北京时间7月9日凌晨，OpenAI突然上线新一代全双工语音模型GPT-Live，将ChatGPT Voice推向全新高度。该模型基于全双工架构，支持同时听说、自然打断、实时翻译，后台由GPT-5.5驱动，标志着AI语音交互从"回合制"正式迈入"实时对话"时代。

　　全双工架构：从"你说完我再说"到"边听边聊"

　　在GPT-Live之前，ChatGPT的语音交互经历了两个阶段。最初的级联式语音系统需要依次完成语音转文本、大模型生成、文本转语音三个步骤，响应缓慢且生硬。后来的Advanced Voice Mode虽在单一模型中处理音频，降低了延迟，但仍遵循一来一回的轮次机制——模型需要等用户停止说话后才能开始回应。

　　GPT-Live则从根本上改变了这一范式。它基于全双工架构设计，处理的不是彼此独立的消息，而是在生成输出的同时持续处理输入。模型可以在每秒内多次做出交互决策，包括是否开口、继续倾听、暂停、插话或调用工具。

　　在对话过程中，GPT-Live可以用"mhmm"或"yeah"这样的回应表示自己正在听，当用户需要思考时它会保持安静，用户可以随时打断插话提问。最终的体验是：人与AI的交流更像一场真正的对话。

　　深度任务委派：前台聊天，后台"搬砖"

　　GPT-Live的另一项关键创新是将持续交互与深层任务处理解耦。当问题需要搜索、推理或更强的智能体能力时，GPT-Live可以把任务委派给GPT-5.5这样的后端模型处理，同时继续维持对话流畅性。

　　这意味着即使用户提出了需要联网搜索或复杂推理的问题，GPT-Live也不会"卡住"等你——它会一边和你保持交流，一边在后台完成深度任务，最终把结果带回对话中。

　　发布时，GPT-Live后台调用的模型是GPT-5.5。随着OpenAI后续推出新的前沿模型，后台引擎也将持续更新，让GPT-Live始终获得最新的智能能力加持。

　　性能评估：全方位超越前代

　　OpenAI构建了全新的人类评估体系来衡量对话的愉悦感和流畅度。在一对一对比测试中，GPT-Live-1和GPT-Live-1 mini在5到10分钟的对话中，相比Advanced Voice Mode明显更受偏好。评估维度涵盖整体偏好、轮次衔接、打断情况、对话流畅度以及交互自然程度。

　　在具体基准测试中：

　　GPQA（专家级科学推理）：GPT-Live-1显著优于Advanced Voice Mode

　　BrowseComp（智能体式网页搜索）：GPT-Live-1取得明显提升

　　τ³-Voice Telecom（真实多轮电信客服任务）：GPT-Live-1优于Advanced Voice Mode

　　全新ChatGPT Voice体验

　　每周有超过1.5亿人通过Voice和Dictation等功能与ChatGPT对话。从7月9日起，点击Voice按钮将获得由GPT-Live驱动的全新升级体验：

　　更自然的对话：可以随时插话提问、停下来整理思路、让ChatGPT放慢语速。AI会用"mhmm"或"got it"表示在听。团队针对GPT-Live重新制作了九种不同的声音

　　更智能的回答：可调用OpenAI最新前沿模型，支持Instant（快速响应）、Medium和High三种推理强度

　　更好的倾听能力：用户思考时AI会等待而非插话，背景噪声干扰显著降低

　　可视化回复：语音对话中可展示天气、股票、体育等可视化卡片，同时支持搜索、记忆、图片和文件上传

　　GPT-Live目前正在面向全球ChatGPT用户推出，覆盖iOS、Android和ChatGPT.com。GPT-Live-1将成为Go、Plus和Pro用户的默认语音模型，GPT-Live-1 mini将成为Free用户的默认模型。