzlich: Die neuen Modelle hören zu, während sie sprechen. Du kannst ins Wort fallen, um eine Kurzfassung bitten oder einfach schweigen, ohne dass die KI die Pause als Redeaufforderung missversteht.
Der Rollout läuft weltweit auf iOS, Android und chatgpt.com. GPT-Live-1 mini wird Standard für alle Nutzer, auch im kostenlosen Tarif. Das größere GPT-Live-1 bleibt den Abo-Stufen Go, Plus und Pro vorbehalten.
- Neun vordefinierte Stimmen stehen zur Wahl. Die Imitation echter Stimmen ist technisch gesperrt.
- Dokumentierte Gespräche laufen 30 bis 40 Minuten am Stück, mit Rückmeldungen wie "mhm" oder kurzen Bestätigungen, während Du sprichst.
- Eine API gibt es zum Start nicht. OpenAI nennt "in Kürze" und sammelt Interessenten über ein Formular.
GPT-Live ist kein Feature-Update, sondern ein Architekturwechsel. Das starre Abwechseln zwischen Mensch und Maschine, das Sprachassistenten seit Alexa und Siri prägt, entfällt.
Full-Duplex: So funktioniert die neue Architektur
Full-Duplex heißt: Das Modell verarbeitet eingehendes Audio und erzeugt gleichzeitig Ausgabe. Es entscheidet mehrmals pro Sekunde, ob es spricht, pausiert, unterbricht oder ein Werkzeug aufruft. Bisherige Sprachassistenten konnten immer nur eines von beidem.
Der Weg dorthin führte über drei Generationen. Jede löste ein Problem und ließ ein anderes offen.
ChatGPT Voice: die Kaskade
Drei getrennte Schritte: Spracherkennung, Textmodell, Sprachausgabe. Funktional, aber mit spürbarer Latenz und ohne Gefühl für Tonfall oder Ironie.
Advanced Voice Mode: ein Audiomodell
Ein einziges Modell verarbeitet Audio direkt, mit rund 320 Millisekunden Antwortlatenz. Das Prinzip blieb aber rundenbasiert: erst hören, dann sprechen.
GPT-Live: Full-Duplex
Hören und Sprechen laufen parallel. Das Modell geht mit Stille und Hintergrundgeräuschen deutlich besser um und bleibt still, wenn Du nachdenkst.
Wichtig für Entwickler: Die Realtime API, mit der heute Callcenter-Bots und Telefonassistenten gebaut werden, ist davon getrennt. Sie arbeitet trotz reduzierter Latenz weiter rundenbasiert. Full-Duplex bleibt vorerst ChatGPT vorbehalten.
Delegation an GPT-5.5: die Benchmarks
GPT-Live ist bewusst kein Frontier-Modell, sondern ein Gesprächsmodell mit Rückgriff auf eines. Braucht eine Frage Websuche, tieferes Nachdenken oder agentische Fähigkeiten, delegiert GPT-Live die Aufgabe im Hintergrund an GPT-5.5 und trägt das Ergebnis ins laufende Gespräch nach. Du merkst davon nur, dass die Antwort einen Moment später kommt, das Gespräch läuft weiter.
Die Benchmark-Sprünge gegenüber dem Advanced Voice Mode gehen fast vollständig auf diese Delegation zurück:
| Benchmark | Advanced Voice Mode | GPT-Live-1 |
|---|---|---|
| GPQA (Expertenwissen, High Reasoning) | 45,3 % | 84,2 % |
| BrowseComp (agentische Websuche) | 0,7 % | 75,2 % |
| Menschliche Präferenz (Blindvergleich) | Referenz | 75,7 % bevorzugen GPT-Live-1 |
Für die Delegation stehen drei Stufen bereit: GPT-5.5 Instant als schneller Standard, dazu GPT-5.5 Thinking mit mittlerem oder hohem Reasoning-Aufwand. Wohin sich die dahinterliegende Modellfamilie entwickelt, ordnet der Beitrag zu GPT-5.2 und GPT-6 ein.
Der BrowseComp-Wert von 0,7 Prozent zeigt, wie blind bisherige Sprachmodi bei Recherche-Aufgaben waren. Erst die Arbeitsteilung zwischen Gesprächsmodell und Hintergrundmodell macht Sprach-KI für ernsthafte Aufgaben brauchbar.
Deutsche und EU-Perspektive: Artikel 50 kommt am 2. August
Der GPT-Live-Launch fällt fast auf den Tag mit einer regulatorischen Frist zusammen. Ab dem 2. August 2026 gilt die Transparenzpflicht nach Artikel 50 EU AI Act vollumfänglich: Menschen müssen bei der ersten Interaktion klar erfahren, dass sie mit einer KI sprechen, außer es ist aus den Umständen offensichtlich. Je natürlicher Sprach-KI klingt, desto weniger ist es das.
- Betroffen sind Voicebots, KI-Telefonassistenten und Chatbots im Kundenkontakt, also genau die Einsatzfelder, die Full-Duplex-Technik attraktiv macht.
- Bei Verstößen drohen Bußgelder bis 15 Millionen Euro oder 3 Prozent des weltweiten Jahresumsatzes.
- Wer DSGVO-konform aufgestellt ist, hat einen großen Teil der Pflichten bereits abgedeckt: Verarbeitungsverzeichnis, Information der Betroffenen, Löschkonzepte.
- Offen bleibt die Datenfrage: Stimme kann biometrische Merkmale enthalten, Sprachdaten sind sensibel. Speicherort und Auftragsverarbeitung gehören vor dem Einsatz geprüft.
Welche weiteren Fristen der EU AI Act setzt, zeigt der Überblick zu den Hochrisiko-Fristen und dem Digital Omnibus . Und dass Unternehmen für Aussagen ihrer Bots haften, hat ein kanadisches Urteil schon 2024 gezeigt, nachzulesen im Beitrag zur KI-Haftung bei Chatbot-Fehlern .
Herausforderungen und Risiken
GPT-Live macht Sprach-KI menschenähnlicher. Genau das ist die größte Sorge der Kritiker. OpenAI selbst nennt emotionale Abhängigkeit als eines von sechs Risikofeldern im Sicherheitskonzept des Modells, neben Selbstverletzung, Psychose und Manie, Gewalt, sexuellen Inhalten und Stimm-Imitation.
Die Befunde dazu sind ernüchternd. Eine gemeinsame Studie von OpenAI und MIT Media Lab fand, dass Intensivnutzer des Voice Mode einsamer und zurückgezogener wurden.
Die Technologie birgt beispiellose Risiken für Nutzer im Allgemeinen und verletzliche Nutzer im Besonderen.
Public Citizen, Forderung an OpenAI zur Aussetzung des Voice Mode- OpenAI reagiert mit Echtzeit-Moderation, Verweisen auf Krisen-Hotlines, altersgerechtem Verhalten im Modell und Elternkontrollen für Jugendliche. Wie ernst der Jugendschutz bei Chatbots inzwischen genommen wird, zeigt der Beitrag zu KI-Chatbots und Kinderschutz .
- Die Sprachqualität außerhalb des Englischen schwankt. In der Launch-Demo klang die Hindi-Übersetzung nach starkem amerikanischen Akzent, auch für Deutsch ist mit Einschränkungen zu rechnen.
- Zum Start fehlen Video und Screen-Sharing, die der Advanced Voice Mode bereits hatte.
- Für Unternehmen fehlt die API. Wer heute baut, arbeitet mit der rundenbasierten Realtime API und plant den Umstieg.
Was Unternehmen jetzt tun sollten
Full-Duplex-Sprach-KI wird binnen Monaten auch als API verfügbar sein. Wer Sprachschnittstellen im Kundenkontakt plant, legt jetzt die Grundlagen, statt auf den API-Start zu warten. Die Compliance-Frist am 2. August wartet nicht.
Fünf vorrangige Schritte
-
GPT-Live intern testen
In ChatGPT ausprobieren und bewerten: Wo scheitern die eigenen Voicebots heute an Turn-Taking und Latenz? Das Ergebnis zeigt, welche Use Cases vom Umstieg profitieren.
-
Artikel-50-Offenlegung einbauen
Bis zum 2. August 2026 in alle Sprach- und Chat-Kanäle eine klare KI-Offenlegung bei der ersten Interaktion integrieren. Formulierung, Zeitpunkt und Protokollierung dokumentieren.
-
Datenschutz für Sprachdaten prüfen
Datenschutz-Folgenabschätzung vorbereiten: Speicherort, Auftragsverarbeitung, mögliche biometrische Merkmale in Stimmdaten und Löschfristen klären.
-
Use Cases priorisieren
Anwendungen zuerst umsetzen, die von Unterbrechbarkeit profitieren: Support-Hotlines, Terminvereinbarung, Freisprech-Workflows im Außendienst oder in der Werkstatt.
-
Grenzen und Eskalation definieren
Richtlinien ergänzen: Sprach-KI im Auto oder Großraumbüro kann Vertrauliches mithören. Bei kundennahen Voice-Anwendungen klare Eskalationspfade zu Menschen festlegen.
Weiterführende Informationen
Häufig gestellte Fragen
GPT-Live ist OpenAIs neue Generation von Sprachmodellen für ChatGPT, veröffentlicht am 8. Juli 2026. Die Modelle GPT-Live-1 und GPT-Live-1 mini ersetzen den Advanced Voice Mode. Sie arbeiten Full-Duplex, hören also zu, während sie sprechen, lassen sich unterbrechen und bleiben still, wenn Du nachdenkst. Komplexe Aufgaben wie Websuche oder tieferes Reasoning delegiert GPT-Live im Hintergrund an GPT-5.5.
Full-Duplex heißt, dass das Modell eingehendes Audio verarbeitet, während es gleichzeitig Ausgabe erzeugt. Es entscheidet mehrmals pro Sekunde, ob es spricht, pausiert, unterbricht oder ein Werkzeug aufruft. Damit endet das starre Abwechseln bisheriger Sprachassistenten: Du kannst ins Wort fallen, und die KI gibt Rückmeldungen wie ein menschlicher Gesprächspartner.
GPT-Live-1 mini ersetzt den Advanced Voice Mode als Standard für alle ChatGPT-Nutzer, auch im kostenlosen Tarif. Das größere Modell GPT-Live-1 ist Abonnenten der Tarife Go, Plus und Pro vorbehalten. Der Rollout läuft weltweit auf iOS, Android und chatgpt.com. Es stehen neun vordefinierte Stimmen zur Wahl, die Imitation echter Stimmen ist gesperrt.
Zum Start nicht. OpenAI kündigt die API als in Kürze verfügbar an und sammelt Interessenten über ein Formular. Wer heute Voicebots oder Telefonassistenten baut, arbeitet weiter mit der Realtime API, die trotz reduzierter Latenz rundenbasiert bleibt. Unternehmen sollten die Wartezeit für Datenschutzprüfung und Compliance-Vorbereitung nutzen.
Ab dem 2. August 2026 gilt die Transparenzpflicht nach Artikel 50 EU AI Act vollumfänglich. Menschen müssen bei der ersten Interaktion klar erfahren, dass sie mit einer KI sprechen, außer es ist aus den Umständen offensichtlich. Das betrifft Voicebots, KI-Telefonassistenten und Chatbots. Bei Verstößen drohen Bußgelder bis 15 Millionen Euro oder 3 Prozent des weltweiten Jahresumsatzes.
OpenAI nennt emotionale Abhängigkeit als eines von sechs Risikofeldern im Sicherheitskonzept von GPT-Live. Eine Studie von OpenAI und MIT Media Lab fand, dass Intensivnutzer des Voice Mode einsamer und zurückgezogener wurden. Die Organisation Public Citizen forderte OpenAI auf, den Voice Mode auszusetzen. OpenAI reagiert mit Echtzeit-Moderation, Verweisen auf Krisen-Hotlines und Elternkontrollen für Jugendliche.