产品发布
GPT-Live
全双工语音模型
OpenAI 于 2026 年7月8日发布新一代语音模型 GPT-Live，并把它作为 ChatGPT Voice 的新一代底层模型，今天起面向全球用户上线。
30 秒速览
- OpenAI 发布新一代语音模型 GPT-Live，采用全双工架构，能在生成语音的同时持续处理输入，做到边听边说的自然对话。
- 遇到需要联网搜索、深度推理或复杂任务时，GPT-Live 会把问题实时交给后台的 GPT-5.5 处理，你这边的对话不中断。
- 推出 GPT-Live-1 和 GPT-Live-1 mini 两个版本，今起面向全球 ChatGPT 用户上线：Go / Plus / Pro 默认用 GPT-Live-1，Free 用户默认用 mini 版。
- 在人工头对头评测中，GPT-Live-1 和 mini 都明显比 Advanced Voice Mode 更受偏好；在 GPQA、BrowseComp、τ³-Voice Telecom 三项测评上也都超过后者。
- 语音新增天气 / 股票 / 体育等可视卡片，可调推理强度（Instant / Medium / High），并针对语音场景加强了自伤、情感依赖等安全防护。
立场提示
本文是 OpenAI 官方发布博客的解读。文中的评测结果、偏好数据和安全测试结论均为 OpenAI 自评与内部测试口径，尚无第三方独立验证。
01 语音对话不用再轮流讲话
GPT-Live 做的一件事，是让你和 AI 说话时不用再轮流开口：它能一边听你讲、一边开口回应，你说到一半也能打断它、追问它。碰上需要联网查、需要动脑筋的难题，它会把活儿悄悄交给后台更强的 GPT-5.5，你这边的对话不断线。
为什么值得看
此前的 Advanced Voice Mode 要等你把话说完才接话，GPT-Live 靠全双工架构做到边听边说；在 GPQA、BrowseComp、τ³-Voice Telecom 三项测评上都超过了 Advanced Voice Mode。今起 GPT-Live-1 和 GPT-Live-1 mini 两个版本全球上线。
OpenAI 官方发布演示视频（中英字幕）：GPT-Live 和一位"奶奶"角色的真实语音对话，展示边听边说、随时打断、安静等待这几个全双工特性。
grandma-demo-zh.mp4 · 公众号内需另行上传该视频文件
02 旧办法卡在哪：接力传话会丢信息，轮流讲话会抢话
要看懂 GPT-Live 新在哪，得先知道过去两代语音方案卡在哪。
第一代·三个模型接力（级联系统）
你说话 → 语音转文字 → AI 想答案 → 文字转语音。每一步都得等上一步做完，语气、语调可能在交接时丢掉，回答又慢又生硬。就像一场接力赛跑，每一次交接棒都可能掉棒，把你话里的信息漏掉一点。
效果 响应缓慢且生硬，伴有较长停顿
来源 标准语音模式，使用 GPT-5.5 Instant
第二代·一个模型收发，但还是轮流讲
快了也顺了，但一次只能一方说话；你停顿想一下、或旁边有杂音，都可能被当成"说完了"而被抢话。
效果 速度和流畅度有所提升，但多轮互动仍显生硬
来源 ChatGPT 高级语音模式
GPT-Live·边听边说（全双工）
听和说同时进行，随时判断该说、该听、该等、该打断，补上前两代的短板。
效果 响应快速、自然、有表现力，听得也更专注
来源 GPT-Live-1，使用 GPT-5.5 Instant
同一句"嘿，能聊聊吗"，三代架构说出来是什么效果，OpenAI 官方给了真实录音对比，公众号里放不了音频，用文字对照说明（三段真实录音可在文末"阅读原文"里直接听）。
03 突破一：一个模型边听边说，不用等你讲完
GPT-Live 的第一处改动，是为持续对话专门搭了全双工架构（full-duplex，指同一时间既能听又能说）。它不再把对话拆成一条一条分开的消息，而是一边持续处理你的输入，一边持续生成回应。
核心创新
因为听和说同时在跑，模型每秒可以做很多次判断：现在该开口说、还是继续听、要不要停一下、要不要打断、要不要去调用一个工具。带来的结果是更自然的一来一回、更好的时间感，它甚至能做实时翻译。
OpenAI 官方演示视频（中英字幕）：一位 OpenAI 员工讲解"持续在场"能力，并实际演示手冲咖啡时让 GPT-Live 全程报时，多步骤任务里模型能一直跟着、随时接话。
打个比方：对讲机同一时间只能一个人说话，另一头得等着；电话可以两边同时插话、随时接住对方。全双工语音模型，就是把 AI 从对讲机模式换成了电话模式。
对讲机模式 · 旧版
你说 → 松手 → 它才说 → 说完 → 才轮到你。中间你停顿一下，容易被当成"说完了"，它就插进来抢话。
电话模式 · GPT-Live
你说的同时它就在听、在判断。你停下来想事情，它安静等着；你示意它接话，它才开口，还会用"嗯""知道了"让你知道它在跟。
OpenAI 官方演示视频（中英字幕）：GPT-Live-1（后台为 GPT-5.5 Instant）边听边说的真实对话样例。
全双工架构下，模型每秒要反复做的判断
开口说 继续听 暂停等一下 打断插话 调用工具
04 突破二：日常对话自己接，难题交给更强的模型
第二处改动，是把"陪你聊天"和"干重活"拆开了。GPT-Live 专心负责持续对话；遇到需要联网搜索、需要推理、需要一连串 agentic 操作的问题，它就把这件难事委托给另一个更强的模型，也就是发布时用的 GPT-5.5（这个后台引擎不是写死的：以后 OpenAI 出了更强的前沿模型，GPT-Live 背后接的就换成新的，交互层不用重做）。委托期间，你这边的对话照样进行，结果好了再带回来接上话。
核心创新
用一个具体场景看它怎么跑：你开车时用语音问 ChatGPT「帮我查下明天北京飞上海的航班还有没有票」。这是要联网查的活，GPT-Live 一边继续陪你聊、一边把任务甩给后台，等后台查完再把答案接进对话，你全程感觉不到卡顿。
全程对话不中断： 后台在查航班的这几秒里，前台的 GPT-Live 没有卡住，还在跟你确认出发时间；查到了就自然接上，把结果说出来。这套拆分也让 GPT-Live 的后台引擎能随未来新模型持续升级。
真实对话录音：GPT-Live 提供快速自然的回应，同时由 GPT-5.5 在后台处理搜索任务（GPT-Live-1，使用 GPT-5.5 Instant，完整录音见原文链接）。
05 测评结果：聊天体验和专业问题都比老版本强
OpenAI 为这次发布做了新的人工评测，衡量对话是否舒服、是否顺畅，还在几项通用能力测评上和 Advanced Voice Mode 做了对比。以下结果都来自 OpenAI 官方口径。
人工头对头评测的做法：让人做 5 到 10 分钟的对话，从整体偏好、轮流对话、打断、流畅度、自然感五个角度比较，看每次对话更喜欢 GPT-Live 还是 Advanced Voice Mode。
头对头偏好率
50% 是和 Advanced Voice Mode 打平
GPT-Live-1 75.7%
GPT-Live-1 mini 69.2%
对话评分测试
满分 7 分，覆盖对话流畅度和整体舒适感
GPT-Live-1
流畅度 4.96
舒适感 5.19
GPT-Live-1 mini
流畅度 4.33
舒适感 4.47
Advanced Voice Mode
流畅度 3.80
舒适感 3.82
这三项通用测评不是针对语音设计的，而是考模型本身的能力，对比对象同样是 Advanced Voice Mode：
GPQA
考专家级的科学推理，涵盖生物、化学、物理。
BrowseComp
考在网上找难查资料的能力（agentic 网页搜索）。
τ³-Voice Telecom
OpenAI 内部自建的测评，让语音 agent 处理真实的、多轮的电话客服任务。
GPQA 准确率
按后台接的推理强度分级
AVM 45.3%
GPT-Live-1 mini 74.9%
GPT-Live-1 · Instant 76.5%
GPT-Live-1 · Medium 81.7%
GPT-Live-1 · High 84.2%
BrowseComp 准确率
agentic 网页搜索能力，按推理强度分级
AVM 0.7%
GPT-Live-1 mini 31.6%
GPT-Live-1 · Instant 35.1%
GPT-Live-1 · Medium 60.6%
GPT-Live-1 · High 75.2%
τ³-Voice Telecom
同时看任务完成率和耗时，推理强度越高越准但也越慢
AVM29.5% 385.5s
mini39.5% 290.9s
Instant37.3% 231s
Medium59.6% 295s
High63.4% 386s
柱状为任务成功率，右侧标签为任务耗时中位数。
背后接哪个引擎：GPT-Live-1（instant）和 mini 用后台的 GPT-5.5 Instant；GPT-Live-1 Medium 和 High 用 GPT-5.5 Thinking，分别配中、高两档推理强度。τ³ 这项测评用了一个由 OpenAI 最新推理模型驱动的定制用户模型来跑，数据均为 OpenAI 官方口径。
06 打开 ChatGPT 语音，现在能感觉到什么变化
每周有超过 1.5 亿人用 ChatGPT 的语音和听写功能，用它做免手动的日常帮手、练外语、讲睡前故事，或者通勤路上随便聊聊。今天起，点语音按钮说话，用到的就是 GPT-Live。
OpenAI 官方演示视频（中英字幕）：几位 OpenAI 员工聊这款模型，穿插了两段真实场景：免提口述修改一段 offer 回复文案、跳舞进入状态时用语音查东西不用摸手机。
tweet5-lifestyle.mp4 · 公众号内需另行上传该视频文件
1.5亿+
每周使用 ChatGPT 语音与听写功能的人数
A
2 个版本
GPT-Live-1（Go / Plus / Pro 默认）与 mini（Free 默认）
B
9 种音色
此次全部重新制作的语音音色
C
GPT-5.5
后台处理深度任务的前沿模型（Instant / Thinking）
更像真人对话，也更会听
你可以随时插话提问、停下来整理思路、或者让它说慢一点。它会用"嗯""知道了"这类回应表示在跟着你。九个音色也全部重新制作了。
旧版 · 你停顿时
你只是想一下措辞，它容易当成你说完了，直接插进来接话，把你打断。
GPT-Live · 你停顿时
它安静等着，不急着接。你让它先别出声、只听着，它就照做。旁边有车流、有人说话这类背景噪音时，它也更能专注在你的声音上。
需要时给更聪明的答案
语音现在能调用最新的前沿模型，你还能自己选推理强度：想要快就用 Instant，想让它多想想就用 Medium 或 High。
Instant
回答最快，适合日常快问快答。
Medium
多花点时间思考，兼顾速度和深度。
High
想让它认真想清楚时用，思考时间最长。
有些答案，看得见更有用，实时UI生成
说话的同时，ChatGPT 现在能直接给你看卡片，比如天气、股票、体育比分等，不用另外打字确认。语音也照常支持搜索、记忆、图片和文件上传。
OpenAI 官方演示视频（中英字幕）：收拾行李箱时问了句"能给我看看这周墨西哥城的天气吗"，ChatGPT 直接弹出天气卡片，不用停下手上的事打字确认。
官方真实截图
体育赛程卡片示例
地图卡片示例（附近可以看球的酒吧）
07 语音场景专属的安全设计
GPT-Live 在最新模型的安全基础上，针对语音这种新形式，额外加了专门的安全训练和防护。
更贴近真实使用的安全测试
OpenAI 把安全测试扩展到了音频原生的评测，还用合成音频造了一批测试，专门盯住几类关键风险，并让内部专家针对语音特有的风险做了红队测试。原文说，在几乎所有评测领域，GPT-Live 的表现都追平或好于 Advanced Voice Mode。
自伤 精神症状与躁狂 对 AI 的情感依赖 暴力 性内容
说话过程中就能介入的防护
因为语音对话是实时进行的，OpenAI 做了能在模型说话时就起作用的防护。系统一旦发现可能不安全的内容，可以做三件事之一：
- 把模型引导向更安全的回答
- 补上额外的安全提示或求助资源
- 风险更高时，直接结束这次语音对话
涉及自伤的对话，OpenAI 把 ChatGPT 的支持流程适配到了语音版，包含由专家审核过的危机热线支持。
青少年与声音保护
针对青少年用户，模型训练里加入了适龄的行为。家长可以通过 Parental Controls 决定孩子能不能用 ChatGPT 语音；遇到有自伤或自杀意图迹象的高风险情况，关联的家长可能会收到通知。此外，GPT-Live 只用一组预设音色，带有防护、不去模仿真人的声音。
08 现在能用了吗：覆盖范围和限制
GPT-Live 现在起面向全球 ChatGPT 用户上线，覆盖 iOS、Android 和 ChatGPT.com。
GPT-Live-1
标准版，成为 Go、Plus、Pro 用户的默认语音模型
GPT-Live-1 mini
轻量版，成为 Free 用户的默认语音模型
旧版 Standard / Advanced Voice Mode
仍可手动切换。语音配合视频、屏幕共享这些 GPT-Live 暂不支持的功能，可以在旧版里继续用
还有几点现阶段的限制值得知道：GPT-Live 针对 ChatGPT 里最热门的一批语言做了优化，某些语言可能还带非母语口音、或不够流畅，OpenAI 说正在改进。上线时它还不支持语音配合视频或屏幕共享，这些功能即将推出。 API 还没开放 ，也没公布定价，开发者和企业目前只能填表单登记等通知。
GPT-Live 建立在全双工架构上，意味着它能同时听和说。对于需要网页搜索、更深推理或更复杂工作的问题，它会在幕后委托给我们最新的前沿模型，等结果就绪时再带回对话。
—— OpenAI，《Introducing GPT-Live》，2026 年 7 月 8 日
