OpenAI 推出全新一代语音模型 GPT-Live，采用全双工架构。该模型可一边聆听一边发言，复杂任务会交由后台 GPT-5.5 处理。

依托 GPT-Live，OpenAI 上线新一代 AI 语音模型，大幅提升与 ChatGPT 对话的真实感。两款版本现已全球分批推送：GPT-Live-1 面向 Go、Plus、Pro 付费订阅用户；轻量版 GPT-Live-1 mini 免费账号均可使用。两者支持 iOS、安卓客户端以及 ChatGPT 网页端。OpenAI 计划很快开放 API 调用权限，开发者可通过表单申请内测资格。

以往语音模式交互生硬，只能用户说完、AI 再回复；而 GPT-Live 采用全双工架构，能够同步收听与发声，和人与人日常交谈逻辑一致。今年早些时候，英伟达也曾发布同类开源模型 PersonaPlex。

OpenAI 介绍，GPT-Live 每秒会多次判断自身行为：是否开口、继续倾听、停顿、打断用户，或是调用工具。模型会使用 “嗯”“明白了” 这类语气词，表示正在跟进对话。用户随时可以打断 AI、留出思考时间，或是让模型放慢语速。

官方数据显示，和旧版「高级语音模式」相比，75.7% 的测试用户更偏爱 GPT-Live-1，69.2% 用户选择 GPT-Live-1 mini。除全新对话交互能力外，本次更新新增可视化信息卡片：语音对话过程中可展示天气、股价、赛事比分等内容。同时官方对 GPT-Live 内置 9 款语音音色完成全面优化。

上线初期，GPT-Live 暂不支持语音联动视频、屏幕共享功能，OpenAI 表示相关功能后续更新推出。带有上述功能的旧标准语音模式、高级语音模式会暂时保留。

后台交由 GPT-5.5 处理，补齐智能能力短板

本次更新最大改动是将实时对话调度与深度推理拆分为两套模块。当问题需要联网检索、逻辑推演或智能代理能力时，GPT-Live 会把任务转交后台大模型，当前后台承载模型为 GPT-5.5。后台模型运算期间，前端语音交互不会中断对话。

该架构设计让 GPT-Live 能够持续对接最新前沿大模型。用户还可自主选择推理档位：「极速模式」快速给出简答；「中等 / 深度模式」适用于需要长时间深度思考的复杂任务。

这种任务分流解决了前代实时语音模型的核心缺陷：旧语音模型仅依靠自身算力作答，智能水平远不及旗舰大模型，难以胜任专业场景工作。

而 GPT-Live 大幅缩小了语音模型与旗舰模型的能力差距，知识类评测分数提升显著。在科学推理基准测试 GPQA 中，开启深度推理档位的 GPT-Live-1 准确率达 84.2%；旧高级语音模式仅 45.3%。在面向网页智能检索的评测基准 BrowseComp 上差距更为悬殊：GPT-Live-1 得分 75.2%，旧高级语音模式仅 0.7%。

OpenAI 内部 tau3 语音通讯测试（模拟真实客服通话场景评测全双工语音智能体）中，GPT-Live 同样表现领先。无论哪种推理档位，GPT-Live-1 任务完成率更高、响应速度更快；旧高级语音模式表现垫底，成功率最低、处理耗时最长。

拟真人声带来更高安全风险

已有大量研究证实，人们极易将 AI 拟人化，容易被 AI 话术诱导做出各类行为，部分场景会引发严重后果。相关实验表明高频使用语音 AI 的用户，更容易对 AI 产生情感依赖。而交互、音色更贴近真人的新一代语音系统，会进一步放大该风险。

OpenAI 称本次内置实时安全防护机制，用户说话过程中即可触发管控：系统会引导模型输出合规回复、展示安全提示内容，高风险场景可直接终止对话。若对话涉及自残相关话题，界面会弹出心理危机求助热线。

针对未成年用户，模型经过专项训练，输出内容适配青少年年龄规范。家长可通过家长管控功能限制孩子使用 ChatGPT 语音功能，出现高风险对话时会收到提醒。同时 GPT-Live 无法复刻真人声线，仅能使用官方预设音色。