GPT-Live-1 API: OpenAI bringt Full-Duplex-Sprachmodell für Unternehmen

OpenAI hat die GPT-Live-1 API am 10. September 2026 für Entwickler freigegeben. Das Sprachmodell kann gleichzeitig zuhören und sprechen, Unterbrechungen verarbeiten und komplexere Aufgaben an ein separates Backend delegieren. Für Händler und Dienstleister wird damit der Aufbau sprachgesteuerter Anwendungen einfacher – ein funktionierender Kundenservice entsteht daraus allerdings nicht automatisch.

GPT-Live-1 API trennt Gespräch und Hintergrundarbeit

Technisch verfolgt OpenAI einen zweigeteilten Ansatz. GPT-Live-1 übernimmt den unmittelbaren Sprachdialog, hört während der eigenen Ausgabe weiter zu und entscheidet, wann eine Anfrage an ein Backend übergeben werden soll. Dort können ein weiteres OpenAI-Modell, ein fremdes Modell oder unternehmenseigene Dienste recherchieren, rechnen und Werkzeuge aufrufen. Während diese Arbeit läuft, kann das Sprachmodell das Gespräch fortsetzen.

Das unterscheidet den Ansatz von klassischen Ketten aus Spracherkennung, Textmodell und Sprachausgabe. Bei solchen Systemen erzeugt jede Übergabe zusätzliche Verzögerungen und Fehlerquellen. OpenAI stellt die neue Architektur und ihre Einsatzmöglichkeiten in der Ankündigung zur GPT-Live-1 API vor.

Für Anwendungen im Handel sind Bestellstatus, Terminvereinbarungen, Reservierungen und einfache Serviceanfragen naheliegende Einsatzfelder. Das Backend kann beispielsweise auf Warenwirtschaft, CRM oder Buchungssysteme zugreifen. Die Sprachschicht allein verfügt jedoch nicht automatisch über diese Daten und darf auch nicht eigenmächtig handeln. Die Anwendung muss Berechtigungen prüfen, notwendige Bestätigungen einholen und den tatsächlichen Abschluss eines Vorgangs speichern.

Kosten reichen über den Minutenpreis hinaus

Bei der GPT-Live-1 API berechnet OpenAI für die Sprachschicht 0,05 US-Dollar pro Minute, sekundengenau und ohne Aufrundung auf volle Minuten. Hinzu kommen die regulären Kosten des gewählten Backend-Modells sowie Gebühren für eingesetzte Werkzeuge. Telefonieanbieter, Infrastruktur, Monitoring und die Anbindung interner Systeme können weitere Kosten verursachen. Der beworbene Minutenpreis beschreibt deshalb nicht die Gesamtkosten eines einsatzfähigen Sprachassistenten.

Entwickler können für einfache, häufige Aufgaben ein schnelleres und günstigeres Backend wählen und schwierigere Fälle an ein leistungsfähigeres Modell weitergeben. Diese Flexibilität ist wirtschaftlich interessant, erhöht aber den Steuerungsaufwand. Unternehmen müssen festlegen, welche Anfrage wohin geleitet wird und wann ein Mensch übernehmen soll. Ein Vergleich bestehender KI-Sprachassistenten für den Kundenservice zeigt, dass neben dem Modell vor allem Telefonie, Integration und Eskalationswege über die Praxistauglichkeit entscheiden.

Lange Gespräche brauchen weiterhin einen verlässlichen Zustand

Die GPT-Live-1 API verwaltet nach Angaben der Dokumentation ein Kontextfenster von 128.000 Token. Sobald die Auslastung 90 Prozent überschreitet, fasst das System ältere Teile des Gesprächs im Hintergrund zusammen. Die ursprünglichen Systemanweisungen bleiben erhalten, einzelne Angaben aus früheren Gesprächsphasen können jedoch verkürzt oder ausgelassen werden.

Für Bestellungen, Vertragsänderungen oder Zahlungen ist das entscheidend. Bestätigte Kundendaten, Zwischenschritte und bereits ausgeführte Aktionen sollten nicht nur im Gesprächskontext liegen, sondern im Anwendungssystem gespeichert werden. Auch eine sprachliche Unterbrechung stoppt eine bereits gestartete Hintergrundaufgabe nicht automatisch. Vor einem erneuten Versuch muss die Anwendung daher prüfen, ob die ursprüngliche Aktion vielleicht doch abgeschlossen wurde.

Die Dokumentation warnt außerdem davor, die korrekte Wiedergabe vorgeschriebener Hinweise allein dem Modell zu überlassen. Soll ein rechtlich oder betrieblich wichtiger Text wortgetreu abgespielt werden, ist eine kontrollierte Aufnahme oder Sprachausgabe sicherer. Die bisherigen Erfahrungen mit der Erreichbarkeit und Qualität digitaler Kundenservices zeigen ohnehin: Ein neuer Bot behebt keine unklaren Prozesse und keine fehlende Übergabe an Mitarbeiter.

Herstellerwerte zeigen Fortschritte, aber keine Garantie

OpenAI berichtet, GPT-Live-1 habe im Full Duplex Bench 30 Prozentpunkte besser abgeschnitten als GPT-Realtime-2.1. Der Sprachlernanbieter Speak meldet aus frühen Tests fast 80 Prozent weniger Unterbrechungen während Denkpausen. Beide Angaben stammen aus dem Umfeld des Anbieters beziehungsweise eines beteiligten Kunden und sind kein unabhängiger Nachweis für den Einsatz unter beliebigen Bedingungen.

Ein begrenzter Test des Agora Media Lab mit der ChatGPT-App zeigte ein differenzierteres Bild. GPT-Live reagierte zuverlässiger auf Hintergrundsprache und schwankte bei der Antwortzeit weniger. Bei einer absichtlichen Unterbrechung dauerte es im Mittel jedoch rund 498 Millisekunden länger, bis die Ausgabe stoppte. Untersucht wurden nur eine App-Version, ein Gerät, ein Standort und englische Sprache; die Ergebnisse lassen sich deshalb nicht unmittelbar auf die jetzt veröffentlichte API übertragen.

Für Händler zählt am Ende nicht, ob eine Demonstration natürlich klingt, sondern ob Namen, Mengen, Artikelnummern und Aufträge richtig verarbeitet werden. OpenAI verweist zwar auf ein verbessertes Verständnis von Zahlen und Buchstabenkombinationen sowie auf eine Gewichtung wichtiger Begriffe. Bei unklaren Angaben sollen Anwendungen dennoch nachfragen, statt zu raten.

CHECK24 zeigt eine Anwendung, aber keine belastbaren Erfolgszahlen

CHECK24 gibt an, GPT-Live-1 bereits im eigenen Chat einzusetzen. In einer veröffentlichten Demonstration führt die Assistentin Sophie einen Nutzer von einem allgemeinen Reisewunsch zu einer konkreten Flugsuche. Damit verbindet das Unternehmen Sprachdialog, Reiseberatung und die Suche nach Angeboten in einer Oberfläche. Vergleichbare Ansätze verfolgt auch der sprachgestützte KI-Assistent von OTTO bei Produktsuche und Service.

Offen bleiben beim CHECK24-Beispiel der Umfang der Freischaltung und messbare Auswirkungen auf Nutzung, Abschlussquote oder Servicequalität. Für die weitergehende Behauptung, CHECK24 sei der erste europäische Kunde mit einem vollständigen regulären Einsatz, findet sich bislang kein belastbarer öffentlicher Nachweis. Eine Produktdemonstration zeigt eine technische Möglichkeit, ersetzt aber keine Kennzahlen aus dem laufenden Betrieb.

Was Unternehmen vor dem Einsatz klären müssen

Die GPT-Live-1 API unterstützt WebRTC für Browseranwendungen, WebSockets für serverseitige Verbindungen und SIP für Telefonie. Gesprächsaufzeichnungen sind standardmäßig deaktiviert. Werden sie ausdrücklich aktiviert und ist das Projekt dafür freigeschaltet, können Aufzeichnungen laut Dokumentation bis zu 30 Tage gespeichert werden. Bei Zero Data Retention steht diese Speicherung nicht zur Verfügung.

Vor einem breiten Einsatz der GPT-Live-1 API sollten Unternehmen begrenzte Abläufe mit realen Unterbrechungen, Nebengeräuschen und missverständlichen Angaben testen. Ebenso wichtig sind Kostenkontrolle, Datenschutz, transparente Hinweise auf den KI-Einsatz und ein funktionierender Wechsel zu Mitarbeitern. Natürlichere Sprache senkt die Bedienhürde. Sie nimmt Unternehmen aber weder die Verantwortung für korrekte Ergebnisse noch für einen erreichbaren Kundenservice ab.

Faktenbox