GPT-Live-1 wird zur API für Sprachagenten
OpenAI stellt GPT-Live-1 ab sofort über eine Programmierschnittstelle für Entwickler bereit. Das Sprachmodell war seit Juli in ChatGPT verfügbar und kann nun auch in eigene Anwendungen sowie über die Enterprise-Plattform OpenAI Presence eingebunden werden.
Die Besonderheit ist der Voll-Duplex-Betrieb. Dabei kann das Modell gleichzeitig Sprache erzeugen und weiter zuhören. Unterbrechungen und kurze Einwürfe lassen sich dadurch natürlicher verarbeiten als bei Systemen, die abwechselnd auf eine abgeschlossene Aussage und die anschließende Antwort warten.
Sprachschicht und Backend bleiben getrennt
GPT-Live-1 übernimmt die direkte Sprachkommunikation, aber nicht zwingend die gesamte Aufgabenverarbeitung. Informationsabfragen, Werkzeugaufrufe und Geschäftslogik können im Hintergrund von GPT-6 Astra oder einem günstigeren Modell bearbeitet werden.
Diese Trennung ist für Unternehmensanwendungen relevant. Ein leistungsfähiges Modell kann komplexe Vorgänge übernehmen, während standardisierte Aufgaben an ein kostengünstigeres Backend gehen. Das Prinzip ähnelt dem automatischen Routing zwischen verschiedenen KI-Modellen, wird bei GPT-Live-1 aber mit einer spezialisierten Sprachschicht kombiniert.
Deutlicher Sprung in den Benchmarks
Im Tau3-Benchmark für Sprachagenten im Kundenservice erreicht GPT-Live-1 einen Wert von 86,2 %. Der Test umfasst Aufgaben aus den Bereichen Fluggesellschaften, Einzelhandel und Telekommunikation. Die beiden Vorgängermodelle liegen deutlich darunter.
| Modell | Tau3-Ergebnis |
|---|---|
| GPT-Live-1 | 86,2 % |
| GPT-Realtime-2.1 | 45,7 % |
| GPT-Realtime-2 | 42,4 % |
Im Full Duplex Bench soll GPT-Live-1 zudem 30 % besser abschneiden als GPT-Realtime-2.1. Dabei handelt es sich um Ergebnisse aus OpenAIs eigenen Auswertungen. Wie gut sich das Modell in deutschen Supportgesprächen, bei regionalen Akzenten oder unter schlechten Telefonbedingungen schlägt, ist bislang nicht belegt.
Eine zentrale Stärke von GPT-Live-1 sei der flüssige Umgang mit Unterbrechungen. In frühen Tests der Sprachlern-App Speak seien fehlerhafte Unterbrechungen gegenüber früheren rundenbasierten Systemen um fast 80 % zurückgegangen, so OpenAI sinngemäß.
Yelp nutzt das Modell bereits für Yelp Host. Der Dienst nimmt telefonische Restaurantreservierungen automatisiert entgegen. Nach Angaben des Unternehmens reagieren die Gespräche dadurch schneller und dialogorientierter, während Beschäftigte weniger Zeit am Telefon verbringen müssen.
0,05 US-Dollar pro Minute plus Modellkosten
OpenAI berechnet für GPT-Live-1 0,05 US-Dollar pro Nutzungsminute. Hinzu kommen die Kosten des jeweils angebundenen Backend-Modells. Individuelle Stimmen sind verhandelbar, öffentliche Preisangaben dazu nennt OpenAI nicht.
| Kostenbestandteil | Preis oder Status |
|---|---|
| GPT-Live-1 Sprachverarbeitung | 0,05 US-Dollar pro Minute |
| Backend-Modell | Zusätzliche nutzungsabhängige Kosten |
| Individuelle Stimmen | Preis nur nach Vereinbarung |
Damit entsteht eine doppelte Kostenstruktur aus Gesprächsminuten und Modellnutzung. Bei hohem Anrufvolumen sollten Budgets, Limits und Modellwahl deshalb zentral gesteuert werden. OpenAI bietet dafür inzwischen auch ein Admin-Plugin zur Verwaltung von Rechten und Budgets an.
Alternative zu Telefonie-SaaS mit neuer Abhängigkeit
Für Callcenter, Support-Hotlines und telefonische Terminvergaben lässt sich mit GPT-Live-1 eine eigene Anwendung entwickeln. Unternehmen müssen damit nicht zwingend einen vollständigen Contact-Center-Dienst abonnieren. Geschäftslogik, Kundendaten und Integrationen können in der eigenen Systemlandschaft bleiben.
Vollständig unabhängig wird die Lösung dadurch allerdings nicht. Die zentrale Sprachfunktion kommt aus der OpenAI-Cloud, die Abrechnung ist nutzungsabhängig und ein späterer Anbieterwechsel kann Anpassungen an Dialogsteuerung, Schnittstellen und Stimmen erfordern. Lokale Open-Source-Systeme reduzieren diese Abhängigkeit, sind bei latenzarmem Full-Duplex-Audio derzeit aber erheblich anspruchsvoller zu betreiben.
Datenschutz und deutsche Sprachqualität bleiben offen
Telefonate enthalten häufig Namen, Kontaktdaten, Bestellungen oder andere personenbezogene Informationen. Unternehmen im DACH-Raum müssen deshalb vor einem produktiven Einsatz die DSGVO-Konformität, Auftragsverarbeitung und mögliche Datentransfers in die USA prüfen.
OpenAI macht bislang keine belastbaren Angaben dazu, ob die Verarbeitung vollständig innerhalb der EU erfolgen kann und welche Latenz in europäischen Rechenzentren zu erwarten ist. Ebenfalls offen bleibt, welche Sprachen GPT-Live-1 offiziell unterstützt und wie zuverlässig deutsche Akzente, Dialekte und Gesprächsnuancen im gleichzeitigen Sprechbetrieb erkannt werden.