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). 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.