OpenAI hat neue Konversationsmodelle veröffentlicht, GPT-Live-1 und GPT-Live-1 mini, die angeblich natürlicher klingen und das Rederecht besser handhaben können als frühere Versionen. Diese Vollduplex-Modelle können gleichzeitig sprechen und zuhören, sodass Benutzer natürlich unterbrechen können und Funktionen wie Live-Übersetzung ermöglicht werden. Das Unternehmen ersetzt seinen aktuellen Advanced Voice Mode in ChatGPT standardmäßig durch GPT-Live-1 mini, während zahlende Benutzer Zugang zum größeren GPT-Live-1-Modell erhalten. Der alte Aufbau – ein Sprach-zu-Text-Modell, ein großes Sprachmodell und ein Text-zu-Sprache-Modell aneinandergereiht – hatte offenbar einige Probleme, wie das Unterbrechen von Benutzern mitten im Satz und den Mangel an Intelligenz, um Fragen zu beantworten. Die neuen Modelle können Anfragen an GPT-5.5 senden, um zu suchen, zu argumentieren oder agentische Aufgaben zu erledigen, während der Gesprächsfluss erhalten bleibt.

OpenAI demonstrierte auch, dass das Modell lange Zeit schweigen kann, Kontext aufnimmt, bis es aufgerufen wird, und visuelle Informationen präsentieren kann, dank des Zugriffs auf neuere GPT-Modelle. Konkurrenten wie Monogram, das 40 Millionen Dollar von DST und Lux Capital eingesammelt hat, setzen ebenfalls auf visuelle Antworten. In einer Pressekonferenz behauptete Atty Eleti, Leiter des ChatGPT-Voice-Produkts, er habe während Spaziergängen 30- bis 40-minütige Sprachgespräche geführt. OpenAI sieht Sprache als primäre Schnittstelle für komplexe Computerarbeit, und Gerüchten zufolge könnte das Unternehmen noch in diesem Jahr KI-gestützte Ohrhörer auf den Markt bringen, obwohl das Unternehmen zu Hardware schweigt.

„Im Laufe der Zeit wird dies auch die Möglichkeit eröffnen, Sprache als eine Art primäre Schnittstelle zur Computerarbeit zu nutzen und zunehmend komplexe, langlaufende agentische Arbeiten zu verwalten“, sagte Eleti. OpenAI verfeinert Sprachfunktionen seit Jahren und stellt fest, dass über 150 Millionen Menschen Voice and Dictation in ChatGPT nutzen. Rivalen wie Apple und Amazon polieren ebenfalls ihre Assistenten auf, und Startups wie Sesame (mitbegründet von Oculus-Mitbegründer Brendan Iribe und Ankit Kumar) bringen natürlichere KI-Assistenten auf den Markt. OpenAI betont, dass es nicht versucht, einen KI-Begleiter zu erschaffen, obwohl es den Sprachmodus ansprechender macht, und hat Sicherheitsvorkehrungen für altersgerechte Antworten und Ressourcen für Selbstverletzungsthemen hinzugefügt. Der neue Modus muss jedoch noch verbessert werden: Während einer Demo der Live-Übersetzung ins Hindi sprach der Assistent mit einem starken amerikanischen Akzent und einem buchhalterischen Ton. OpenAI sagt, der Modus sei für die „meisten gesprochenen Sprachen“ optimiert, gab aber nicht an, welche.