Inhaltsverzeichnis
- 1. Was ist GPT-Live – Vollduplex-Sprache, die „hört, während sie spricht"
- 2. Worin unterscheidet es sich vom bisherigen Advanced Voice Mode
- 3. Funktionsweise – Entscheidungen im Sekundentakt und Delegation an GPT-5.5
- 4. Zwei Modelle und Verfügbarkeit je Tarif
- 5. Die wichtigsten Fortschritte
- 6. Aktuelle Einschränkungen – ehrlich betrachtet
- 7. Einsatzszenarien
- 8. API-Verfügbarkeit und Unterschied zu GPT-Realtime
- Fazit
- FAQ
Am 8. Juli 2026 hat OpenAI mit „GPT-Live" ein neues Modell weltweit veröffentlicht, das die Sprachfunktion von ChatGPT von Grund auf erneuert (offizielle Ankündigung von OpenAI). Die Ankündigung erfolgte kurz vor der allgemeinen Verfügbarkeit von GPT-5.6 am Folgetag, dem 9. Juli. Das herausragende Merkmal ist die Vollduplex-Architektur (Full-Duplex), bei der gleichzeitig gehört und gesprochen werden kann.
Bisherige KI-Sprache funktionierte nach dem Turn-Prinzip: „Erst wenn du fertig gesprochen hast, folgt die Antwort." GPT-Live dagegen gibt wie ein Mensch im Gespräch Hörsignale, fängt Unterbrechungen auf und schneidet dir das Schweigen zum Nachdenken nicht ab. Dieser Beitrag erklärt auf Basis der offiziellen Ankündigung, was GPT-Live ist, worin es sich vom bisherigen Advanced Voice Mode unterscheidet, wie es funktioniert, in welchem Tarif es nutzbar ist und was es noch nicht kann.
Das Ende des Turn-Prinzips
— Hören, während man spricht: hin zu menschenähnlichen Gesprächen
1. Was ist GPT-Live – Vollduplex-Sprache, die „hört, während sie spricht"
GPT-Live ist eine neue Reihe von Sprachmodellen, die das Sprachgespräch in ChatGPT trägt. Als Ablösung der bisherigen Sprachfunktion (Advanced Voice Mode) wurde es ab dem 8. Juli 2026 weltweit für iOS, Android und Web von ChatGPT ausgerollt.
Der Kern liegt im Design des „Vollduplex (Full-Duplex)". Wie beim Telefon wird die Eingabe (deine Stimme) verarbeitet und gleichzeitig fortlaufend die Ausgabe (die Stimme der KI) erzeugt. Deshalb gilt –
- Während du sprichst, kann es Hörsignale wie „mhm" oder „aha" zurückgeben
- Wenn du die KI mitten im Reden unterbrichst, hört sie richtig zu und ändert den Kurs
- Wenn du zum Nachdenken verstummst, deutet es das nicht fälschlich als „fertig gesprochen" und schneidet dich nicht ab
Kurz gesagt: GPT-Live realisiert ein Echtzeit-Gespräch ohne „Anstehen in der Reihe".
2. Worin unterscheidet es sich vom bisherigen Advanced Voice Mode
Die bisherige KI-Sprache (Advanced Voice Mode) arbeitete nach dem Turn-Prinzip (Halbduplex). Konstruktionsbedingt hatte sie folgende Schwächen.
| Aspekt | Bisher: Advanced Voice Mode | Neu: GPT-Live |
|---|---|---|
| Grundprinzip | Turn-Prinzip (Halbduplex) – wartet, bis du fertig sprichst | Vollduplex – spricht gleichzeitig, während es hört |
| Erkennung des Sprechendes | auf Basis von Stille (Schweigen) | Erkennung anhand von Stimmlage und Atemveränderung |
| Nachdenkliches Schweigen | deutet es als „fertig" und neigt zum Unterbrechen | kann warten, ohne abzuschneiden |
| Hörsignale | grundsätzlich keine | gibt „mhmm", „yeah" usw. zurück |
| Unterbrechungen | bricht mitunter unnatürlich ab | fängt sie auf und passt sich an |
| Entscheidungsfrequenz | pro Turn | mehrmals pro Sekunde (sprechen/hören/pausieren/unterbrechen/Tools aufrufen) |
Laut OpenAI wurden in einem Vergleich, bei dem Menschen 5–10-minütige Gespräche unter gleichen Bedingungen bewerteten, sowohl GPT-Live-1 als auch GPT-Live-1 mini deutlich gegenüber dem Advanced Voice Mode bevorzugt. Zudem werden Verbesserungen bei GPQA (fachwissenschaftliches Schlussfolgern), BrowseComp (agentische Web-Suche) und Kundensupport-Aufgaben berichtet.
3. Funktionsweise – Entscheidungen im Sekundentakt und Delegation an GPT-5.5
GPT-Live verarbeitet die Spracheingabe fortlaufend und erzeugt dabei die Sprachausgabe und entscheidet mehrmals pro Sekunde, „was es jetzt tut" – sprechen, weiter zuhören, pausieren, unterbrechen oder ein Tool aufrufen. Diese hochfrequente Entscheidungsfindung erzeugt ein menschenähnliches Tempo.
Ein weiteres zentrales Design ist, dass „tiefe Verarbeitung an das Modell im Hintergrund delegiert wird". Die Reaktionsschnelligkeit im Gespräch trägt GPT-Live, und sobald Web-Suche, tiefes Schlussfolgern oder komplexe Arbeit nötig wird, gibt es die Verarbeitung im Hintergrund an ein größeres Modell (zum Launch GPT-5.5) ab und kehrt mit dem Ergebnis ins Gespräch zurück. So werden das „Nachdenken" und ein ununterbrochenes Gespräch zugleich möglich.
4. Zwei Modelle und Verfügbarkeit je Tarif
| Tarif | Standard-Sprachmodell |
|---|---|
| Free (kostenlos) | GPT-Live-1 mini |
| Go / Plus / Pro | GPT-Live-1 |
Wichtig ist, dass auch im kostenlosen Tarif die mini-Version von GPT-Live nutzbar ist. Das natürliche Vollduplex-Gespräch ist nicht auf zahlende Nutzer beschränkt. Wer höhere Gesprächsqualität oder mehr Schlussfolgern möchte, erhält mit Go/Plus/Pro standardmäßig GPT-Live-1. Angeboten wird es auf iOS, Android und ChatGPT.com von ChatGPT und wurde weltweit schrittweise ausgerollt.
5. Die wichtigsten Fortschritte
Reagiert mit „mhm", während du sprichst. Es entsteht das Gefühl, dass wirklich zugehört wird.
Die Antwort erfolgt nahezu sofort. Das Tempo nähert sich dem menschlichen Gespräch an.
Auch wenn du mitten im Reden unterbrichst, hört es zu und korrigiert den Kurs.
Es deutet die Denkpause nicht fälschlich als „fertig gesprochen" und wartet auf dich.
6. Aktuelle Einschränkungen – ehrlich betrachtet
Weil die Erwartungen leicht vorauseilen, wollen wir auch ehrlich festhalten, was zum Launch noch nicht geht.
- 🟡 Video- und Bildschirmfreigabe werden nicht unterstützt: Zum Launch liegt der Fokus auf Sprache; Bildeingabe oder Bildschirmfreigabe sind nicht enthalten.
- 🟡 Vollständige Mehrsprachigkeit kommt erst noch: In allen Sprachen ist noch nicht dasselbe Qualitätsniveau erreicht (volle mehrsprachige Parität ausstehend).
- 🟡 API noch nicht verfügbar: Die API für Entwickler ist „in Kürze geplant" und zum Zeitpunkt dieses Beitrags nicht veröffentlicht, der Preis nicht bekannt (Details in Kapitel 8).
- 🟡 Läuft schrittweise aus: Bis alle Nutzer es erhalten, kann es zeitliche Verzögerungen geben.
Diese Punkte dürften mit künftigen Updates erweitert werden, doch man sollte verstehen, dass es nicht „Video und Bildschirm sofort" heißt.
7. Einsatzszenarien
- Freihändiges Beraten und Ideen-Sparring: Gedanken beim Gehen oder Arbeiten laut ordnen. Da das Schweigen nicht abgeschnitten wird, reißt der Gedankengang seltener ab.
- Sprach-Gesprächstraining: Durch Hörsignale und natürliche Unterbrechungen lässt sich näher am echten Gespräch üben.
- Recherche und Zusammenfassung per Sprache: Da die tiefe Suche an das GPT-5.5 im Hintergrund delegiert wird, kann man das Nachschlagen im Gespräch vorantreiben.
- Barrierefreiheit: In Situationen, in denen Tippen schwerfällt, ist eine flott getaktete Sprachschnittstelle hilfreich.
8. API-Verfügbarkeit und Unterschied zu GPT-Realtime
Die API von GPT-Live ist zum Zeitpunkt dieses Beitrags nicht verfügbar („in Kürze geplant", Preis nicht bekannt). Entwickler und Unternehmen müssen sich per Benachrichtigung anmelden und warten. Beachte, dass sich Vollduplex-Sprache nicht sofort in die eigene App einbauen lässt.
Fazit
- GPT-Live ist ein neues Modell, das die Sprache von ChatGPT vom „Turn-Prinzip" auf Vollduplex (Hören, während man spricht) umstellt (8. Juli 2026, weltweit).
- Mit Hörsignalen, Unterbrechungen und Toleranz für Schweigen sowie Latenz <250ms erreicht es ein menschennahes Gesprächstempo. Es wurde deutlich gegenüber dem Advanced Voice Mode bevorzugt.
- Die Reaktionsschnelligkeit im Gespräch trägt GPT-Live, tiefes Schlussfolgern und Suche werden im Hintergrund an GPT-5.5 delegiert (Denktiefe wählbar über Instant/Medium/High).
- Standardmäßig ist Free = GPT-Live-1 mini, Go/Plus/Pro = GPT-Live-1. Nutzbar auf iOS/Android/Web von ChatGPT.
- Aktuelle Einschränkungen: Video- und Bildschirmfreigabe werden nicht unterstützt, vollständige Mehrsprachigkeit ist ausstehend, die API nicht verfügbar. Für die API steht separat GPT-Realtime-2.1 bereit.
FAQ
F1. Kann man GPT-Live auch kostenlos nutzen?
Ja. Im kostenlosen Tarif ist GPT-Live-1 mini das Standard-Sprachmodell. Bei Go/Plus/Pro ist das höherwertige GPT-Live-1 Standard. Nutzbar auf iOS, Android und Web von ChatGPT (schrittweiser Rollout).
F2. Was bedeutet „Vollduplex" konkret?
Es ist ein Verfahren, das wie beim Telefon Hören und Sprechen gleichzeitig ermöglicht. Anders als beim bisherigen Turn-Prinzip (Antwort erst nach deinem Sprechende) kann es dir mitten im Reden Hörsignale geben, Unterbrechungen auffangen und dein nachdenkliches Schweigen abwarten, ohne es abzuschneiden.
F3. Was ist der größte Unterschied zum bisherigen Advanced Voice Mode?
Die Art, das Sprechende zu erkennen. Bisher geschah dies auf Basis von Stille (Schweigen), sodass die Denkpause fälschlich als „fertig" gedeutet wurde und es zum Unterbrechen neigte. GPT-Live erkennt es anhand von Stimmlage und Atemveränderung und trifft mehrmals pro Sekunde Entscheidungen, wird also seltener abgeschnitten und wirkt natürlicher. Auch in der menschlichen Bewertung wurde es deutlich bevorzugt.
F4. Kann es auch schwierige Fragen beantworten?
Ja. Die Reaktionsschnelligkeit im Gespräch übernimmt GPT-Live, und in Situationen, die Web-Suche oder tiefes Schlussfolgern erfordern, delegiert es die Verarbeitung im Hintergrund an GPT-5.5 und bringt das Ergebnis ins Gespräch zurück. Die Denktiefe lässt sich aus Instant / Medium / High wählen.
F5. Sind Video oder Bildschirmfreigabe möglich?
Zum Launch nicht. GPT-Live ist sprachzentriert; Video, Bildschirmfreigabe und vollständige Mehrsprachigkeit werden derzeit nicht angeboten. Eine Erweiterung mit künftigen Updates ist zu erwarten.
F6. Kann ich es per API in meine eigene App einbauen?
Die API von GPT-Live ist zum Zeitpunkt dieses Beitrags nicht verfügbar (in Kürze geplant, Preis nicht bekannt). Wenn du sofort latenzarme Sprache per API umsetzen möchtest, ziehe die separate Reihe GPT-Realtime-2.1 / mini (Sprachagenten-Basis für die API) in Betracht. GPT-Live ist verbraucherorientiert, GPT-Realtime entwicklerorientiert – die Rollen sind getrennt.
F7. Wie schneidet es im Vergleich zu Googles Gemini Live ab?
Auch Gemini punktet mit multimodaler Stärke inklusive Sprache und Video und unterstützt Live-Gespräche. Die aktuelle Stärke von GPT-Live liegt in der Natürlichkeit des Vollduplex-Gesprächs und der geringen Latenz, doch da Video und Bildschirmfreigabe noch nicht unterstützt werden, gibt es Bereiche, in denen Gemini die Nase vorn hat. Näheres siehe auch den Vergleich GPT-5.6 vs. Gemini.
Verwandte Artikel
- GPT-5.6 Release – die komplette Erklärung — die Hauptmodelle desselben Zeitraums
- GPT-5.6 Sol vs. Gemini — Vergleichsachsen für Multimodalität/Sprache
- Was ist Google Gemini — Grundlagen zum Wettbewerber
