OpenAI 推出 GPT-Live，新一代采用全双工架构的语音模型。该模型能同时听和说，并将复杂任务转交给后台的 GPT-5.5 处理。

凭借 GPT-Live，OpenAI 推出了一类全新的 AI 语音模型，旨在让与 ChatGPT 的对话更像真实交谈。两个版本现已面向全球用户发布。GPT-Live-1 面向 Go、Plus 和 Pro 套餐的付费用户，而 GPT-Live-1 mini 则可在免费账户上使用。两者均可在 iOS、Android 和 ChatGPT.com 上运行。OpenAI 计划很快提供 API 访问权限，开发者可通过表单注册。

与过去用户说完 AI 再回应的僵化问答模式不同，GPT-Live 采用了全双工架构。该模型可以同时听和说，就像人与人之间的真实对话。今年早些时候，Nvidia 发布了一个类似的开源模型，名为 PersonaPlex。

OpenAI 表示，GPT-Live 每秒内会多次做出决策，决定是说话、继续听、暂停、打断还是调用工具。该模型可以使用像“嗯哼”或“知道了”这样的填充短语来示意自己正在跟上。用户可以打断、略作思考，或要求模型放慢语速。

与之前的“高级语音模式”相比，OpenAI表示，用户在75.7%的情况下更偏好GPT-Live-1，在69.2%的情况下更偏好GPT-Live-1 mini。除了新的对话功能外，此次更新还增加了视觉卡片，ChatGPT语音可以在对话中展示天气、股票价格或体育比分等内容。OpenAI还重新设计了GPT-Live可用的九种语音。

上线之初，GPT-Live在ChatGPT中不支持带视频或屏幕共享的语音功能，不过OpenAI表示这些功能即将推出。目前，具备这些功能的旧版标准语音模式和高级语音模式将继续保留。

后台委托给GPT-5.5弥补了智能差距

最大的变化在于实时对话管理与实际推理之间的分离。当某个问题需要网络搜索、推理或类似智能体的能力时，GPT-Live会将其交给后台模型处理。目前这个后台模型是GPT-5.5。在后台模型工作的同时，GPT-Live继续保持对话进行。

OpenAI表示，该架构的构建使得GPT-Live始终与最新的前沿模型保持连接。用户还可以选择推理级别，从“即时”（快速回答）到“中等”和“高”（适用于ChatGPT需要花更多时间思考的任务）。

这种委托机制修复了早期实时模型的一个主要弱点，即它们仅根据自身能力回答问题。这使得它们远远落后于前沿模型，几乎无法用于严肃的工作。

有了GPT-Live，这一差距似乎正在缩小，知识方面的基准测试分数也大幅提升。在针对科学推理的GPQA测试中，GPT-Live-1在高推理级别下达到了84.2%的准确率，而高级语音模式仅为45.3%。在基于智能体网络搜索的基准测试BrowseComp上，差距甚至更大。GPT-Live-1得分为75.2%，高级语音模式仅为0.7%。

GPT-Live 在 OpenAI 内部的 tau3 Voice Telecom 测试中也处于领先地位，该测试在逼真的电信支持任务中评估全双工语音智能体。根据推理能力等级的不同，GPT-Live-1 以更高的任务完成率和更快的速度完成任务。Advanced Voice Mode 表现最差，成功率最低且处理时间最长。

听起来更像人类的 AI 提升了安全风险

有充分记录表明，人们倾向于将 AI 模型视为人类，并容易被说服做出各种行为，有时会带来严重后果。研究表明，重度语音模型用户更容易对 AI 产生情感依赖。一个听起来和回应都更像人的 AI 系统，很可能会放大这种风险。

OpenAI 表示，他们构建了即使在用户说话时也能生效的安全措施。该系统可以引导模型做出更安全的回应，显示额外的安全信息，或在高风险情况下完全结束对话。当出现与自残相关的话题时，系统会显示危机热线。

对于年轻用户，OpenAI 对模型进行了训练，使其以符合年龄的方式行事。家长可以使用家长控制功能来决定孩子是否可以访问 ChatGPT 语音功能，并在高风险情况下收到通知。GPT-Live 也并非设计用于模仿真实声音，仅使用预设声音。安全措施的完整细节可在系统卡中查看。