GPT-Live 是什么？

OpenAI 推出了 GPT-Live，这是驱动 ChatGPT Voice 的新一代语音模型。其核心能力听起来简单，实则不然：GPT-Live 能同时进行听和说。

之前所有的 ChatGPT 语音体验（包括高级语音模式 Advanced Voice Mode）都是回合制的。你说话，它等待，然后回答。GPT-Live 则以全双工（full-duplex）模式运行：它在生成输出的同时处理输入的音频，并每秒多次决定是说话、继续倾听、暂停、打断还是调用工具。当你解释某事时，它可以发出“嗯哼（mhmm）”的声音，在你思考时等待，并在你中途打断它时自然地恢复。

GPT-Live 一览

四个变体及其背后的运行机制

GPT-Live 以系列形式发布，OpenAI 对其内部架构的描述异常清晰：“GPT-Live-1 (instant) 和 GPT-Live-1 mini 后端使用 GPT-5.5 Instant 模型，而 GPT-Live-1 Medium 和 GPT-Live-1 High 则使用具有中高推理强度的 GPT-5.5 Thinking 模型。”

因此，语音层是产品，而 GPT-5.5 在背后负责深度思考。在实际应用中：

• GPT-Live-1 是主力模型，现在是 Go、Plus 和 Pro 订阅者的默认选择。
• GPT-Live-1 mini 为免费用户提供相同的全双工交互体验。
• GPT-Live-1 Medium 和 High 以响应速度换取更深层的推理，由中高强度的 GPT-5.5 Thinking 提供支持。

委派（Delegation）：第二个架构理念

全双工只是设计的一半，另一半是委派（delegation）。“当问题需要搜索、推理或更强的智能体（agentic）能力时，GPT-Live 可以将任务委派给另一个模型（如 GPT-5.5）”，并在结果就绪时将其融入对话。

这解决了语音 AI 的经典难题：速度快到足以进行实时聊天的模型对于难题来说太浅薄，而聪明到足以解决难题的模型对于对话来说又太慢。GPT-Live 拆分了这项工作。语音模型负责维持对话的活跃度（包括反馈信号 backchannels），而更强大的模型在后台工作。你继续说你的，答案准备好后就会出现。

GPT-Live 发布时的功能

除了对话机制外，发布时的功能集还包括：

• 联网搜索：通过委派处理并折叠回对话中
• 实时翻译：对话中的多语言互译
• 视觉卡片：在屏幕上渲染天气、股票和体育信息
• 图像和文件上传：在语音对话中进行操作
• 记忆功能：与 ChatGPT 的其他功能保持一致

目前的局限：“发布时，GPT-Live 在 ChatGPT 中将不支持视频或屏幕共享语音。”高级语音模式（Advanced Voice Mode）将为符合条件的订阅者保留这些功能，且标准模式和高级语音模式均可继续使用。如果你的工作流程依赖于摄像头取景，请先不要切换；详情请参阅 GPT-Live vs Advanced Voice Mode。

OpenAI 引用的基准测试

OpenAI 提出了三项评估，均以高级语音模式（Advanced Voice Mode）而非竞争对手产品作为参照：

• GPQA：GPT-Live-1 在生物、化学和物理等专家级科学推理方面“显著优于”高级语音模式。

• BrowseComp：在智能体联网搜索和难以定位的信息获取方面有“强劲提升”。

• τ³-Voice Telecom（内部变体）：在真实的、多回合的电信客服任务中表现更好。

OpenAI 还报告称，在 5 到 10 分钟的面对面测试对话中，用户“强烈倾向于”选择 GPT-Live。注意缺失的部分：未公布具体分数、延迟数据和价格。这些声明是方向性的且由厂商报告，因此请将其视为一种趋势，而非最终成绩单。当对比评测能够测试正式产品时，竞争对手的数据才会出现。

开发者现状

目前还没有 GPT-Live API。OpenAI 的原话是：“我们还计划很快将其引入 API，开发者和企业可以使用此表单注册以获取通知。”

目前用于构建语音智能体的是 Realtime API，它已正式发布，支持 gpt-realtime-2.1 系列、WebSocket 和 WebRTC 传输、SIP 电话呼叫以及 MCP 服务器支持。如果你来这里是为了规划语音产品，实用指南是《是否有 GPT-Live API？开发者现在可以使用什么》，而这两个技术栈之间的命名混淆在《GPT-Live vs GPT-Realtime》中得到了澄清。

当你在此期间针对 Realtime API 进行原型开发时，Apifox 可以处理那些繁琐的部分：测试 WebSocket 会话、检查流式事件，以及模拟（mocking）你的语音后端，这样客户端的工作就不会因为等待实时模型连接而受阻。

如何尝试 GPT-Live

该功能正在全球范围内分阶段推送到 iOS、Android 和 chatgpt.com。付费用户将获得 GPT-Live-1 作为新的语音默认模型；免费用户获得 GPT-Live-1 mini。更新 App，打开语音功能，查看是哪个模型在响应；如果还没有变化，说明推送尚未到达你的账户。具体的设置步骤、变体切换以及 CarPlay 路径（所有方案，iOS 26.4+）都在《如何使用 GPT-Live》中有所涵盖。

为什么这次发布很重要

两年来，语音一直是演示效果最好但生产就绪度最低的 AI 交互界面。回合制让每个助手都像对讲机。全双工加委派是第一个将对话视为持续流而非事务处理的主流架构，而且 OpenAI 将其作为默认设置推送给了数亿用户，而不是作为实验室预览版。

该架构的开发者版本即将“很快”推出。当它落地时，实时语音智能体将拥有一个新的测试基准；在此之前，Realtime API 路径是构建实际系统的阵地。如果你正在构建此类系统，可以免费下载 Apifox；单是 WebSocket 调试功能就足以让它占有一席之地。

常见问题解答

用一句话解释什么是 GPT-Live？ OpenAI 的全双工语音模型系列，驱动 ChatGPT Voice：它能边听边说，自然地发出反馈信号，并在后台将难题委派给 GPT-5.5 处理。

GPT-Live 免费吗？ 免费版用户将 GPT-Live-1 mini 作为默认语音模型。付费版（Go, Plus, Pro）使用 GPT-Live-1。

GPT-Live 支持视频或屏幕共享吗？ 发布初期不支持。高级语音模式为符合条件的订阅者保留了视频和屏幕共享功能；OpenAI 表示正致力于尽快将这些功能引入 GPT-Live。

是否有 GPT-Live API？ 目前还没有。OpenAI 计划“很快”将 GPT-Live 引入 API；开发者目前可以使用 Realtime API 构建语音智能体。

GPT-Live 由什么模型驱动？ GPT-Live-1 和 mini 运行在 GPT-5.5 Instant 上；Medium 和 High 变体使用具有中高推理强度的 GPT-5.5 Thinking。

开发必备：API 全流程管理神器 Apifox

介绍完上文的内容，我想额外介绍一个对开发者同样重要的效率工具 —— Apifox。作为一个集 API 文档、调试、设计、测试、Mock、自动化测试于一体的工具，Apifox 是目前提升研发效率的首选。

如果你正在开发项目，不妨试试其极其友好的界面设计，它完全兼容 Postman 和 Swagger 数据格式，导入数据非常方便，，即使是新手也能很快上手，点击这里即可注册使用。

值得一提的是，除了个人和常规团队使用，针对有高安全合规要求、或需要在内网环境协作的企业，Apifox 还提供了深度定制的私有化部署方案。