Bisher fühlte sich das Reden mit ChatGPT an wie ein Funkgespräch über eine mäßige Leitung. Man sagte etwas, wartete, bekam einen glatten Vortrag zurück. Und wehe, man fiel der KI ins Wort.
Seit dem 8. Juli 2026 ist das anders. Mit KI sprechen heißt jetzt, dass sie zuhört, während sie redet, und redet, während sie zuhört. OpenAI nennt das neue Modell GPT-Live, Google hält mit Gemini Live dagegen. Beide wollen dasselbe, gehen es aber auf verschiedene Weise an.
Was GPT-Live anders macht
Die alte Sprachfunktion war im Kern ein Trick. Drei Programme in Reihe. Eins verschriftlichte deine Worte, ein Sprachmodell dachte nach, ein drittes sprach die Antwort vor. Dazwischen lag immer eine Pause, und unterbrechen ließ sich das Ganze kaum.
GPT-Live wirft diese Kette weg. Es ist ein sogenanntes Full-Duplex-Modell, kann also gleichzeitig hören und sprechen. Laut OpenAI entscheidet es mehrmals pro Sekunde neu, ob es reden, weiter zuhören, pausieren oder ein Werkzeug benutzen soll. Du kannst mitten im Satz eine Frage einwerfen, kurz nachdenken oder die KI bitten, langsamer zu machen.
GPT-Live ist OpenAIs Sprachmodell-Generation für ChatGPT, vorgestellt am 8. Juli 2026. Es hört und spricht gleichzeitig (Full-Duplex) und ersetzt den bisherigen Sprachmodus. Für schwierige Fragen reicht es die Aufgabe im Hintergrund an ein größeres Modell weiter.
Dazu kommen die kleinen Laute, an denen Menschen erkennen, dass jemand zuhört. Ein »mhmm«, ein »got it«. Neun Stimmen hat OpenAI dafür neu abgemischt. Wer eine schwierige Frage stellt, merkt außerdem etwas Zweites. GPT-Live denkt nicht selbst nach, sondern reicht die Aufgabe im Hintergrund an das jeweils stärkste Textmodell weiter, zum Start ist das GPT-5.5. Während das Modell rechnet, plaudert die Stimme weiter und liefert das Ergebnis nach, wenn es fertig ist.
Und es zeigt inzwischen Dinge, statt sie nur vorzulesen. Wetter, Aktien, Sportergebnisse tauchen als kleine Karten auf dem Bildschirm auf. Live-Übersetzung kann es auch, mit hörbaren Grenzen, dazu später mehr.
Wer GPT-Live bekommt, und was es kostet
Hier wird es für Sparfüchse interessant. GPT-Live-1 mini ersetzt den alten Advanced Voice Mode und wird zur Standardstimme für alle, auch in der Gratisversion. Das volle Modell, GPT-Live-1, bekommen zahlende Nutzer der Tarife Go, Plus und Pro. Wer nichts zahlt, redet künftig mit der abgespeckten Variante, aber immerhin nach demselben Grundprinzip.
Öffnen lässt sich das Ganze über den Voice-Knopf in der ChatGPT-App. Kein Extra-Download, kein Menü. Wie sich die Bezahlstufen sonst unterscheiden und wann die Gratisversion reicht, steht im Preisvergleich der großen KI-Dienste.
Was Gemini Live dagegen kann
Google verfolgt einen anderen Weg. Gemini Live setzt weniger auf das perfekte Gespräch als auf die Augen. Auf Android-Geräten kann die App deine Kamera oder deinen Bildschirm mitlesen. Du hältst das Handy auf ein Formular, eine handschriftliche Notiz, einen tropfenden Wasserhahn, und redest mit der KI über das, was sie gerade sieht.
Genau das kann GPT-Live in ChatGPT bislang nicht. Video und Bildschirmfreigabe fehlen noch, OpenAI will sie nachreichen. Wer im Google-Kosmos lebt, mit Gmail, Kalender und Android, bekommt bei Gemini außerdem einen Assistenten, der auf den eigenen Kram zugreift. Was Googles KI sonst gut kann und wo sie schwächelt, haben wir uns an anderer Stelle genauer angesehen.
Und was ist mit Claude?
Anthropic hat einen Sprachmodus, seit Juni 2026 offiziell in 18 Sprachen, Deutsch inbegriffen. Nur ist ausgerechnet die Bedienung verräterisch. Drücken und halten zum Aufnehmen, loslassen, warten. Push-to-Talk nennt sich das, und es beschreibt genau, was es ist.
GPT-Live und Gemini Live im Vergleich
| GPT-Live | Gemini Live | |
|---|---|---|
| Anbieter | OpenAI, in ChatGPT | Google, in der Gemini-App |
| Gesprächsgefühl | gilt als natürlicher, Full-Duplex | flüssig, führt stärker durchs Gespräch |
| Kamera und Bildschirm | noch nicht in ChatGPT | ja, auf Android |
| Websuche im Gespräch | über ein Hintergrundmodell | direkt, eine Stärke von Gemini |
| Gratis nutzbar | ja, als GPT-Live-1 mini | ja, in der Gemini-App |
Unter der Haube läuft die alte Kette. Die Stimme kommt von einem externen Anbieter, das Denken von Sonnet oder Opus, dazwischen liegt die Pause. Ein eigenes Sprachmodell hat Anthropic nicht. Das ist das Funkgerät vom Anfang dieses Textes, aber eben in achtzehn Sprachen.
Wann sich mit KI sprechen wirklich lohnt
Für vieles bleibt Tippen besser. Für Code, für lange Texte, für alles, was man in Ruhe redigieren will. Mit KI zu sprechen lohnt sich dort, wo die Hände frei bleiben sollen oder wo das Gespräch selbst der Zweck ist.
Full-Duplex bezeichnet eine Verbindung, die in beide Richtungen gleichzeitig funktioniert. Beim Telefon reden beide Seiten zugleich, beim Funkgerät nur abwechselnd. GPT-Live arbeitet full-duplex, hört also zu, während es spricht.
Ein paar Fälle, in denen es sich wirklich anbietet. Beim Sprachenlernen ist ein Gegenüber, das geduldig zuhört und sofort korrigiert, mehr wert als jede Vokabelapp. Wer eine tote Sprache aufwärmen will, kann sich sogar mit Caesar auf Latein unterhalten. Und ein Thema beim Spazierengehen laut durchdenken, ohne aufs Display zu starren, ergibt inzwischen tatsächlich Sinn. OpenAIs Produktchef für die Sprachfunktion, Atty Eleti, berichtet laut TechCrunch von 30 bis 40 Minuten langen Gesprächen beim Gehen.
Bei langen Gesprächen ist allerdings Vorsicht angebracht. Je länger der Chat, desto unzuverlässiger werden die Antworten, daran ändert auch eine natürliche Stimme nichts.
Was noch hakt
Die neue Redseligkeit hat eine Kehrseite. Kaum war GPT-Live draußen, häuften sich Klagen, das Modell sei zu eifrig. Die ständigen »mhmm« und »yeah« empfinden manche als aufdringlich statt aufmerksam. Vereinzelt fällt die KI ins Wort oder lacht über einen Witz, während man noch redet. Das wirkt dann weniger klug als schlicht unhöflich.
Auch die gefeierte Übersetzung ist noch nicht ganz da. In OpenAIs eigener Vorführung sprach die KI Hindi mit schwerem amerikanischem Akzent und in einem etwas buchhaften Ton. Optimiert sei das Modell für die meisten gesprochenen Sprachen, heißt es. Welche das genau sind, bleibt offen. Auch auf Deutsch hört man die Herkunft. Manche Stimmen tragen einen amerikanischen Einschlag, der bei kurzen Sätzen kaum stört, bei längeren aber auffällt.
Und eine Einordnung, die man ernst nehmen sollte. OpenAI betont, GPT-Live solle ausdrücklich kein künstlicher Freund sein. Für Jugendliche sind altersgerechte Antworten eingebaut, bei heiklen Themen wie Selbstverletzung verweist das Modell auf Hilfsangebote. Eine Stimme, die zuhört und »mhmm« sagt, erzeugt Nähe, ob man will oder nicht. Diese Nähe ist womöglich der eigentliche Grund, sich zu fragen, wie viel man einer Maschine erzählt.
Ich weiß nicht wie es dir geht, aber ich habe immer noch eine gewisse Scheu mich mit einer Maschine auf diese Weise zu unterhalten. Beim Tippen ist das anders. Aber die Technik ist da, das Gespräch klingt echt.
