GPT-Live-1.1: OpenAIs Echtzeit-Sprachmodell kommt für 5 Cent pro Minute in die API
OpenAI bietet Entwicklern sein Sprachmodell GPT-Live-1.1 jetzt über die Programmierschnittstelle an. Abgerechnet wird pro aktiver Gesprächsminute. Das Modell kann gleichzeitig zuhören und sprechen, und in ChatGPT ersetzt die GPT-Live-Familie ab dem 11. Dezember die alten Sprachmodi vollständig.

Worum es geht
OpenAI hat sein Sprachmodell GPT-Live-1.1 in die Programmierschnittstelle (API) gebracht. Über diese Schnittstelle bauen Entwickler OpenAI-Modelle in eigene Apps, Telefon-Hotlines oder Sprachassistenten ein. Laut ad-hoc-news ist GPT-Live-1.1 der direkte Nachfolger von GPT-Live-1, zu dem OpenAI am 15. Oktober 2026 eine Systemcard veröffentlicht hatte. Eine Systemcard ist ein technisches Begleitdokument mit Angaben zu Fähigkeiten und Sicherheitstests.
Die GPT-Live-Familie gibt es seit Juli. Damals führte OpenAI GPT-Live-1 und die kleinere Variante GPT-Live-1 mini in ChatGPT ein. Laut The Next Web war das am 8. Juli. Neu ist jetzt vor allem, dass Entwickler die verbesserte Version 1.1 direkt nutzen können, und zwar mit einem eigenen, minutenbasierten Preismodell.
Was GPT-Live anders macht
Die Modelle arbeiten im sogenannten Vollduplex-Verfahren. Wie bei einem Telefonat können sie gleichzeitig zuhören und sprechen. Ältere Sprachmodi waren rundenbasiert: Sie warteten, bis man ausgeredet hatte, und fielen einem deshalb oft im falschen Moment ins Wort. Der noch ältere „Standard Voice“-Modus reihte laut einem Überblick auf note.com sogar drei Modelle hintereinander. Eines wandelte Sprache in Text um, eines schrieb die Antwort, eines las sie vor. Das machte ihn langsam.
GPT-Live entscheidet laut eWeek mehrmals pro Sekunde, ob es sprechen, pausieren, weiter zuhören, unterbrechen oder ein Werkzeug benutzen soll. Es kann kurze Signale wie „mhm“ oder „verstanden“ einwerfen, still abwarten, während man nachdenkt, und auf Wunsch schweigen, bis man es wieder anspricht. In Pressevorführungen zeigte OpenAI eine Simultanübersetzung, bei der das Modell parallel zum Sprecher übersetzte. TechRadar nannte das laut The Next Web „wirklich nützlich“.
Der zweite Kern ist die Delegation. Braucht eine Frage eine Websuche, gründlicheres Nachdenken oder agentische Fähigkeiten, also das selbstständige Erledigen mehrstufiger Aufgaben, gibt GPT-Live sie an ein stärkeres Textmodell im Hintergrund ab. Währenddessen läuft das Gespräch weiter. Zum Start im Juli war das GPT-5.5. ChatGPT-Voice-Produktchef Atty Eleti sagte laut CNET, zitiert von The Next Web:
Genau so interagieren Menschen miteinander. Wir halten das Gespräch am Laufen, während wir im Hintergrund nachdenken.
In ChatGPT lässt sich außerdem eine Denkstufe wählen (Instant, Medium oder High). Zu Themen wie Wetter, Aktien und Sport blendet das Modell visuelle Karten ein.
Preise und technische Grenzen in der API
Für Entwickler ist das Abrechnungsmodell die wichtigste Neuerung. Laut ad-hoc-news gilt:
| Posten | Preis |
|---|---|
| Reguläre Sprachsitzung | 5 Cent pro aktiver Minute |
| Qualifizierende WebRTC-Sitzung bei aktiv pausierter Inferenz | 2 Cent pro Minute |
| Backend-Reasoning (delegierte Aufgaben) | separat |
| Aufrufe externer Werkzeuge | separat |
WebRTC ist ein Standard für Echtzeit-Audio und -Video im Browser, den man etwa von Videokonferenzen kennt. Wichtig ist das Kleingedruckte: Der günstigere Satz gilt nur, wenn die Inferenz, also die Rechenarbeit des Modells, tatsächlich pausiert ist. Bloße Sprechpausen im Gespräch reichen dafür nicht. Da Reasoning und Tool-Aufrufe extra kosten, kann eine Minute je nach Anwendung deutlich teurer werden als 5 Cent.
Technisch unterstützt GPT-Live-1.1 Streaming, die Antwort kommt also fortlaufend statt am Stück, und Funktionsaufrufe. Damit kann das Modell zum Beispiel eine Terminbuchung oder Datenbankabfrage in der eigenen Software auslösen. Nicht unterstützt werden strukturierte Ausgaben (Antworten in einem fest vorgegebenen Datenformat) und Feintuning (das Nachtrainieren auf eigene Daten). Bilder und Videos verarbeitet das Modell ebenfalls nicht. GPT-Live-1 und GPT-Live-1.1 haben getrennte Kontingente für gleichzeitige Sitzungen, die regionsübergreifend gelten.
Sicherheit: bessere Werte, aber mit Einschränkung
In der begleitenden Systemcard gibt OpenAI an, dass GPT-Live-1.1 in den Bereichen psychische Gesundheit, emotionale Abhängigkeit und Selbstverletzung bessere Werte erzielt als der Vorgänger. Bei sexuellen Inhalten, rechtswidrigem Verhalten und dem Umgang mit persönlichen Daten liege es auf dem Niveau von GPT-Live-1. Zwei Einschränkungen sind wichtig. Die Sicherheitstests liefen mit deaktivierter Backend-Delegation, also ohne das Hintergrundmodell, das im echten Betrieb mitarbeitet. Und zu den tatsächlichen Raten unsicherer Ausgaben im laufenden Betrieb macht OpenAI keine Angaben.
Das Thema ist bei Sprachassistenten besonders heikel. The Next Web weist darauf hin, dass eine KI, die wie ein Freund klingt, leichter Vertrauen gewinnt und Menschen deshalb auch leichter in die Irre führen kann. Signal-Chefin Meredith Whittaker warnt seit Langem, Chatbots seien „nicht deine Freunde“. OpenAI betont, GPT-Live sei als Assistent gedacht und nicht als Begleiter. Das Modell nutze voreingestellte Stimmen und ahme keine realen Personen nach. Echtzeit-Schutzmechanismen könnten eine Antwort umlenken, auf Krisenangebote hinweisen oder in riskanten Fällen das Gespräch beenden, für Jugendliche gelten zusätzliche Schutzregeln.
Schwächen und Umstellung in ChatGPT
Fehlerfrei ist das System nicht. Bei einer Live-Vorführung einer Übersetzung ins Hindi sprach der Assistent laut eWeek mit starkem amerikanischem Akzent und in gestelzter, „buchhafter“ Sprache. Welche Sprachen OpenAI am stärksten optimiert hat, ist nicht bekannt. Für deutschsprachige Anwendungen sollte man die Qualität also selbst testen.
In ChatGPT wird GPT-Live bald alleiniger Standard. Laut OpenAI-Hilfecenter, zusammengefasst auf note.com, werden „Advanced Voice“ und „Standard Voice“ am 11. Dezember 2026 abgeschaltet. Wer sie nutzt, wird automatisch auf „Live Voice“ umgestellt. OpenAI begründet das damit, dass sich die Sprachnutzung seit dem Start von GPT-Live fast verdoppelt habe. Laut The Next Web nutzen über 150 Millionen Menschen pro Woche die Sprach- und Diktierfunktionen von ChatGPT. Alte Sprachgespräche bleiben im Verlauf erhalten. Live-Video und Bildschirmfreigabe laufen vorerst weiter über Advanced Voice, weil GPT-Live sie noch nicht beherrscht. Einen Termin für die Umstellung gibt es nicht. Erste Drittanbieter setzen GPT-Live bereits ein, etwa die Sprachlern-App Speak für neue Unterrichtsstunden.
Die API-Freigabe folgt laut ad-hoc-news kurz auf eine größere Änderung im Modellangebot. Am 17. November stellte OpenAI demnach GPT-6.2 Astra für komplexe Fachaufgaben und GPT-6.2 Sol für alltägliche Anforderungen vor, verfügbar in ChatGPT Plus, Pro, Enterprise und Edu sowie über die API. Ob eines dieser Modelle inzwischen die Hintergrundaufgaben von GPT-Live übernimmt, geht aus den Quellen nicht hervor.
Einordnung
Mit GPT-Live-1.1 in der API macht OpenAI seine Vollduplex-Sprachtechnik für Callcenter-Bots, Übersetzungs-Apps oder Sprachsteuerung in eigener Software verfügbar. Der Minutenpreis von 5 Cent ist leicht zu kalkulieren. Ehrlich gerechnet wird er aber erst, wenn man die separat berechneten Reasoning- und Tool-Kosten einbezieht. Die Konkurrenz ist groß: ElevenLabs, Start-ups wie Sesame und Monogram sowie Apple und Amazon mit ihren aufgerüsteten Assistenten zielen auf denselben Markt.
OpenAI setzt darauf, dass Sprechen statt Tippen zur wichtigsten Art wird, mit KI-Agenten zu arbeiten. Offen bleibt, wie gut das außerhalb des Englischen funktioniert. Kritisch zu sehen ist, dass die Sicherheitswerte der Systemcard ohne das Hintergrundmodell gemessen wurden und Zahlen aus dem echten Betrieb fehlen. Und es bleibt die Frage, die auch The Next Web stellt: Wollen Menschen überhaupt eine KI, die nie ganz aufhört zuzuhören?
Videos zum Thema
Quellen
- Bing News (de-DE) ad-hoc-news.de
- eweek.com eweek.com
- note.com note.com
- thenextweb.com thenextweb.com
Frag den KI-Assistenten
Fragen zu diesem Artikel, zur Installation oder zu Hintergründen? Unser Assistent kennt diese Seite und läuft auf unserem eigenen Rechner, nicht in einer fremden Cloud.
Der Assistent ist eine KI (Gemma 4) und kann sich irren – wichtige Angaben bitte in der Quelle prüfen. Fragen werden nur zum Beantworten genutzt und nach einer Stunde gelöscht. Bitte keine persönlichen Daten eingeben.
Kommentare
Was meinst du dazu? Schon ausprobiert? Schreib es hier, ohne Anmeldung.
Kommentare sind öffentlich. Links sind nicht erlaubt, beleidigende Beiträge löschen wir. Deinen eigenen Kommentar kannst du in diesem Browser jederzeit wieder löschen. Mehr dazu in der Datenschutzerklärung.