OpenAI 于 7 月 9 日推出了 GPT-Live 系列模型，该系列被定位为新一代全双工语音模型，能够同时进行倾听和说话，旨在使 AI 对话体验更加接近真人交流。

目前，GPT-Live 系列提供了 GPT-Live-1 和 GPT-Live-1 mini 两个版本。即日起，全球 ChatGPT 用户均可使用。其中，GPT-Live-1 模型将面向 Go、Plus 和 Pro 订阅用户开放，而免费用户则可以调用 GPT-Live-1 mini 模型。

在架构设计上，GPT-Live 系列采用了全双工架构，摆脱了传统单轮交互后才响应的模式。它能够在同一时间段内持续处理输入和输出信息，模型可以“每秒多次”地判断何时说话、继续倾听、暂停、打断或调用工具，从而显著提升了对话的真实感。

面对复杂的任务，GPT-Live 系列模型能够将连续交互和深度推理进行拆分处理。模型在前台维持语音对话的流畅进行，同时将网页搜索、复杂推理或其他更高级的任务委托给后台的 GPT-5.5 系列模型执行。具体来说：

  • GPT-Live-1（instant）和 GPT-Live-1 mini 将调用 GPT-5.5 Instant。
  • GPT-Live-1 Medium 将采用 GPT-5.5 Thinking Medium 的推理强度。
  • GPT-Live-1 High 将使用 GPT-5.5 Thinking High 的推理强度。

OpenAI 在性能评估方面，特别建立了一套新的人工评测体系，重点考察语音交流中的舒适度和整体流畅性。在对时长为 5-10 分钟的配对对话进行评估时，基于整体偏好、轮次衔接、打断情况、对话流畅度与自然度等指标，GPT-Live-1 和 GPT-Live-1 mini 模型均获得了更高的偏好得分，优于此前的 Advanced Voice Mode。

在用户规模方面，OpenAI 透露，每周有超过 1.5 亿用户通过 Voice 和 Dictation 等功能与 ChatGPT 进行语音互动，这些应用场景涵盖了免提日常协助、语言学习、睡前故事以及通勤时的闲聊。新版本还增加了在语音对话中展示天气、股票、体育等可视化卡片的功能，并继续支持搜索、记忆、图片和文件上传等功能。

在安全性方面，OpenAI 表示，GPT-Live 模型在自伤、精神病性症状与躁狂、对 AI 的情感依赖、以及暴力和性内容等多个领域，都经过了原生音频评测、合成音频评测以及内部红队测试。官方声明称，该模型在几乎所有评估维度上均达到了与 Advanced Voice Mode 相当或更优的水平。