OpenAI öffnet die Agents API – und gibt Entwicklern eine Stimme

OpenAI hat am 10. September 2026 gleich zwei Bausteine für die Entwickler-Plattform freigegeben: die Agents API als Public Beta und das Sprachmodell GPT-Live-1 in der API. Die Agents API stellt genau das Gerüst bereit, das hinter Codex läuft – Orchestrierung, tagelange Sessions, Kontext-Verwaltung –, während GPT-Live-1 für 0.05 US-Dollar pro Minute eine Stimme liefert, die zuhören und sprechen kann, ohne dass eines davon warten muss.

Das Codex-Gerüst zum Mieten

Wer bisher einen KI-Agenten gebaut hat, musste den unangenehmen Teil selbst schreiben: Was passiert, wenn das Kontextfenster voll ist? Wie überlebt eine Aufgabe, die über Stunden läuft? Wer koordiniert mehrere Teilagenten?

Genau diese Schicht – in der Branche Harness genannt, also das Gerüst zwischen Modell, Werkzeugen und Speicher – übernimmt OpenAI jetzt als verwalteten Dienst. Laut Ankündigung reicht ein einziger API-Aufruf, um Aufgabe, Modell, Werkzeuge und Umgebung festzulegen. Mit dabei:

• Automatische Kompaktierung, wenn eine Session an die Kontextgrenze stösst
• Tool Search, das Werkzeugdefinitionen erst bei Bedarf lädt
• Subagenten, die parallel arbeiten, mit einstellbarem Limit
• Wahlweise ein OpenAI-Sandbox oder eigene Infrastruktur – Partner sind unter anderem Cloudflare, Vercel, Modal und Oracle

Zusatzkosten gibt es laut OpenAI keine: Man zahlt nur Tokens und Tools. Das zugrundeliegende Codex-Harness bleibt als Open Source einsehbar.

Ein Modell, das nicht auf seinen Einsatz wartet

GPT-Live-1 kennst du womöglich schon aus ChatGPT – neu ist der Zugang über die API. Das Modell arbeitet full-duplex: Es verarbeitet eingehendes und ausgehendes Audio in einem Zug, statt die klassische Kette aus Spracherkennung, Sprachmodell und Sprachausgabe zu durchlaufen. Unterbrechungen, «Mhm» und Hintergrundlärm werfen es dadurch weniger aus der Bahn.

Die Zahlen dazu stammen aus OpenAIs eigenen Messungen und sind entsprechend mit Vorsicht zu lesen: Im Full-Duplex-Interaktivitätstest erreicht GPT-Live-1 demnach 80,1 Prozent gegenüber 45,4 Prozent beim Vorgänger GPT-Realtime-2.1, die Antwortverzögerung sinkt von 1,4 auf 0,8 Sekunden, die Trefferquote beim Werkzeugaufruf steigt von 60 auf 87 Prozent. In einem Banking-Support-Benchmark meldet OpenAI 32 statt 12,4 Prozent gelöste Aufgaben. Unabhängige Tests fehlen bislang.

Dazu kommen zwölf neue Stimmen über verschiedene Akzente und Sprachen hinweg sowie Transkripte direkt aus dem Modell. Yelp setzt GPT-Live-1 laut CTO Alex Levy bereits für Telefonreservationen ein und meldet bessere Abwicklungsraten bei Anrufen.

Was das für Schweizer Telefone heisst

Telefonie ist der offensichtliche Anwendungsfall – und in Schweizer KMU der Ort, wo täglich Zeit verloren geht: Terminanfragen, Öffnungszeiten, Rückrufe. Ein Agent, der Unterbrechungen aushält, ist hier deutlich brauchbarer als einer, der stur seinen Satz zu Ende spricht.

Zwei Dinge bleiben aber deine Hausaufgabe. Erstens die Sprache: Zwölf Stimmen über Akzente und Sprachen hinweg sagen noch nichts über Schweizerdeutsch – wer Dialekt am Telefon erwartet, sollte vor dem Rollout testen statt hoffen. Zweitens der Datenschutz: Ein Telefongespräch ist eine Personendatenbearbeitung im Sinne des revidierten Datenschutzgesetzes. Das heisst Informationspflicht gegenüber dem Anrufer, ein sauberer Auftragsbearbeitungsvertrag mit dem Anbieter und Klarheit darüber, wohin die Audiodaten fliessen. Wer zusätzlich in der EU tätig ist, muss seit dem 2. August 2026 auch die Transparenzpflicht des EU AI Act mitdenken: Menschen müssen wissen, dass sie mit einer Maschine sprechen.

Kurz gesagt: Die Technik für den KI-Telefonisten ist ab heute für jeden Entwickler buchbar. Die Rechtsfrage und der Dialekt sind es nicht.