OpenAI 正式為 ChatGPT 引入了一類全新的語音模型 GPT-Live，其核心突破在於採用了全雙工架構，使 AI 能夠像人類對話一樣同時聆聽和說話。這一更新從根本上改變了以往用戶說完、AI 再回答的僵硬回合制模式，模型現在可以在對話中實時判斷是繼續傾聽、發言、停頓還是調用工具，甚至能用“嗯”“懂了”這樣的語氣詞來維持對話的自然流動。
此次發佈包含兩個版本，並立即在全球範圍內推送：GPT-Live-1 面向 Go、Plus 和 Pro 付費用戶，而 GPT-Live-1 mini 則提供給免費賬戶使用。兩者均支持 iOS、Android 以及 ChatGPT 網頁端。OpenAI 還計劃很快開放 API 訪問，開發者已可通過表單申請。不過，目前 GPT-Live 暫不支持視頻語音或屏幕共享功能，這些特性將在後續推出，舊版的標準和高級語音模式仍會保留。
與單純提升對話體驗相比，GPT-Live 最重大的變化在於其背後的智能分工機制。當用戶提出需要網絡搜索、邏輯推理或類似代理能力等複雜問題時，GPT-Live 會在後臺將任務移交給 GPT-5.5 模型處理，同時在前端保持對話不中斷。這一設計解決了此前實時語音模型的一個關鍵缺陷：它們只能依賴自身有限的模型能力回答問題，導致在知識問答和複雜任務上遠遠落後於前沿模型，幾乎無法用於嚴肅工作。
OpenAI 公佈的基準測試數據清晰地展示了這種架構帶來的飛躍。在衡量代理式網絡搜索能力的 BrowseComp 測試中，GPT-Live-1 在高推理級別下取得了 75.2% 的準確率，而舊版高級語音模式僅為 0.7%，差距懸殊。即使是 mini 版本也達到了 31.6%。在科學推理測試 GPQA 上，GPT-Live-1 的準確率從高級語音模式的 45.3% 提升至 84.2%。在 OpenAI 內部的 tau3 Voice Telecom 基準測試中，GPT-Live-1 在模擬真實電信支持任務時，任務完成率大幅領先，同時處理時間更短。用戶還可以根據需求選擇“即時”、“中等”或“高”三種推理級別，以平衡響應速度與思考深度。
更接近人類的對話能力也帶來了更高的安全風險。研究表明，語音模型的重度用戶更容易對 AI 產生情感依賴，而一個聽起來更像真人的系統可能放大這種傾向。OpenAI 表示已內置多重安全措施，能夠在用戶說話時就介入，引導模型給出更安全的回應、展示額外安全信息，或在高風險場景下直接終止對話。當涉及自殘等話題時，系統會顯示危機熱線。針對未成年用戶，模型經過訓練以符合其年齡特點，家長可通過控制功能管理孩子的使用權限並接收高風險通知。此外，GPT-Live 僅使用預設聲音，並不模仿真實人聲。
在 GPT-Live 之前，英偉達已於今年早些時候發佈了類似的全雙工開源模型 PersonaPlex，顯示出實時語音交互正成為 AI 領域的一個重要發展方向。OpenAI 此次通過將前端對話管理與後端前沿模型推理相分離的架構，不僅顯著提升了語音助手的實用性，也可能對智能客服、語音搜索、虛擬陪伴等應用場景的競爭態勢產生深遠影響。