OpenAI 正式为 ChatGPT 引入了一类全新的语音模型 GPT-Live，其核心突破在于采用了全双工架构，使 AI 能够像人类对话一样同时聆听和说话。这一更新从根本上改变了以往用户说完、AI 再回答的僵硬回合制模式，模型现在可以在对话中实时判断是继续倾听、发言、停顿还是调用工具，甚至能用“嗯”“懂了”这样的语气词来维持对话的自然流动。
此次发布包含两个版本，并立即在全球范围内推送：GPT-Live-1 面向 Go、Plus 和 Pro 付费用户，而 GPT-Live-1 mini 则提供给免费账户使用。两者均支持 iOS、Android 以及 ChatGPT 网页端。OpenAI 还计划很快开放 API 访问，开发者已可通过表单申请。不过，目前 GPT-Live 暂不支持视频语音或屏幕共享功能，这些特性将在后续推出，旧版的标准和高级语音模式仍会保留。
与单纯提升对话体验相比，GPT-Live 最重大的变化在于其背后的智能分工机制。当用户提出需要网络搜索、逻辑推理或类似代理能力等复杂问题时，GPT-Live 会在后台将任务移交给 GPT-5.5 模型处理，同时在前端保持对话不中断。这一设计解决了此前实时语音模型的一个关键缺陷：它们只能依赖自身有限的模型能力回答问题，导致在知识问答和复杂任务上远远落后于前沿模型，几乎无法用于严肃工作。
OpenAI 公布的基准测试数据清晰地展示了这种架构带来的飞跃。在衡量代理式网络搜索能力的 BrowseComp 测试中，GPT-Live-1 在高推理级别下取得了 75.2% 的准确率，而旧版高级语音模式仅为 0.7%，差距悬殊。即使是 mini 版本也达到了 31.6%。在科学推理测试 GPQA 上，GPT-Live-1 的准确率从高级语音模式的 45.3% 提升至 84.2%。在 OpenAI 内部的 tau3 Voice Telecom 基准测试中，GPT-Live-1 在模拟真实电信支持任务时，任务完成率大幅领先，同时处理时间更短。用户还可以根据需求选择“即时”、“中等”或“高”三种推理级别，以平衡响应速度与思考深度。
更接近人类的对话能力也带来了更高的安全风险。研究表明，语音模型的重度用户更容易对 AI 产生情感依赖，而一个听起来更像真人的系统可能放大这种倾向。OpenAI 表示已内置多重安全措施，能够在用户说话时就介入，引导模型给出更安全的回应、展示额外安全信息，或在高风险场景下直接终止对话。当涉及自残等话题时，系统会显示危机热线。针对未成年用户，模型经过训练以符合其年龄特点，家长可通过控制功能管理孩子的使用权限并接收高风险通知。此外，GPT-Live 仅使用预设声音，并不模仿真实人声。
在 GPT-Live 之前，英伟达已于今年早些时候发布了类似的全双工开源模型 PersonaPlex，显示出实时语音交互正成为 AI 领域的一个重要发展方向。OpenAI 此次通过将前端对话管理与后端前沿模型推理相分离的架构，不仅显著提升了语音助手的实用性，也可能对智能客服、语音搜索、虚拟陪伴等应用场景的竞争态势产生深远影响。