Entdecke GPT‑Live

Wir führen GPT‑Live ein: eine neue Generation von Sprachmodellen, mit denen sich Gespräche mit KI viel mehr wie echte Unterhaltungen anfühlen.

GPT‑Live basiert auf einer Full-Duplex-Architektur. Das bedeutet: Es kann gleichzeitig zuhören und sprechen. Während eines Gesprächs kann GPT‑Live mit Wendungen wie „mhm“ oder „ja“ zeigen, dass es aufmerksam ist, sich auf schnelle Wechsel einlassen oder einfach ruhig bleiben, wenn du einen Moment zum Nachdenken brauchst. Das Ergebnis ist ein Spracherlebnis, mit dem du angenehm und unkompliziert sprechen kannst.

GPT‑Live ist außerdem unser bislang intelligentestes Sprachmodell. Bei Fragen, die Websuche, tieferes Reasoning oder komplexere Arbeit erfordern, gibt es die Aufgabe im Hintergrund an unser neuestes Frontier-Modell weiter und bringt das Ergebnis ins Gespräch zurück, sobald es bereit ist. Während GPT‑Live arbeitet, kann es weiter mit dir sprechen und den Gesprächsfluss aufrechterhalten. Zum Start nutzt GPT‑Live im Hintergrund GPT‑5.5. Wenn wir neue Frontier-Modelle veröffentlichen, aktualisieren wir das von GPT‑Live verwendete Modell kontinuierlich.

Diese Fortschritte ermöglichen ein neues ChatGPT Sprachchat-Erlebnis, das intelligenter ist und sich natürlicher nutzen lässt. Mit der Zeit wird diese Forschung aus unserer Sicht auch ermöglichen, Sprache für immer komplexere, länger laufende und stärker agentische Arbeit zu nutzen.

Ab heute führen wir weltweit für ChatGPT‑Nutzende zwei Versionen von GPT‑Live ein: GPT‑Live‑1 und GPT‑Live‑1 mini. Wir planen außerdem, sie bald in die API zu bringen. Entwickler:innen und Unternehmen können sich über dieses Formular⁠ registrieren, um benachrichtigt zu werden.

Unsere Vision ist eine wirklich natürliche Mensch-KI-Interaktion: eine Welt, in der sich die Zusammenarbeit mit KI so flüssig und reaktionsschnell anfühlt wie die mit einer anderen Person, während Reasoning und komplexe Aufgabenausführung nahtlos im Hintergrund laufen.

Ältere Generationen von Sprach-KI-Systemen haben uns dieser Vision nähergebracht, allerdings mit wichtigen Kompromissen.

Kaskadierte Sprachsysteme stützen sich auf eine Reihe von Modellen, die jeden Gesprächsbeitrag nacheinander verarbeiten. Der ursprüngliche ChatGPT Sprachchat verband drei Modelle: ein Speech-to-Text-Modell, das deine Sprache transkribiert, ein großes Sprachmodell, das eine Antwort erzeugt, und ein Text-to-Speech-Modell, das sie wieder in Sprache umwandelt. Mit diesem Ansatz konnten wir erstmals mit Frontier-KI-Modellen sprechen. Die Komplexität hatte jedoch ihren Preis: Informationen konnten zwischen Modellen verloren gehen, und Antworten waren langsam und steif.

Rundenbasierte Sprachmodelle wie der erweiterte Sprachmodus von ChatGPT verarbeiteten und erzeugten Audio innerhalb eines einzigen Modells. Das verringerte die Latenz und machte Gespräche flüssiger, aber sie liefen weiterhin in einzelnen Gesprächsrunden ab. Das Modell musste warten, bis die nutzende Person aufgehört hatte zu sprechen, bevor es antworten konnte. Dadurch entstand ein starres Hin und Her. Da die Erkennung von Gesprächsenden auf Stille basiert, konnte außerdem schon eine kurze Pause oder ein Hintergrundgeräusch fälschlich als Ende des Beitrags erkannt werden. Das führte dazu, dass das Modell zu unnatürlichen Zeitpunkten unterbrach.

GPT‑Live geht diese Einschränkungen mit zwei architektonischen Änderungen an.

Erstens haben wir GPT‑Live mit einer Full-Duplex-Architektur für kontinuierliche Interaktion entwickelt. Statt eine Abfolge separater Nachrichten zu verarbeiten, verarbeitet GPT‑Live Eingaben kontinuierlich, während es Ausgaben erzeugt. Das Modell kann deshalb viele Male pro Sekunde entscheiden, wie es interagiert: ob es spricht, weiter zuhört, pausiert, unterbricht oder ein Tool aufruft.

So kann das Modell natürlicher auf das Gespräch eingehen, ein besseres Zeitgefühl behalten und sogar Live-Übersetzungen ausführen.

Zweitens haben wir GPT‑Live, das die kontinuierliche Interaktion steuert, von tiefergehender Arbeit entkoppelt. Wenn eine Frage Suche, Schlussfolgern oder stärker agentische Fähigkeiten erfordert, kann GPT‑Live die Aufgabe an ein anderes Modell wie GPT‑5.5 delegieren. So kann es das Gespräch am Laufen halten, auch während es im Hintergrund mehrere Aufgaben bearbeitet.

Diese architektonische Änderung ermöglicht GPT‑Live außerdem, kontinuierlich die neuesten Modelle und Agenten zu nutzen und Frontier-Intelligenz mit natürlicher Interaktion zu verbinden.

Wir haben neue menschliche Evaluierungen entwickelt, um Angenehmheit und Gesprächsfluss zu messen. In diesen direkten Vergleichen werden GPT‑Live‑1 und GPT‑Live‑1 mini in abgestimmten Gesprächen von 5–10 Minuten deutlich gegenüber dem erweiterten Sprachmodus bevorzugt. Gemessen werden Gesamtpräferenz, Sprecherwechsel, Unterbrechungen, Gesprächsfluss und wie natürlich sich die jeweilige Interaktion anfühlte.

• GPQA: GPT‑Live‑1 schneidet bei GPQA deutlich besser ab als der erweiterte Sprachmodus. GPQA testet wissenschaftliches Reasoning auf Expertenniveau in Biologie, Chemie und Physik.
• BrowseComp: GPT‑Live‑1 erzielt bei BrowseComp starke Verbesserungen gegenüber dem erweiterten Sprachmodus. BrowseComp testet agentische Websuche und die Fähigkeit, schwer auffindbare Informationen zu finden.
• τ³-Voice Telecom**: GPT‑Live‑1 schneidet bei τ³-Voice Telecom besser ab als der erweiterte Sprachmodus. Der Benchmark testet Sprachagenten in realistischen mehrstufigen Supportaufgaben im Telekommunikationsbereich.

Jede Woche sprechen mehr als 150 Millionen Menschen über Funktionen wie Sprachchat und Diktieren mit ChatGPT. Sie nutzen es für freihändige Alltagshilfe, zum Sprachenlernen, für Gute-Nacht-Geschichten oder einfach zum Plaudern auf dem Arbeitsweg.

Ab heute bekommst du ein verbessertes Erlebnis auf Basis von GPT‑Live, wenn du auf die Sprachchat-Schaltfläche tippst, um mit ChatGPT zu sprechen: mit natürlicheren Gesprächen, intelligenteren Antworten, besserem Zuhören und visuellen Antworten.

Mit ChatGPT zu sprechen, sollte sich jetzt viel mehr wie ein echtes Gespräch anfühlen. Du kannst mit einer Frage unterbrechen, eine Pause machen, um deine Gedanken zu sortieren, oder ChatGPT bitten, langsamer zu sprechen. ChatGPT bestätigt ganz natürlich mit Wendungen wie „mhm“ oder „verstanden“, was du sagst. So weißt du, dass es mitkommt. Außerdem haben wir die neun unterschiedlichen Stimmen in ChatGPT für GPT‑Live neu abgemischt.

ChatGPT Sprachchat kann jetzt auf unsere neuesten Frontier-Modelle zugreifen und dir intelligentere Antworten geben, wenn du sie brauchst. Du kannst außerdem die passende Reasoning-Stufe wählen: Instant für schnelle Antworten oder Mittel und Hoch, wenn ChatGPT mehr Zeit zum Nachdenken verwenden soll.

Wenn du einen Moment nachdenkst, wartet ChatGPT Sprachchat jetzt, statt dazwischenzugehen und dich zu unterbrechen. Wenn du darum bittest, ruhig zu bleiben und zuzuhören, tut es das. Und bei Hintergrundgeräuschen wie vorbeifahrendem Verkehr oder Gesprächen in der Nähe kann sich ChatGPT besser auf deine Stimme konzentrieren, statt sich ablenken zu lassen.

Manche Antworten sind hilfreicher, wenn du sie sehen kannst. Während du sprichst, kann ChatGPT jetzt visuell reichhaltige Karten zu Themen wie Wetter, Aktien, Sport und mehr anzeigen. Der Sprachchat unterstützt außerdem weiterhin Suche, Erinnerung, Bilder und Datei-Uploads.

Das Ergebnis ist ein ChatGPT Sprachchat-Erlebnis, das sich natürlicher, leistungsfähiger und im Alltag nützlicher anfühlt.

GPT‑Live wurde so entwickelt, dass Sicherheit standardmäßig mitgedacht ist. Es nutzt die Sicherheitsfortschritte unserer neuesten Modelle und ergänzt sie um gezieltes Sicherheitstraining in wichtigen Risikobereichen sowie neue Schutzmechanismen speziell für Sprache.

Damit unsere Tests besser abbilden, wie Menschen Sprache in realen Situationen nutzen, haben wir unsere Sicherheitstests zunächst um neue Audio-native Evaluierungen erweitert. Außerdem haben wir synthetische Evaluierungen erstellt, die mit generiertem Audio wichtige Sicherheitsbereiche intensiver prüfen und auf unseren Erkenntnissen aus dem erweiterten Sprachmodus aufbauen. Dazu gehören Selbstverletzung, Psychosen und Manie, emotionale Abhängigkeit von KI, Gewalt und sexuelle Inhalte. Interne Fachleute haben das Modell außerdem per Red-Teaming auf Risiken getestet, die speziell bei Sprache auftreten.

In unseren Tests schnitt GPT‑Live in nahezu allen bewerteten Bereichen vergleichbar mit oder besser als der erweiterte Sprachmodus ab. Mehr zu unseren Tests und Schutzmaßnahmen findest du in der GPT‑Live‑Systemkarte⁠(wird in einem neuen Fenster geöffnet).

Da Sprachunterhaltungen in Echtzeit ablaufen, haben wir außerdem Schutzmaßnahmen entwickelt, die greifen können, während das Modell spricht. Wenn das System potenziell unsichere Ausgaben erkennt, kann es das Modell zu einer sichereren Antwort führen, zusätzliche Sicherheitshinweise oder Ressourcen anzeigen oder die Sprachunterhaltung in Fällen mit höherem Risiko beenden. Für Gespräche zu Selbstverletzung haben wir die Support-Abläufe von ChatGPT für Sprache angepasst, einschließlich des Anbietens von Hilfe durch fachlich geprüfte Krisenhotlines.

Wir haben zusätzliche Schutzmaßnahmen für jugendliche Nutzende entwickelt und altersgerechtes Verhalten direkt in das Modell trainiert, um das Risiko unangemessener Antworten zu verringern. Eltern können über die Kindersicherung festlegen, ob ihr:e Teenager:in ChatGPT Sprachchat nutzen darf. Verknüpfte Eltern können in Situationen mit höherem Risiko benachrichtigt werden, wenn es Hinweise auf mögliche Selbstverletzung oder Suizidabsicht gibt.

Außerdem führen wir langfristigere Messungen und Monitoring nach dem Launch mit Fokus auf emotionale Abhängigkeit ein, damit wir unser Verständnis weiter verbessern und Schutzmaßnahmen verfeinern können. Aufbauend auf unserer bisherigen Forschung zu affektiver Nutzung und emotionalem Wohlbefinden hilft uns das, neue Muster zu erkennen und die Reaktionen des Systems in emotional sensiblen Interaktionen zu verbessern.

GPT‑Live ist für Gespräche konzipiert, nicht für Stimmimitation. Es nutzt eine Reihe vordefinierter Stimmen in ChatGPT und enthält Schutzmaßnahmen, die verhindern, dass es die Stimme einer realen Person imitiert.

Wir setzen uns für Sicherheit und Wohlbefinden ein und werden diese Schutzmaßnahmen weiter stärken, während wir aus der realen Nutzung lernen.

GPT‑Live wird jetzt weltweit für ChatGPT‑Nutzende auf iOS, Android und ChatGPT.com⁠(wird in einem neuen Fenster geöffnet) eingeführt. GPT‑Live‑1 wird das Standardmodell für ChatGPT Sprachchat bei Go-, Plus- und Pro-Nutzenden. GPT‑Live‑1 mini wird der Standard für Free-Nutzende. Weitere Details zur Verfügbarkeit findest du in unserem Hilfecenter⁠(wird in einem neuen Fenster geöffnet).

Wir haben GPT‑Live für einige der beliebtesten Sprachen in ChatGPT optimiert. Bei bestimmten Sprachen kann das Modell einen nicht muttersprachlichen Akzent haben oder nicht durchgehend flüssig sprechen. Wir arbeiten aktiv daran, das Erlebnis sprachübergreifend zu verbessern.

Zum Start unterstützt GPT‑Live in ChatGPT keinen Sprachchat mit Video oder Bildschirmfreigabe. Wir arbeiten aber daran, diese Funktionen bald einzuführen. Du kannst weiterhin auf ältere Versionen von ChatGPT Sprachchat zugreifen, darunter „Standard“ und „Erweiterter Sprachmodus“, sofern diese Funktionen dort verfügbar sind.