Was ist GPT-Live-1 (and GPT-Realtime-2.1)?
GPT-Live-1 ist OpenAIs Sprachmodell für Live-Gespräche, seit Juli 2026 das Standardmodell von ChatGPT Voice und seit dem 10. September in der API verfügbar. Es übernimmt Zuhören, Sprechen und Sprecherwechsel in einem Modell und arbeitet im Vollduplex: Es hört weiter zu, während es spricht, sodass Anrufer auf natürliche Weise unterbrechen können. Das Reasoning übernimmt es nicht selbst. Du hängst ein Textmodell an, etwa GPT-6 Astra, GPT-6 Luna oder ein Modell eines Drittanbieters, das Denken und Tool Calls erledigt, während die Stimme das Gespräch am Laufen hält.
Es kommt mit 12 Stimmen, Keyword Biasing und besserer Erkennung von Bestellnummern und Postleitzahlen und unterstützt Telefonanrufe. Es nimmt über den Endpunkt v1/live/sessions nur Audio und Text an, keine Bilder.
Es kostet 0,05 $ pro Sitzungsminute, sekundengenau abgerechnet, plus die Tokens des angehängten Textmodells. OpenAIs rundenbasierte Alternative, GPT-Realtime-2.1, wird pro Token abgerechnet: 32 $ pro Million Audio-Input-Tokens und 64 $ für Output, mit einer günstigeren Mini-Version für 10 $ und 20 $, und nimmt Bilder an. GPT-Realtime-Translate, ein Live-Übersetzer für Sprache, kostet 0,034 $ pro Minute.
Was kostet GPT-Live-1 (and GPT-Realtime-2.1)?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| GPT-Live-1 | $0.05 per session minute | Zuzüglich Backend-Modell und Tool-Nutzung |
| GPT-Realtime-2.1 | $32 in / $64 out per 1M audio tokens | Gecachter Input 0,40 $; nimmt Bilder an |
| GPT-Realtime-2.1 mini | $10 in / $20 out per 1M audio tokens | |
| GPT-Realtime-Translate | $0.034 a minute | Übersetzung von Sprache zu Sprache |
GPT-Live-1 0,05 $ pro Sitzungsminute, sekundengenau abgerechnet, plus die Tokens des Backend-Modells. GPT-Realtime-2.1 Audio 32 $ Input / 64 $ Output pro 1 Mio. Tokens (0,40 $ gecacht); mini 10 $ / 20 $. GPT-Realtime-Translate 0,034 $ pro Minute.
Lohnt sich GPT-Live-1 (and GPT-Realtime-2.1)?
Die Verbesserung von GPT-Live-1 liegt im Gespräch, nicht im Intellekt. Weil es beim Sprechen zuhört, kommt es mit den Pausen, Unterbrechungen und überlappenden Wortbeiträgen zurecht, die rundenbasierte Sprachagenten roboterhaft wirken lassen. OpenAI meldet beim Full Duplex Bench einen Zuwachs von 30 Punkten gegenüber GPT-Realtime-2.1, veröffentlichte aber nur den Abstand, und der Kunde Speak berichtet von 80 % weniger Unterbrechungen. Das sind Zahlen von OpenAI und seinen Kunden.
Das Design trennt Stimme und Reasoning. Die Sprachebene kostet pauschal 0,05 $ pro Minute, 3 $ pro Stunde, und du wählst das Textmodell dahinter: ein günstiges für Bestellauskünfte, GPT-6 Astra für komplizierte Beschwerden. Das ist flexibel, bedeutet aber, dass der Minutenpreis nur ein Teil der Kosten ist. OpenAIs bestes Ergebnis beim Agenten-Benchmark Tau3 stammt aus der Kombination mit Astra bei medium-Aufwand, seinem teuersten Modell.
GPT-Realtime-2.1 bleibt die Wahl, wenn der Agent Bilder sehen muss, was GPT-Live-1 nicht mehr kann. Es kostet bei typischer Nutzung etwa 0,05 $ bis 0,11 $ pro Minute, die Mini-Version etwa 0,016 $. GPT-Realtime-Translate übersetzt für 0,034 $ pro Minute Sprache aus mehr als 70 Eingabesprachen fortlaufend in 13 Ausgabesprachen.
Es fehlen Angaben zur Latenz, die OpenAI nicht veröffentlicht hat, und die Bildeingabe. GPT-Live-1.1 wird in ChatGPT bereits eingeführt und ist für die API angekündigt.
Wo es sich lohnt
Ein Händler mit eigenen Kundenservice-Hotlines
Anrufe zu Bestellungen und Lieferungen ohne holprige Unterbrechungen abwickeln
Kombiniere GPT-Live-1 für Routineanrufe mit GPT-6 Luna. 1.000 Stunden Anrufe kosten für die Sprachebene 3.000 $, plus Lunas Tokens; leite Eskalationen an Astra weiter.
Ein Team, dessen Agent sehen muss, was der Anrufer schickt
Während eines Anrufs über ein Foto oder einen Screenshot sprechen
Nutze GPT-Realtime-2.1, das Bilder annimmt, für etwa 0,05 $ bis 0,11 $ pro Minute, oder für einfachere Anrufe die Mini-Version für rund 0,016 $.
Ein Unternehmen mit mehrsprachigen Veranstaltungen oder mehrsprachigem Support
Gesprochene Sprache live zwischen Sprachen übersetzen
GPT-Realtime-Translate streamt übersetztes Audio und Transkripte aus mehr als 70 Eingabesprachen in 13 Ausgabesprachen, für 0,034 $ pro Minute.
Bevor du dich festlegst
- Einrichtung
- Leg eine Sitzung auf v1/live/sessions mit gpt-live-1 an, wähl eine Stimme und häng ein Backend-Textmodell für Reasoning und Tools an; GPT-Realtime-2.1 nutzt stattdessen die Realtime API.
- Integrationen
- OpenAI Realtime und Live APIs, Function Calling, Telefonie-Unterstützung; jedes Textmodell von OpenAI oder Drittanbietern als Backend. GPT-Live-1 ist das Standardmodell von ChatGPT Voice für Go, Plus und Pro.
- Daten und Datenschutz
- OpenAI trainiert nicht mit API-Daten, außer du stimmst zu; Protokolle zur Missbrauchsüberwachung werden bis zu 30 Tage aufbewahrt. Endpunkte mit Datenresidenz kosten für Modelle, die nach März 2026 erschienen sind, 10 % mehr.
- Kosten im großen Maßstab
- Sprachebene 3.000 $ pro 1.000 Stunden Anrufe, vor den Tokens des Backend-Modells. GPT-Realtime-2.1 kostet bei typischer Nutzung etwa 3 $ bis 6,60 $ pro Stunde, die Mini-Version etwa 1 $.
- Grenzen
- Nur Audio und Text; 12 Stimmen, eigene Stimmen über den Vertrieb. 25 gleichzeitige Sitzungen in Tier 1, 500 in Tier 5. Wissensstand 31. Juli 2025. GPT-Realtime und GPT-Realtime-mini werden am 20. Januar 2027 abgeschaltet.
Was gut ist
- Vollduplex: hört beim Sprechen zu, Unterbrechungen funktionieren also natürlich
- Pauschal 0,05 $ pro Minute für die Sprachebene
- Jedes Textmodell kann dahinter Reasoning und Tools übernehmen
- Bis zu 500 gleichzeitige Sitzungen in Tier 5
Was nicht
- Keine Bildeingabe, anders als bei GPT-Realtime-2.1
- Keine veröffentlichten Latenzwerte
- Die Gesamtkosten hängen vom angehängten Backend-Modell ab
- In der kostenlosen API-Stufe nicht verfügbar
Am besten für
Teams, die Telefon-Support oder Vertriebsagenten mit hohem Volumen bauen und natürliche Sprecherwechsel sowie freie Wahl des Reasoning-Modells wollen.
Alternativen zu GPT-Live-1 (and GPT-Realtime-2.1)
GPT-Live-1 (and GPT-Realtime-2.1): häufige Fragen
- Lohnt sich GPT-Live-1 (and GPT-Realtime-2.1)?
- OpenAIs am natürlichsten klingender Weg, einen Telefonagenten zu bauen, der mit Unterbrechungen richtig umgeht; die Rechnung ist pro Minute einfacher, aber nicht unbedingt kleiner. Wir bewerten es mit 4.3 von 5.
- Was kostet GPT-Live-1 (and GPT-Realtime-2.1)?
- GPT-Live-1 0,05 $ pro Sitzungsminute, sekundengenau abgerechnet, plus die Tokens des Backend-Modells. GPT-Realtime-2.1 Audio 32 $ Input / 64 $ Output pro 1 Mio. Tokens (0,40 $ gecacht); mini 10 $ / 20 $. GPT-Realtime-Translate 0,034 $ pro Minute.
- Welche Nachteile hat GPT-Live-1 (and GPT-Realtime-2.1)?
- Keine Bildeingabe, anders als bei GPT-Realtime-2.1; Keine veröffentlichten Latenzwerte; Die Gesamtkosten hängen vom angehängten Backend-Modell ab; In der kostenlosen API-Stufe nicht verfügbar.
- Für wen eignet sich GPT-Live-1 (and GPT-Realtime-2.1)?
- Teams, die Telefon-Support oder Vertriebsagenten mit hohem Volumen bauen und natürliche Sprecherwechsel sowie freie Wahl des Reasoning-Modells wollen.
- Was kostet GPT-Live-1 (and GPT-Realtime-2.1) für ein Team oder im Produktivbetrieb?
- Sprachebene 3.000 $ pro 1.000 Stunden Anrufe, vor den Tokens des Backend-Modells. GPT-Realtime-2.1 kostet bei typischer Nutzung etwa 3 $ bis 6,60 $ pro Stunde, die Mini-Version etwa 1 $.
- Ist GPT-Live-1 (and GPT-Realtime-2.1) sicher für Firmendaten?
- OpenAI trainiert nicht mit API-Daten, außer du stimmst zu; Protokolle zur Missbrauchsüberwachung werden bis zu 30 Tage aufbewahrt. Endpunkte mit Datenresidenz kosten für Modelle, die nach März 2026 erschienen sind, 10 % mehr.
- Was sind die besten Alternativen zu GPT-Live-1 (and GPT-Realtime-2.1)?
- Die nächsten Alternativen, die wir getestet haben, sind Eleven v4 and v4 Turbo, Voxtral 3 (Transcribe and TTS), Gemini 3.8 Flash TTS und Cartesia Sonic 3.6.
Antworten geprüft am 25. Okt. 2026.