OpenAI lancerer GPT-Live: AI der lytter og taler samtidig

Hvad er nyt

OpenAI har lanceret GPT-Live, en ny generation af stemmemodeller til ChatGPT. Modellen findes i to udgaver: GPT-Live-1 og en mindre GPT-Live-1 mini. OpenAI beskriver det som en ny generation af stemmemodeller for naturlig menneske-AI-interaktion, nu drivende ChatGPT Voice. Den 10. september 2026 blev GPT-Live-1 også gjort tilgængelig i OpenAI's API, så virksomheder kan bygge deres egne stemmeprodukter oven på teknologien.

Hvad er smart

Det smarte er, at GPT-Live er bygget med såkaldt full-duplex-arkitektur, hvilket betyder, at modellen kan lytte og tale på samme tid. I praksis betyder det, at man kan afbryde AI'en midt i en sætning eller tilføje detaljer undervejs, uden at samtalen går i stå. Under samtaler kan GPT-Live vise, at den følger med, med lyde som »mhmm« eller »yeah«, og den kan holde en naturlig pause, hvis man skal tænke sig om. Når en opgave kræver dybere overvejelser eller websøgning, sender GPT-Live opgaven videre til en kraftigere model i baggrunden, mens den fortsætter samtalen. Ved lanceringen bruges GPT-5.5 som denne baggrundsmodel.

Billigere eller bedre?

For almindelige brugere koster det ikke ekstra. GPT-Live-1 er standard for de betalende ChatGPT-abonnementer Go, Plus og Pro, mens gratisbrugere får den lettere GPT-Live-1 mini. For udviklere koster selve stemmelaget 0,05 dollar i minuttet, mens brug af baggrundsmodellen til tung tænkning betales særskilt. Sammenlignet med Googles konkurrerende Gemini 3.8 Live er OpenAI's model dyrere på papiret, men prissætningen er skruet forskelligt sammen: hvor Google indregner selve tænkningen i lydmodellen, sælger OpenAI stemmelaget for sig og lader kunden vælge og betale for sin egen baggrundsmodel. På benchmarks ligger GPT-Live-1 stærkt på samtaleflow, men lidt bagud på ren lyd-baseret ræsonnering sammenlignet med Googles model.

Det er den god til

GPT-Live egner sig især til opgaver, hvor en flydende samtale betyder noget. Anmeldelsesplatformen Yelp bruger allerede teknologien til at booke restaurantbord over telefon, hvor samtaler sjældent følger et fast manuskript, og opkald skal kunne håndtere afbrydelser og detaljer undervejs. Sprogindlæringstjenesten Speak fandt tidligt, at teknologien gav elever mere tid til at tænke, før den kunstige sproglærer svarede. Teknologien passer derfor godt til kundeservice, virtuelle assistenter og andre situationer, hvor man taler frem og tilbage med en AI, snarere end blot at give den korte kommandoer.