GPT-Live-1/mini登场：边听边说让AI对话更接近真人聊天

7月9日，OpenAI正式发布了GPT-Live系列模型。这个系列定位为新一代全双工语音模型，核心突破在于能同时聆听与说话——打个比方，不是那种“你讲完我再说”的对讲机模式，而是更像真人聊天，可以边听边回应，甚至中途插话。这意味着AI对话的节奏感和自然度都上了一个台阶。

目前推出的版本有两个：GPT-Live-1和GPT-Live-1 mini。即日起向全球ChatGPT用户开放，其中GPT-Live-1面向Go、Plus和Pro订阅用户，免费用户则可调用GPT-Live-1 mini。下面来看具体细节。

全双工架构：同时听与说成为可能

GPT-Live系列最关键的架构改变是采用了全双工设计。传统模型通常需要等用户说完一轮才开始响应，而新架构允许在同一个时间窗口内持续处理输入和输出。模型会以“每秒多次”的频率动态判断——是该继续说话、继续倾听、暂停、打断，还是调用工具。这种实时互动能力，让AI对话更像是两个真人之间的自然交流。

复杂任务的“前后台分工”

面对复杂任务时，GPT-Live系列有自己的拆分策略：前台保持语音对话流，而将网页搜索、复杂推理或更繁重的任务委托给GPT-5.5系列模型在后台执行。具体来说：

• GPT-Live-1 与 GPT-Live-1 mini 调用 GPT-5.5 Instant
• GPT-Live-1 Medium 调用 GPT-5.5 Thinking Medium 推理强度
• GPT-Live-1 High 则调用 GPT-5.5 Thinking High 推理强度

性能表现：专门评测体系下的高得分

OpenAI为此专门建立了一套新的评测体系，重点考察语音交流中的舒适度和整体流畅性。对比此前的Advanced Voice Mode，在时长5-10分钟的配对对话中，GPT-Live-1和GPT-Live-1 mini在整体偏好、轮次衔接、打断情况、对话流畅度与自然度等指标上的得分更高。换句话说，用户在实际使用中会明显感受到更自然的交互体验。

用户规模与场景扩展

基于Voice和Dictation功能，每周已有超过1.5亿人通过语音与ChatGPT交互。应用场景覆盖免手持日常协助、语言练习、睡前故事、通勤闲聊等。新版本进一步支持在语音对话中展示天气、股票、体育等可视化卡片，同时继续支持搜索、记忆、图片和文件上传。这相当于把语音对话从纯听觉扩展到了视觉辅助的维度。

安全评估：音频原生评测覆盖多个敏感领域

安全方面，GPT-Live在自伤、精神病性症状与躁狂、对AI的情感依赖、暴力及性内容等领域接受了音频原生评测、合成音频评测与内部红队测试。据披露，该模型在几乎所有评估维度上与此前的Advanced Voice Mode相当或更优。这意味着在提升交互自然度的同时，模型的安全防线并未放松。