GPT-Live im Test: Lohnt sich OpenAIs neue Sprach-KI?

Das 30-Sekunden-Fazit

Wenn du nur einen Abschnitt liest, dann diesen.

• Was es ist: OpenAIs neue Vollduplex-Sprachmodelle für ChatGPT, die den Advanced Voice Mode als Standard ersetzen. Die vollständige Erklärung liest du in unserem GPT-Live-Erklärer.
• Für wen es ist: für alle, die bereits freihändig mit ChatGPT sprechen, plus Sprachlerner und Menschen mit vollen Händen.
• Das Beste daran: Das Gespräch fühlt sich durchgehend an. Du kannst unterbrechen, pausieren und laut nachdenken, ohne dass es dazwischenredet.
• Der Haken: kein Video oder Bildschirmfreigabe zum Start, keine öffentliche API, und die „Intelligenz“ ist an GPT-5.5 delegiert, es ist also ein neues Interface, kein neues Gehirn.
• Meine Bewertung: ein starker Fortschritt für Privatnutzer, für Support-Teams gilt Abwarten. Kostenlos zum Testen, es gibt also keinen Grund, es nicht zu probieren.

Was GPT-Live eigentlich ist (die Kurzfassung)

GPT-Live ist eine neue Generation von Sprachmodellen von OpenAI, angekündigt am 8. Juli 2026, gebaut, damit sich Gespräche mit KI „viel mehr wie eine echte Konversation anfühlen“. Es treibt jetzt standardmäßig die ChatGPT-Sprachfunktion an.

Du hast wahrscheinlich einen von zwei älteren Ansätzen genutzt. Die ursprüngliche ChatGPT-Sprachfunktion war kaskadiert: drei Modelle hintereinander (Speech-to-Text → LLM → Text-to-Speech), was Informationen verlor und sich langsam anfühlte. Advanced Voice Mode war rundenbasiert: ein Modell, das aber weiterhin auf Stille wartete, um zu entscheiden, dass du fertig bist, sodass eine Pause oder ein vorbeifahrender Bus als „du bist dran“ interpretiert werden konnte. GPT-Live wirft das Rundenprinzip komplett über Bord. Wer den tieferen Mechanismus verstehen will: Die GPT-Live-Übersicht behandelt die Vollduplex-Architektur und die GPT-5.5-Delegation im Detail. In diesem Test geht es darum, ob es auch gut ist.

Wie es sich in der Praxis anfühlt

Das Erste, was auffällt: Die Unbeholfenheit ist verschwunden. Alte Sprach-KI zwang dich, in vollständigen, ununterbrochenen Sätzen zu sprechen und dann zu warten, wie beim Hinterlassen einer Mailbox-Nachricht. GPT-Live lässt dich so sprechen, wie du mit einer Person sprichst: den Satz auslaufen lassen, dich selbst korrigieren, mit „warte, nein, das andere“ dazwischengehen. Es wirft ein „mhmm“ ein, während du noch mitten im Gedanken bist, und bleibt still, wenn du offensichtlich einen Moment brauchst.

Diese ständige Höre-und-Sprich-Schleife ist das ganze Produkt. Es ist derselbe Wandel, dem der Rest der Conversational AI schon lange nachjagt, und OpenAI hat ihn in eine App gebracht, die 150+ Millionen Menschen bereits wöchentlich per Sprache nutzen. Es ist auch die klarste Antwort bisher auf das „ChatGPT hat endlich zu Gemini Live aufgeschlossen“, das in jedem ChatGPT vs. Gemini-Thread auftaucht.

Die visuellen Antworten auf dem Bildschirm sind ein netter Zusatz, kein bloßer Gimmick: Wetter, Sport, Karten und Aktien erscheinen als Karten, während es spricht.

Halten die Benchmarks den Hype?

Größtenteils ja, und OpenAI war klug bei der Wahl dessen, was gemessen wurde. Statt nur roher Genauigkeit hat man neue menschliche Bewertungen entwickelt für Angenehmheit und Fluss eines Gesprächs. In 5–10-minütigen direkten Vergleichsgesprächen wurden beide neuen Modelle gegenüber Advanced Voice Mode (AVM) „stark bevorzugt“:

Der Sprung beim Reasoning ist die auffälligere Zahl, und er kommt direkt aus der GPT-5.5-Delegation. Bei GPQA (wissenschaftliches Experten-Reasoning) und BrowseComp (agentenbasierte Websuche):

Der Sprung von BrowseComp von 0,7 % auf 75,2 % zeigt die Delegation bei der Arbeit: die Sprachebene bleibt leichtgewichtig, das schwere Modell übernimmt die Suche. Der Vorbehalt, den jeder Reviewer im Kopf haben sollte: Das sind OpenAIs eigene Tests. Sie decken sich mit meiner Erfahrung, aber eine vom Anbieter selbst durchgeführte Auswertung ist ein Ausgangspunkt, kein Beweis. OpenAI hat auch eine interne Telekom-Support-Auswertung (τ³-Voice) durchgeführt, bei der GPT-Live-1 AVM bei der Aufgabenerfolgsrate übertraf, die Zahl, die ich im Blick hätte, denn ein vollduplex KI-Agent, der tatsächlich ein Support-Ticket abschließen kann, ist ein anderes Produkt als eine gesprächige Demo.

Lohnt sich GPT-Live für dich? Eine schnelle Übersicht

Das Fazit hängt wirklich davon ab, wer fragt. Wähle das Profil, das zu dir passt:

Die Vor- und Nachteile, unverblümt

Was gut ist:

• Das Gesprächsgefühl. Das ist der Grund, es zu nutzen. Vollduplex-Rundenwechsel ist ein Sprung gegenüber Advanced Voice Mode.
• Visuelle Antworten auf dem Bildschirm. Wetter, Sport, Karten und Aktien als Karten ist ein echter Gewinn an Alltagstauglichkeit.
• Reasoning, das du regeln kannst. Instant / Medium / High ist eine kluge Steuerung, und die GPT-5.5-Delegation bedeutet, dass es mitten im Gespräch tatsächlich suchen und nachdenken kann.
• Es ist kostenlos zum Testen. GPT-Live-1 mini in der kostenlosen Stufe bedeutet, dass jeder es selbst beurteilen kann.

Was nicht gut ist:

• Kein Video oder Bildschirmfreigabe zum Start. Die am häufigsten wiederholte Beschwerde und der Grund, warum Advanced Voice Mode noch existiert.
• Die Intelligenz ist nicht neu. Der IQ stammt von GPT-5.5; die Neuheit ist das Interface. Gut zu wissen, bevor du einen schlaueren Assistenten erwartest.
• Keine öffentliche API. Der Teil, der für jeden Geschäftsanwendungsfall wichtig wäre, Telefonleitungen, Sprach-Agenten, ist „in Kürze verfügbar“ ohne Preis.
• Selbstsichere falsche Antworten. Reviewer und ich sind beide darauf gestoßen. Eine glattere Stimme erhöht die Anforderungen an die Genauigkeit.

Was es noch nicht kann

Hier braucht der Launch-Glanz einen kühlen Blick. Neben dem fehlenden Video und der fehlenden API hat GPT-Live echte Grenzen:

• Sprachlücken. Es ist auf die beliebtesten ChatGPT-Sprachen optimiert; andere können einen nicht-muttersprachlichen Akzent oder Flüssigkeitslücken bekommen.
• Nicht in Business-, Enterprise- oder Edu-Workspaces, Temporären Chats, der Desktop-App, Work, Codex oder benutzerdefinierten GPTs zum Start.
• Delegationslatenz. Weil tiefergehende Fragen im Hintergrund an GPT-5.5 gehen, können komplexe Fragen hängen, besonders bei High.

Für Entwickler, die darauf aufbauen wollen, ist die API der Flaschenhals. Bis sie kommt, wird Sprache weiterhin auf der bestehenden Audio- und Speech-API gebaut, die in die Assistants API eingebunden ist, und Teams, die ein Modell auswählen, sollten weiterhin an echten Fällen testen, nicht an Launch-Demos, das ist der ganze Sinn beim Vergleich, welches LLM für den Support am besten ist.

GPT-Live vs. Advanced Voice Mode vs. Gemini Live

Die Dreier-Frage, die ich ständig gestellt bekomme. Die Kurzfassung:

• vs. Advanced Voice Mode: GPT-Live gewinnt beim Gespräch, deutlich. Der einzige Grund, AVM zu behalten, sind Video und Bildschirmfreigabe, die GPT-Live zum Start nicht bietet.
• vs. Gemini Live: Das ist das „ChatGPT hat endlich aufgeschlossen“-Duell. GPT-Live liegt vorne bei visuellen Antworten und der Delegation von Hintergrund-Reasoning; Gemini Live gewinnt tendenziell weiterhin bei Sprach- und Länderabdeckung. Beide sind jetzt vollduplex, es ist also enger als früher. Unser Beitrag ChatGPT vs. Gemini bietet den größeren Vergleich, und unsere Übersichten zu Conversational-AI-Plattformen und den besten Sprachassistenten ordnen alle drei ein.

Was die Leute wirklich sagen

Die ersten Reaktionen waren größtenteils positiv, und der interessante Teil ist, was gelobt wird: das Gefühl, nicht der IQ. Eine Auszählung am Launch-Tag von Digg kam auf 78 % positiv bei 482 Reaktionen, Kritiker verweisen auf Latenz und gelegentlich falsche Antworten.

Die „Walkie-Talkie ist tot“-Erzählung tauchte überall auf:

"Old voice AI worked like a walkie-talkie. GPT-Live works more like a real conversation. It can listen and speak at the same time. So you can pause, interrupt, think out loud, or change direction without the whole thing feeling awkward."

Vaibhav Sisinty, X

Die schärfsten Beobachter griffen die Aufteilung auf, ein Modell für das Sprechen, ein anderes für das Denken:

"GPT-Live is not just a better voice mode. It is OpenAI separating two jobs: One model handles the human conversation. Another model handles deep thinking in the background... Voice was the interface. Now it is becoming the workflow."

Vaibhav Sisinty, X

Und die Entwicklerperspektive landete bei dem Teil, der noch nicht ausgeliefert ist, der API für Sprach-Agenten und Telefonate:

"This model and a smaller version — GPT-Live-Mini — will be available soon in the API, meaning anyone can build apps or agents using this conversational system, including to answer or make phone calls. For now there's no pricing."

Maximiliano Firtman, X

Mein Fazit für Support-Teams

Hier meine tatsächliche Einschätzung, aus der Arbeit an einer echten Support-Queue statt aus dem Labor.

GPT-Live ist ein echter Schritt für das Interface, und ich bin froh, dass es kam. Sobald die API verfügbar ist, wird „eine Support-Hotline anrufen und mit einer KI sprechen, die sich nicht wie ein IVR anfühlt“ deutlich plausibler, und man sieht die Umrisse davon schon in Tools wie Zendesk-Sprach-KI-Agenten und Freshcaller-Sprach-Agenten.

Aber ein Test muss sagen, was eine Demo nicht sagt. Was Support-KI in der Produktion zum Scheitern bringt, ist nicht ein holpriger Rundenwechsel, sondern Selbstsicherheit. Ich habe gesehen, wie ein glatt klingender Bot einem Kunden falsch geantwortet hat, und eine natürlichere Stimme lässt eine falsche Antwort nur überzeugender klingen. Genau deshalb wird jeder eesel-Rollout an den historischen Tickets eines Kunden simuliert, bevor er live jemandem antworten darf. Ein CX-Lead hat die ganze These in einem Satz auf einem Call mit uns zusammengefasst:

"The AI will never be able to answer 100% of the questions, but if it tries and just answers 'sorry I don't know this,' I cannot go and check all my 7,000 tickets to see if the AI actually made a good answer, then the point is a little bit gone. I need an AI who is only handling the tickets that it's confident to handle and all the other ones, leave them alone."

ein CX-Lead bei einer DTC-Marke mit rund 7.000 Tickets pro Monat

Das ist die Messlatte. Der praktische Gewinn für ein Support-Team liegt heute also nicht darin, auf eine Sprach-API zu warten, sondern darin, die E-Mail- und Chat-Tickets zu automatisieren, die den Großteil des Volumens ausmachen, innerhalb des Helpdesks, den du bereits nutzt. Das ist die Aufgabe, die ein KI-Helpdesk-Agent heute erledigt, und so verdienen sich die besten Kundenservice-KI-Tools bereits ihren Wert, lange bevor jemand zum Telefon greift.

Genau damit arbeite ich Tag für Tag. eesel ist eine KI für den Kundenservice, die sich in deinen bestehenden Stack einbindet (Zendesk, Freshdesk, Gorgias, Help Scout und mehr), aus deinen vergangenen Tickets und deinem Hilfecenter lernt und dann nur antwortet, wenn sie sich sicher ist, und den Rest ruhig deinem Team überlässt. Bevor sie live geht, kannst du sie an Tausenden deiner echten vergangenen Tickets simulieren, um genau zu sehen, was sie geantwortet hätte. Wenn die API von GPT-Live einmal verfügbar ist, ist ein modellunabhängiger KI-Agent für den Kundenservice das, was dir erlaubt, ihn auf Basis von Belegen statt Hype einzubinden. Teste eesel kostenlos, ohne Vertriebsgespräch.