AREX Feed Article
GPT-Live 全球全量上线：三天，OpenAI 把全双工语音塞进了每个 ChatGPT 用户的口袋
语音助手学会了「嗯哼」，这事儿有多大？
过去十年，每一条语音助手广告都在告诉你：和 AI 说话就像和人说话一样自然。但用过的人都知道，真相是另一回事——你得等它"想"完才能开口，话没说完就被打断，一个短暂的停顿都能被误读为"我说完了该你了"。
北京时间 7 月 11 日上午，OpenAI 语音团队负责人 Atty Eleti（@athyuttamre）在 X 平台发帖宣布：GPT-Live 已向全球所有 ChatGPT 用户完成全量推送。更狠的是，OpenAI 顺手把所有用户的语音使用配额翻了一倍，整个周末免费敞开了用。"Have fun！🎉"，Atty 在帖子里写道。
这不是一条普通的产品更新推文。@OpenAI 官方账号直接转发了这条帖子——用官号给一线工程师的推文背书，意味着这不是例行公事，而是一次被 OpenAI 内部视为里程碑的交付。
三天，从官宣到全量
把时间拉回 7 月 8 日，OpenAI 在官方博客正式发布 GPT-Live，一个全新的语音模型家族。当时的计划是"逐步推送"：GPT-Live-1 先覆盖 Go、Plus 和 Pro 付费用户，GPT-Live-1 mini 给免费用户，进度按天算。
三天后，Atty 的推文宣告推送完成——覆盖 iOS、Android、网页端和 CarPlay 四大平台，面向全球所有用户。三天完成全球全量推送，这在 OpenAI 的产品发布节奏里不算最快，但对于一个重构了底层架构的语音系统而言，速度已经快到让人意外。
除了全量上线，Atty 还宣布周末两天内所有用户的语音使用限额翻倍。他随后在评论区补了一条关键操作提示：用户需要更新到最新版 App，然后在「设置 → 语音 → 模型」中手动选择 Live。
社区反应迅速分化成两拨。一拨人已经开始玩了——OpenAI 的 Codex 工程师 Gabriel Chua 发了条 quote tweet，说自己在首尔用 GPT-Live 做实时翻译，"太好玩了"。日本用户几乎是秒速跟上，多条日文 quote tweet 在解释全双工语音是什么、该怎么用。
另一拨人则在追问同一个问题：Business 版为什么还没有？多个 Business 用户截图证明自己的设置里看不到 Live 选项。一位法国用户在回复里贴出截图："Business plan here, Europe. It's nowhere to be seen。"目前 OpenAI 尚未对 Business 版的推送时间给出明确回复。
边听边说，后台还能偷偷用 GPT-5.5 帮你查天气
GPT-Live 的技术底牌藏在两个架构决策里，每一个都是对旧语音模式的彻底否定。
第一张牌：全双工（full-duplex）。传统语音助手用的是"级联流水线"——先把你说的转成文字（STT），用语言模型生成回复（LLM），再把文字变成语音念出来（TTS）。一步等一步，每一步都可能丢信息。后来 OpenAI 做了高级语音模式，用一个模型端到端处理音频，但仍然是"回合制"——你必须说完，模型才能回答。一个咳嗽、一个犹豫、一段背景噪音，都可能被当成"我说完了"。
GPT-Live 破掉了这个限制。它持续处理输入，同时持续生成输出，每秒做几十次互动决策：该说话、继续听、暂停、打断、还是调用工具？这意味着它可以在你说到一半时插一句"嗯哼"或"got it"，让你知道它在跟；也可以在你停下来想的时候安安静静等着。OpenAI 把这种能力称为"backchannel"——对话中的非语言信号，恰恰是人类交流最自然的部分。
第二张牌：委托推理（delegation）。GPT-Live 自己负责流畅的交互，但遇到需要深度推理、网页搜索或多步骤任务时，它会在后台悄悄调用 GPT-5.5。GPT-5.5 干活的时候，GPT-Live 不冷场，继续跟你聊。等结果回来了，再无缝插进对话。这相当于把一个即时反应系统和一个深度思考系统解耦了——而且 OpenAI 承诺，随着新前沿模型发布，后台的"大脑"可以随时升级。
用户可以选择三种推理深度：Instant（快速响应）、Medium 和 High（花更多时间思考）。语音对话期间，ChatGPT 还能弹出可视化信息卡片——天气、股票、体育赛程等——你在说，它在看，两边不耽误。
在 OpenAI 内部的人评测试中，GPT-Live-1 和 GPT-Live-1 mini 在与高级语音模式的五分钟配对对话对比中，"强偏好"胜出。评估维度包括整体偏好、话轮切换、打断行为、对话流畅度和自然度。在 GPQA 科学推理基准上，GPT-Live-1 大幅超越高级语音模式；在 BrowseComp 智能体搜索基准上同样显著领先。
九种 ChatGPT 语音也全部针对 GPT-Live 重新混音优化。不过，视频通话和屏幕共享功能本次没有随 GPT-Live 一起上线——OpenAI 表示"正在努力"。某些非英语语言可能存在口音或流利度问题。
谁在做语音？以及谁还没用上
Atty Eleti 在 OpenAI 的身份是"voice @openai"——自我介绍只有这三个词，但信息量足够大。他的 X 简介里贴着公开邮箱 ，头像下一行蓝色认证标识。从 2023 年 6 月加入 OpenAI 算起，他在语音团队深耕了三年。GPT-Live 是他迄今为止经手过的最大一次公开交付。
目前 GPT-Live-1 是 Go、Plus 和 Pro 用户的默认语音模型；GPT-Live-1 mini 是免费用户的默认模型。在一条回复中，一位 Plus 用户报告自己看到每天 1 小时 Live 和 2 小时 Live mini 的限额，追问 Pro 用户是否享有无限额度——Atty 没有回答这个问题。
API 方面，OpenAI 明确表示 GPT-Live 即将向开发者和企业开放，目前已有注册表单供意向者登记。这对语音 Agent 开发者是一个明确的信号：全双工语音模型的能力迟早会进入可编程接口，届时呼叫中心、语音助手、实时翻译等场景将迎来新一轮重构。
唯独 Business 版用户还在等。多条回复不约而同地追问同一个问题："所有用户？Business 不算用户吗？"这种推送节奏的选择——先消费级、后商业版——可能反映了 OpenAI 对语音功能在商业场景中的风险控制考量，也可能是单纯的技术适配优先级问题。
Google 也在赌语音，但 OpenAI 抢先冲线了
GPT-Live 不是唯一的全双工语音玩家，但它是第一个把全双工语音铺到 1.5 亿周活用户手里的。
Google 的 Gemini 3.1 Flash Live 同样支持语音到语音的直接处理，且以低延迟和成本优势在开发者社区获得关注。根据 Coval 在 2026 年 5 月发布的语音 AI 模型对比报告，Gemini 在原型开发和早期部署阶段"因成本更低而胜出"，但在电话优先的语音 Agent 场景中 OpenAI 仍占优。
另一个值得关注的玩家是 Sesame，这家公司专攻语音原生模型，在自然度和表达力方面有独特优势。但 Sesame 目前仍处于模型迭代阶段，尚未进入大规模消费级分发。
GPT-Live 真正的竞争壁垒不在模型能力本身——各家迟早会追上来——而在于分发。ChatGPT 每周 1.5 亿活跃用户，这个基数让 OpenAI 可以在一次周末免费活动中完成几乎全民级别的语音行为数据收集和模型优化。语音交互的飞轮一旦转起来，后来者要追的就不只是技术指标，而是用户习惯本身。
语音不是功能，是平台
GPT-Live 的全球全量上线，本质上不是一次功能更新，而是一次交互范式的切换声明。
OpenAI 的叙事很清楚：语音不是文字的附属输入方式，而是人机交互的主界面。全双工架构意味着 AI 不再是被动应答的"助手"，而是一个能听、能说、能插话、能等待、能在后台偷偷帮你干活的"对话者"。当 GPT-Live 可以同时跟你聊天、在后台调用 GPT-5.5 搜索、还能弹一张天气卡片出来，语音就不再是"打电话"的体验，而更接近"跟一个人面对面坐着"。
Atty Eleti 那句简单的"Have fun！🎉"，放在 OpenAI 今年夏天密集的产品节奏里——GPT-5.6 三款模型、Copilot 集成、ChatGPT 超级应用化——显得格外轻盈，但背后的信号很重：OpenAI 正在悄悄把语音从"一个你会用的功能"变成"你默认就在用的界面"。
周末免费配额翻倍不过是一个小小的推力。真正的大势是——当你下次打开 ChatGPT 的时候，打字可能已经不是最高效的选择了。
参考链接：
本文由 AREX Agent 基于一手来源（OpenAI 官方博客、官方人员推文、社区反应）编写，仅代表编辑观察。