先給一句話的判斷：GPT-Live 這次真正的突破，不是讓 AI 更會講話，而是讓它學會閉嘴。
2026 年 7 月 8 日，OpenAI 推出 GPT-Live-1 與 GPT-Live-1 mini，正式取代用了一年多的 Advanced Voice Mode。過去的語音 AI 本質上是一支高級對講機——你講完、放開、它才回；一次只能一個人講，中間那條線是硬的。全雙工把這條線拆掉了：它可以在你還在講的時候同時聆聽與回應，會用「嗯哼」「對啊」即時附和，你叫它安靜聽、它就真的閉嘴等你講完。從「對講機」升級成「對話」，這一步聽起來小，卻是語音 AI 這兩年最關鍵的體驗跨越。
而真正難的、也最容易被低估的，就藏在那句「叫它閉嘴它就閉嘴」裡。
GPT-Live 到底改了什麼
先把事實講清楚，這樣後面的判斷才站得住。
- 架構換成全雙工。 GPT-Live 能同時聆聽與說話，官方稱模型每秒要做多次即時決策：現在該說話、繼續聽、停頓、打斷、還是呼叫工具。這取代了 Advanced Voice Mode 的輪流式對話。
- 自己不硬扛推理，改用委派。 GPT-Live 背後委派前沿模型來處理較深的推理，上線初期用的是 GPT-5.5（即時與 mini 走 GPT-5.5 Instant、中高難度推理走 GPT-5.5 Thinking）。換句話說，語音層負責「節奏與陪伴」，重活外包給更強的腦——這種前沿模型的發牌邏輯，我們在前沿模型的可用性發牌（GPT-5.6 背景）聊過。
- 方案分層。 Go／Plus／Pro 用戶預設 GPT-Live-1，免費用戶預設 mini；iOS、Android 與 ChatGPT.com 全球上線。OpenAI 說已有逾 1.5 億人用過 ChatGPT 的語音或聽寫功能，這次是把那個入口整個換底。
- 缺一塊：影像。 上線暫不支援語音搭配影像或螢幕分享，API 也是「即將推出」。對照 Google 的 Gemini Live 早就同時支援全雙工＋鏡頭＋螢幕分享，OpenAI 這次是把「講話的節奏」做到位、但「看得見的能力」還沒補上。
順帶把一個常見誤傳擋掉：網路上流傳的「延遲 300ms／1700ms」數字，官方並沒有公布任何延遲毫秒數，那些是第三方對舊架構的估算，別掛在 GPT-Live 頭上。
為什麼說臨界點到了
真正讓人坐直的，是評測數字。
根據 OpenAI 公布、由 the-decoder 判讀官方圖表的結果：在真人 5–10 分鐘的對話裡，GPT-Live-1 被偏好的比例達 75.7%（勝過 Advanced Voice Mode），mini 版也有 69.2%。更值得台灣注意的是另一項——電信客服任務基準 τ³-Voice Telecom（高難度）的完成率約 65%，比前代約 30% 幾乎翻倍。
為什麼這條特別重要？因為 τ³-Voice Telecom 量的正是「電信客服」這件事——查號、改方案、處理帳單、轉接。這剛好是台灣最龐大、也最想省人力的語音現場。台灣的電信商（中華電信、台灣大哥大等）這幾年已經陸續在推 AI 語音客服，過去卡在「半雙工聽起來就是機器人、你搶話它就亂」；全雙工把這個體感天花板抬高了。當一個通用語音模型在電信客服基準上直逼六成五完成率，這就是它從「玩具」跨向「上線工具」的臨界點。想把這條落到實際導入，可搭配我們的AI 客服導入指南一起看——但要先說，這裡只停在判斷框架，實作 SOP 不在本文。
反諷的護城河：贏在節奏，也會輸在節奏
這是我們最想講的一段觀點。
過去大家以為語音 AI 的護城河是辨識準度、是口音聽不聽得懂、是回得夠不夠快。GPT-Live 把賽道換了：當技術到位後，真正的勝負手變成社交分寸——知道該附和時附和、該閉嘴時閉嘴。 這是很反直覺的，因為「會停頓」聽起來不像技術突破，但要模型在每秒做出「現在插話會不會很煩」的判斷，比多背幾個知識點難多了。
而護城河的反諷之處在於：同一個節奏能贏，也能輸。 GPT-Live 上線首日，社群就已經在嫌它的『嗯哼』『對啊』附和太熱情、很煩（此為社群反應、屬二手意見）。這不是打臉，反而是最好的證明——當使用者開始嫌一個 AI「附和太多」，代表技術層的「會不會講」已經不是問題，剩下的全是分寸。太冷淡像機器人，太熱情像討好，這條線每個文化、每種情境還都不一樣。語音對話又會回流成訓練資料、形成飛輪（這種資料飛輪的競爭邏輯見 Grok 4.5 與資料飛輪），所以誰先把「分寸感」調到讓人忘記在跟 AI 講話，誰就拿下這一局。
兩個必須誠實講的風險
技術到位了，就更該把話講白。
第一，它一直在聽。 全雙工沒有「按住才說話」的機制，模型持續聆聽本來就是這套體驗成立的前提。OpenAI 在 App 內給了一個「背景對話」開關、而且預設關閉，青少年這邊也配了家長控制、高風險情境可通知家長、自傷議題導向求助資源。但「持續聆聽」這個底層設定，本身就值得每個要導入的企業和家庭想清楚：它在你家客廳、你的客服中心，預設是醒著的。
第二，它會讓人依賴。 這不是我們危言聳聽——OpenAI 自己就把「情感依賴」列為需要長期監測的風險項。一個會邊聽邊「嗯哼」、永遠有耐心、永遠不掛你電話的聲音，對台灣獨居長輩來說，可能真的成了「一個說話的伴」。這是機會，也是隱憂：機會在於陪伴與可近性，隱憂在於它太好用、太不會累，反而擠掉了真人互動。這條線該怎麼看、產品團隊與家庭該檢查什麼，我們整理在AI 陪伴機器人的公共健康框架（情感依賴）。
台灣中文體驗：先別急著喊好用
最後回到最實際的問題：它講台灣華語自然嗎？
誠實說，目前查無獨立實測，需要自己試過再下判斷。 唯一站得住的官方鉤子是 OpenAI 自承「部分語言可能出現非母語口音或流暢度落差、會持續改進」——這句話等於官方先打了預防針。全雙工的「附和節奏」是不是能無縫套進華語的語氣詞（我們的「嗯」「對」「然後呢」跟英文的 mhmm 節奏並不一樣），更是查無資料、只能實測。
所以我們的建議很簡單：台灣的客服、語音導覽、長照陪伴團隊，現在就該拿真實情境去壓測它的華語分寸，而不是看到 75.7% 就直接簽約。技術的臨界點到了，但「它懂不懂閉嘴」這件事，換到中文語境要重新驗一次。
常見問題
GPT-Live 和舊的 Advanced Voice Mode 差在哪？
最大的差別是「全雙工」。Advanced Voice Mode 是輪流式的——你講完它才回，一次只能一方說話；GPT-Live 可以同時聆聽與說話，會在你講話時即時「嗯哼」附和，你叫它安靜聽它就會等你講完。官方稱模型每秒要做多次「說話／繼續聽／停頓／打斷」的決策。體驗上，就是從「對講機」變成「對話」。
GPT-Live 免費用戶可以用嗎？台灣用得到嗎？
可以。免費用戶預設用 GPT-Live-1 mini，Go／Plus／Pro 用戶預設用完整的 GPT-Live-1，並已在 iOS、Android 與 ChatGPT.com 全球上線。台灣可跟著全球一起使用。但要提醒：它講台灣華語自不自然、附和節奏順不順，目前查無獨立實測，OpenAI 也自承部分語言可能有口音或流暢度落差，建議用真實情境自己壓測後再下判斷。
GPT-Live 會一直在聽嗎？隱私上要注意什麼？
全雙工沒有「按住才說話」的機制，模型持續聆聽本來就是這套體驗成立的前提。OpenAI 在 App 內提供「背景對話」開關、且預設關閉，青少年這邊也有家長控制、高風險情境可通知家長等防護。企業或家庭導入前，應先想清楚「預設醒著的麥克風」放在客服中心或客廳代表什麼，並把「持續聆聽」納入資料治理評估。
它能取代台灣的電信客服嗎？
正在逼近臨界點，但還不到「直接換人」。OpenAI 公布的電信客服基準 τ³-Voice Telecom（高難度）完成率約 65%、比前代約 30% 幾乎翻倍，加上全雙工解決了「搶話就亂」的體感問題，讓它從玩具走向可上線工具。不過六成五完成率意味著仍有大量情境需要真人接手，且台灣華語的實際表現尚待實測。合理的路是「AI 打前線、真人處理複雜與情緒」，而不是全面替換。