GPT-Live: ChatGPT spricht und hört jetzt gleichzeitig

OpenAI hat am 8. Juli 2026 GPT-Live vorgestellt – eine neue Generation von Sprachmodellen, die das Voice-Erlebnis in ChatGPT antreibt. Das Ziel: Ein Gespräch mit der KI soll sich anfühlen wie ein Gespräch mit einem Menschen. Und der Unterschied ist tatsächlich hörbar.

Bisher funktionierte ChatGPT-Voice nach dem Ping-Pong-Prinzip: Du sprichst, machst eine Pause, die KI antwortet. Wer zu lange nachdachte, wurde unterbrochen – wer im Zug sass, kämpfte gegen Hintergrundgeräusche. GPT-Live räumt mit diesem starren Wechsel auf.

Reden und Zuhören zur gleichen Zeit

Technisch steckt dahinter eine Full-Duplex-Architektur. Vereinfacht gesagt: Das Modell hört und spricht gleichzeitig, statt Wortmeldungen nacheinander abzuarbeiten. Mehrmals pro Sekunde entscheidet es neu, ob es sprechen, weiter zuhören, pausieren, unterbrechen oder ein Werkzeug aufrufen soll.

Für dich heisst das konkret: Du kannst ChatGPT mitten im Satz eine Rückfrage stellen, kurz innehalten, um deine Gedanken zu sortieren, oder es bitten, langsamer zu reden. Und wie ein aufmerksamer Gesprächspartner wirft die KI ein "mhmm" oder "genau" ein, damit du merkst, dass sie folgt. Nimmst du dir eine Denkpause, wartet sie – statt sofort loszuplappern. Nebeneffekt der neuen Architektur: Live-Übersetzung in Echtzeit wird damit erstmals möglich.

GPT-5.5 arbeitet im Hintergrund weiter

Der zweite Kniff: OpenAI hat das schnelle Gesprächsmodell von der schweren Denkarbeit entkoppelt. Braucht eine Frage Websuche, tiefes Nachdenken oder mehrere Arbeitsschritte, reicht GPT-Live die Aufgabe im Hintergrund an das Frontier-Modell GPT-5.5 weiter – und plaudert derweil mit dir weiter, bis das Ergebnis da ist.

Du kannst zudem wählen, wie viel Denkzeit die KI investiert: Instant für schnelle Antworten, Medium und High, wenn es gründlich sein soll. Weil GPT-Live immer das aktuellste Modell im Rücken hat, kann ChatGPT-Voice jetzt auch visuelle Antwortkarten einblenden – etwa für Wetter, Aktien, Sport oder Karten. Dazu kommen neun neu abgestimmte Stimmen.

Wer welches Modell bekommt

GPT-Live rollt ab sofort global aus – auf iOS, Android und chatgpt.com, also auch in der Schweiz. Es kommen zwei Varianten:

• GPT-Live-1 wird zum Standard für die Bezahltarife Go, Plus und Pro.
• GPT-Live-1 mini wird zum Standard für Gratis-Nutzer.

Beide lösen das bisherige Advanced Voice Mode ab. Eine API für Entwickler soll "bald" folgen; wer sie nutzen will, kann sich vormerken lassen. Zur Einordnung der Grössenordnung: Laut OpenAI sprechen wöchentlich über 150 Millionen Menschen per Voice oder Diktat mit ChatGPT.

In Zahlen zeigt sich der Sprung ebenfalls: GPT-Live-1 schlägt das alte Advanced Voice Mode deutlich bei GPQA (wissenschaftliches Experten-Reasoning) und BrowseComp (agentische Websuche). In direkten Hörvergleichen über 5 bis 10 Minuten wurde es klar bevorzugt.

Nicht verwechseln mit gpt-realtime-2.1

Wichtige Abgrenzung: GPT-Live ist das Endnutzer-Produkt in der ChatGPT-App. Es ist nicht dasselbe wie die Entwickler-API-Modelle gpt-realtime-2.1 und -mini, die OpenAI wenige Tage zuvor veröffentlicht hat und die wir hier bereits behandelt haben. Kurz: Realtime 2.1 ist der Baukasten für Entwickler, GPT-Live ist das fertige Erlebnis für dich.

Sicherheit, die mitten im Satz eingreifen kann

Weil Sprachgespräche in Echtzeit laufen, hat OpenAI eigene Schutzmechanismen eingebaut. Neue audio-native Tests decken heikle Bereiche ab – Selbstverletzung, Psychose, emotionale Abhängigkeit von der KI. Erkennt das System eine potenziell unsichere Antwort, kann es das Modell noch während des Sprechens umlenken, Hilfsangebote einblenden oder das Gespräch beenden. Für Jugendliche gibt es zusätzliche Schutzregeln und Parental Controls, und GPT-Live imitiert bewusst keine echten Stimmen, sondern nutzt feste Voice-Sets.

Ein paar Grenzen bleiben: Video und Screen-Sharing im Voice-Modus fehlen zum Start noch, und in einzelnen Sprachen klingt die KI laut OpenAI noch mit fremdem Akzent. Der Grundton aber ist gesetzt – Sprache wird von der Notlösung zur ernsthaften Schnittstelle.