OpenAI发布革命性语音模型GPT-Live，开启全双工交互新时代

点击上方蓝字关注，行业资讯轻松掌握！

OpenAI近期连续发布两条重要动态。当地时间7月8日，任职近九年的首席未来学家约书亚·阿奇亚姆（Joshua Achiam）宣布即将离职；次日7月9日，公司正式推出全新全双工语音模型GPT-Live系列。高管离任与产品发布的时间节点如此接近，引发业界广泛关注。

7月8日，34岁的阿奇亚姆在社交平台发布声明，宣布将于本月离开OpenAI。他强调此次离职并无特定触发事件，而是经过长期深思熟虑后的决定。他指出，当前AI发展的巨大潜力已为全球所熟知，这一“共识”已不再需要身处顶尖前沿实验室内部才能推动——在“围墙之外”，同样可以践行这一使命。他表示，依然坚信人类能够迎来一个和平、繁荣且充满社会与科学可能性的未来，并承诺无论未来从事何种工作，都将持续为此目标努力。

7月9日，OpenAI正式发布GPT-Live系列全双工语音模型。该系列的核心创新在于突破传统“交替对话”模式，采用全双工架构，可同步处理语音输入与输出，模型以“每秒多次”的频率判断是否继续聆听、暂停、插话或调用工具，显著提升对话节奏与自然程度，更加接近人类真实交流体验。

本次发布包括GPT-Live-1与GPT-Live-1 mini两个版本，即日起向全球ChatGPT用户开放。Pro、Plus和Pro订阅用户可使用完整的GPT-Live-1模型，free用户则可体验mini版本。

在复杂任务处理方面，GPT-Live系列采用“前台交互+后台推理”的分工机制：模型在前台保持流畅语音对话流，同时将网页检索、复杂推理等任务交由GPT-5.5系列模型在后台执行。其中，GPT-Live-1（instant）和mini版本调用GPT-5.5 Instant，Medium和High版本分别对应GPT-5.5 Thinking Medium与High推理强度。

性能方面，OpenAI构建了一套全新人工评估体系，重点考察语音交流的舒适度与整体流畅性。相比上一代Advanced Voice Mode，在5-10分钟的配对对话测试中，GPT-Live系列在对话衔接、插话处理、自然度等维度均获得更高偏好评分。新模型还支持在语音对话中展示天气、股票、体育等可视化卡片，并保留了搜索、记忆、图片和文件上传等功能。

OpenAI透露，目前每周有超过1.5亿人通过Voice和Dictation等功能与ChatGPT进行语音交互。安全层面，GPT-Live在自伤、精神病性症状、情感依赖、暴力及性内容等维度上，均通过了音频原生评估、合成音频评估与内部红队测试，表现与此前版本相当或更优。