Kern von GPT-Live ist eine Full-Duplex-Architektur: Anders als bisherige Sprachmodi, die klar zwischen „Nutzer spricht“ und „Modell spricht“ trennen, verarbeitet GPT-Live eingehendes Audio und eigene Sprachausgabe gleichzeitig. Laut OpenAI entscheidet das System mehrfach pro Sekunde, ob es sprechen, weiter zuhören oder ein Werkzeug nutzen soll; es kann mit kurzen Rückmeldungen wie „mhmm“ reagieren und wartet, wenn der Nutzer mitten im Satz eine Pause macht, statt die Antwort zu übernehmen.
OpenAI liefert zwei Stufen aus: GPT-Live-1 für zahlende Konten (Go, Plus, Pro) und GPT-Live-1 mini für kostenlose Accounts. Erfordert eine Frage Websuche, Reasoning oder agentische Fähigkeiten, delegiert GPT-Live sie an ein Hintergrundmodell – zum Start ist das GPT-5.5 –, dessen Ergebnis dann in das Gespräch zurückfließt. Der Rollout läuft nach Anbieterangabe weltweit über die ChatGPT-Apps für iOS und Android sowie ChatGPT.com; ein API-Zugang für Entwickler ist angekündigt, aber noch nicht verfügbar.
Einordnung: Existenz und Eckdaten sind über mehrere unabhängige Quellen belegt (u. a. heise, The Decoder, Simon Willison, der Vorab-Zugang hatte). Die konkreten Aussagen zu Natürlichkeit und Reaktionszeit sind jedoch OpenAIs eigene Darstellung und noch nicht unabhängig nachgemessen; wie gut das Delegationsmuster in der Praxis greift und wie sich GPT-Live gegen Googles und xAIs Sprach-Modelle schlägt, lässt sich erst mit breiterer Verfügbarkeit und API-Zugang beurteilen.