Gespräche mit ChatGPT werden bald deutlich weniger von Unterbrechungen geprägt sein.
OpenAI hat GPT-Live eingeführt, eine neue Familie von Sprachmodellen, die zuhören können, während Nutzer sprechen, und antworten, ohne auf das Ende ihrer Äußerung zu warten. Das Unternehmen teilte mit, dass die Einführung diese Woche weltweit beginnt: GPT-Live-1 wird für Abonnenten von Go, Plus und Pro zum Standard-Spracherlebnis, während GPT-Live-1 mini kostenlose Konten versorgt. Die Einführung beginnt diese Woche weltweit.
Das Unternehmen teilte mit, dass GPT-Live den bisherigen erweiterten Sprachmodus durch eine Vollduplex-Architektur ersetzt, die Audiodaten kontinuierlich verarbeitet und dadurch natürlichere Sprecherwechsel, weniger unangenehme Unterbrechungen und schnellere Gespräche ermöglicht.
Während die flüssigeren Gespräche der unmittelbare Vorteil sind, geht es im größeren Zusammenhang um OpenAIs Vision von Sprache als primärer Interaktionsform für immer leistungsfähigere KI-Agenten, die das Web durchsuchen, Probleme durchdenken und Aufgaben im Hintergrund erledigen können.
Die Sprache bleibt aktiv, während GPT-5.5 schwierigere Aufgaben übernimmt
Eine wichtige Änderung betrifft die Trennung von Gespräch und anspruchsvolleren KI-Aufgaben durch GPT-Live.
OpenAI zufolge kann das Sprachmodell Anfragen, die eine Websuche, tiefergehendes Schlussfolgern oder agentische Fähigkeiten erfordern, an sein neuestes Frontier-Modell weiterleiten und dabei das Gespräch fortsetzen.
Zum Start GPT-5.5 diese Aufgaben im Hintergrund, bevor es die Ergebnisse wieder in den laufenden Sprachchat zurückgibt.
Das Unternehmen erklärte außerdem, GPT-Live könne mehrmals pro Sekunde entscheiden, ob es sprechen, pausieren, weiter zuhören, unterbrechen oder ein Tool verwenden soll. Dieser Ansatz ermöglicht auch Funktionen wie die Live-Übersetzung und erlaubt es Nutzern, ganz natürlich zu pausieren, ohne dass der Assistent fälschlicherweise dazwischenredet.
Die größere Wette
OpenAI positioniert Sprache als künftige Steuerungsebene für KI-Arbeit im Allgemeinen.
Der ChatGPT-Voice-Produktleiter Atty Eleti sagte, er habe beim Spazierengehen 30- bis 40-minütige Gespräche mit der Sprachfunktion geführt, und argumentierte, Sprache könne zu „einer Art primärer Schnittstelle für das Arbeiten mit Computern und für die Verwaltung zunehmend komplexer, lang laufender agentischer Arbeit“ werden. Dabei verglich er sie damit, wie Menschen bereits Programmierwerkzeuge wie Codex.
Diese Ambition bringt OpenAI in ein dicht besetztes Wettbewerbsfeld. Apple und Amazon haben ihre Assistenten mit einer besseren Verarbeitung des Kontexts aufgerüstet, während Start-ups wie Sesame und Monogram mit ausdrucksstärkeren, visuell integrierten Assistenten ein ähnliches Terrain erobern wollen.
Wo es noch hapert
Das System ist nicht fehlerfrei.
Bei einer Live-Demonstration zur Hindi-Übersetzung soll der Assistent mit starkem amerikanischem Akzent gesprochen haben und eine gestelzte, „buchsprachliche“ Ausdrucksweise verwendet haben – eine Erinnerung daran, dass natürlich klingendes Englisch nicht automatisch auch anderswo flüssige Sprachbeherrschung bedeutet. OpenAI hat nicht angegeben, welche Sprachen am stärksten optimiert wurden.
Auch die heikle Frage der emotionalen Abhängigkeit stellt sich. OpenAI zufolge verfügt das System über integrierte Schutzvorkehrungen für Gespräche über Selbstverletzung und altersgerechte Antworten für Jugendliche. Das Unternehmen betont, GPT-Live sei als Assistent und nicht als Begleiter gedacht.
Je besser Sprachassistenten darin werden, menschlich zu klingen, desto schwieriger lässt sich die Grenze zwischen hilfreichem Werkzeug und emotionaler Krücke überwachen – etwas, das OpenAI nach eigenen Angaben durch fortlaufende Sicherheitsforschung beobachten will.
Was Nutzer tatsächlich bemerken könnten
Für die meisten Nutzer könnte sich ChatGPT weniger wie ein Frage-und-Antwort-Chatbot und mehr wie etwas anfühlen, das während einer laufenden Aufgabe präsent bleiben kann.
Berichten zur Einführung von OpenAI zufolge kann GPT-Live Nutzern mit kurzen akustischen Signalen zu erkennen geben, dass es zuhört, natürliche Pausen abwarten und angewiesen werden, still zu bleiben, bis es angesprochen wird. Außerdem kann es Live-Übersetzungen unterstützen und dynamische Visualisierungen zu Themen wie Wetter, Sport und Aktien anzeigen, während das Gespräch weiterläuft.
Diese Details sind wichtig, weil sie auf eine andere Art der KI-Interaktion hindeuten. Statt Nutzer dazu zu zwingen, innezuhalten, zu tippen, zu warten und neu anzufangen, ist GPT-Live für Situationen gedacht, in denen Menschen gehen, fahren, kochen, Probleme lösen, übersetzen oder mehrere Aufgaben gleichzeitig bewältigen.
Lesen Sie auch: Gerüchte zu GPT-5.6 deuten auf OpenAIs umfassenderen Vorstoß in Richtung Agenten, Tool-Nutzung und workfloworientierter KI hin.