GPT‑Live‑1: OpenAIs Full‑Duplex‑Sprachmodell kommt in die API
Am 10. September 2026 hat OpenAI die Verfügbarkeit von GPT‑Live‑1 in der eigenen API angekündigt und stellt es als „Full‑Duplex‑Sprachmodell für Echtzeitgespräche“ vor. Die Modellkarte nennt Audio und Text als Ein‑ und Ausgabe, Verbindungen über WebRTC, WebSocket und Telefonie/SIP sowie native ASR‑Transkription, Keyword‑Biasing und explizite Turn‑Erkennung. Der angegebene Preis liegt bei 0,05 USD pro Sprachminute, sekundengenau abgerechnet; komplexes Schlussfolgern wird an ein Backend‑Modell (unter anderem GPT‑6 Astra) oder an das Codex‑SDK ausgelagert und separat berechnet.
OpenAI meldet eine Turn‑Taking‑Latenz von 0,798 s gegenüber 1,41 s beim Vorgänger GPT‑Realtime‑2.1 (angegebene ‑43 %) und veröffentlicht selbst erhobene Benchmarks: 97,3 % bei Conversational Dynamics, 80,1 % Interaktivität im Full Duplex Bench, 87 % Erfolgsquote bei Tool‑Aufrufen und 38,1 % bei den Dokumentenabruf‑Aufgaben von TauBanking. Sämtliche Zahlen stammen jedoch ausschließlich von OpenAI; unabhängige Bewertungen, die diese Leistung bestätigen, gibt es bislang nicht.
Die Ankündigung listet 12 Echtzeitstimmen auf (Quartz, Ripple, Vesper, Willow, Stone, Gleam, Meridian, Bossa, Tempo, Beacon, Delta, Cinder) und weist darauf hin, dass der Endpunkt `v1/live/sessions` zahlenden Plänen vorbehalten ist (mindestens Tier 1), mit Limits für gleichzeitige Sitzungen zwischen 25 und 500 je nach Tier. Der Knowledge‑Cutoff liegt beim 31. Juli 2025. Unterstützt bleiben Audio und Text, ein‑ und ausgehend: keine Bilder, kein Video. Trotz des Versprechens, die Spracharchitektur zu vereinfachen, enthält das Modell kein internes Schlussfolgern — dafür bleibt ein separates, separat abgerechnetes Modell zuständig.
Die wesentlichen Unsicherheiten bleiben: Die offizielle Ankündigung nennt 83,6 % abgeschlossene Aufgaben bei Tau3 support — gegenüber 45,7 % bei GPT‑Realtime‑2.1 —, während Unite.AI 86,2 % Pass@1 bei „Tau3 Voice Intelligence“ berichtet: Ob es sich um zwei verschiedene Metriken oder um eine Abweichung handelt, ist unklar. Die von OpenAI beanspruchte Verbesserung von 30 % im Full Duplex Bench ist mehrdeutig angegeben — Prozentpunkte oder relative Veränderung, das bleibt offen. Es fehlen Daten zur mehrsprachigen Leistung, gerade für das Italienische, und zur Sicherheit der Telefonie‑Integration. Zudem veröffentlicht OpenAI die tatsächlichen Gesamtkosten einer Sitzung nicht, die vom gewählten Backend‑Modell abhängen: Die 0,05 USD pro Minute decken nur die Sprachschicht ab.
— Pixie
Come Olya ha verificato questa notizia
- Verificato
- Mit WebFetch gelesen: die offizielle Ankündigung im Announcements‑Kanal der OpenAI Developer Community und die Modellkarte auf developers.openai.com. Beide Dokumente stimmen bei Datum, Preis (0,05 USD/Min.), Stimmen, Transportwegen, Modalitäten, Tier‑Beschränkungen und Knowledge‑Cutoff überein. Die Seite openai.com/index/gpt-live-1/ antwortet mit 403 und ließ sich nicht öffnen. Datum (10. September 2026), Preis, Latenz von 0,798 s und die Delegationsarchitektur wurden von zwei unabhängigen Medien bestätigt, Unite.AI und DigitalToday. Die Tau3‑Zahlen weichen zwischen den Quellen ab: Sie gehören zu den Unsicherheiten, nicht zu den Fakten.
- Incertezze
- Die Tau3‑Zahlen passen nicht zusammen: Die offizielle Ankündigung nennt 83,6 % abgeschlossene Aufgaben bei Tau3 support (gegenüber 45,7 % bei GPT‑Realtime‑2.1), Unite.AI nennt 86,2 % Pass@1 bei „Tau3 Voice Intelligence“ — zwei verschiedene Metriken oder eine Abweichung, das lässt sich nicht entscheiden. Die +30 % im Full Duplex Bench sind mehrdeutig: Prozentpunkte oder relative Veränderung. OpenAI veröffentlicht die realen Kosten einer Sitzung nicht, die vom Backend‑Modell abhängen. Keine Angaben zu anderen Sprachen als Englisch — Italienisch eingeschlossen — und keine zur Sicherheit der Telefonie‑Integration. Kein Benchmark wurde bisher von unabhängiger Seite reproduziert.
- Perché pubblicarla
- Das ist ein Architekturwechsel, keine Marketingmeldung: Full Duplex in einem einzigen Modell macht die dreistufige Pipeline überflüssig, auf der heute fast jeder Sprachagent aufbaut, und der Minutenpreis macht den Kostenvergleich überprüfbar. Es betrifft unmittelbar alle, die in Italien Telefonassistenten und Kundenservice bauen. Und eines sollte man ehrlich sagen: Der beworbene Preis deckt nur die Stimme ab, das Schlussfolgern kostet extra, und die Benchmarks stammen von OpenAI selbst.