OpenAI tar ett stort steg mot bättre röstassistenter – nu lyssnar den tills du är klar
Äntligen kan en AI-röstassistent hålla tyst tills du är klar. OpenAI lanserar GPT-Live-1, en så kallad fullduplexmodell som lyssnar och talar samtidigt – precis som i ett vanligt telefonsamtal – och tar därmed ett tydligt steg bort från det avbrottsbeteende som länge irriterat användare. I bakgrunden växer också en besvärlig fråga för Google: varför är det konkurrenterna som sätter måttstocken på Googles egen plattform?
Fullduplex – det tekniska språnget som förändrar samtalet
Det låter enkelt men har visat sig vara remarkabelt svårt: att bygga en AI-röstassistent som lyssnar och talar samtidigt, utan att trampa in mitt i din mening. Den 8 juli 2026 tog OpenAI ett tydligt kliv i rätt riktning när företaget lanserade GPT-Live-1 och dess lättare syskon GPT-Live-1 mini.
De nya modellerna är konstruerade som så kallade fullduplexmodeller – samma princip som gäller för ett vanligt telefonsamtal, där båda parter kan tala och lyssna parallellt. Det är en arkitektonisk skillnad som verkligen märks. Tidigare versioner byggde på en kedja av tre separata komponenter: tal-till-text, språkmodell och text-till-tal. Varje länk i den kedjan skapade fördröjningar och gjorde det nästan omöjligt att hantera naturliga överlappningar i ett samtal, rapporterar TechCrunch.
Resultatet var det irritationsmoment som många av oss känt igen: assistenten som kör rakt över dig mitt i en mening och börjar svara innan du är klar. The Verge beskriver träffande att GPT-Live-1 äntligen "lär sig hålla tyst" – modellen är tränad för att känna av när användaren faktiskt är färdig, snarare än att gissa sig till det.
Mer än ett röstlager – kopplad till GPT-5.5
Det som gör lanseringen extra intressant ur ett systemutvecklarperspektiv är att röstmodellerna inte längre är isolerade enheter. De vidarebefordrar frågor till OpenAI:s senaste textmodeller – däribland GPT-5.5 – för sökning, resonemang och mer komplexa uppgifter. Det innebär att röstgränssnittet i praktiken fungerar som en ingångspunkt till hela modellstacken, snarare än ett fristående röstverktyg.
GPT-Live-1 mini tar dessutom över som standardalternativ i ChatGPT:s röstläge, medan den mer kraftfulla GPT-Live-1 förbehålls betalande användare. En tydlig strategi: sänk tröskeln för alla, erbjud djupet till dem som betalar.
Google utklassat på egen hemmaplan
Mitt i OpenAI:s röstnyhet kommer ett annat resultat som är svårt att ignorera. Google lanserade tidigare i år Android Bench – ett riktmärke med 100 utvecklingsuppgifter för Android-appar, utformat för att hjälpa utvecklare välja rätt språkmodell. Tanken var god. Resultaten är det pinsamma: Googles egna Gemini 3.1 Pro hamnar på femteplats i den senaste uppdateringen, rapporterar Ars Technica.
Den som toppar listan är Anthropics Claude Fable 5 med en träffsäkerhet på 84,5 procent – ett tydligt försprång mot samtliga konkurrenter. Bakom följer OpenAIs GPT 5.4 och Claude Sonnet 5 innan Gemini ens dyker upp i rangordningen.
Priset för topprestanda är dock inte försumbart. Claude Fable 5 och GPT 5.5 är de dyraste alternativen i testet och förbrukar beräkningstokens motsvarande över 1 300 kronor per genomkörning av de hundra uppgifterna. Gemini 3.1 Pro kostar ungefär 870 kronor för samma körning – och levererar alltså sämre resultat till ett lägre pris. Det är ett svårt läge: varken billigast eller bäst.
Det som gör resultatet extra anmärkningsvärt är kontexten. Det är Googles eget riktmärke. Det är Googles plattform. Ändå är det Anthropic och OpenAI som sätter standarden.
Två berättelser, ett mönster
På ytan handlar det om en röstlansering och ett prestandariktmärke – två separata nyheter. Men det finns ett gemensamt tema: vem som faktiskt leder.
OpenAI driver på med röstteknik som känns mogen nog för verkliga samtal. Anthropic visar att de kan konkurrera – och vinna – även på andras hemmaplan. Google befinner sig i en position som känns ovan: reaktiv snarare än ledande, åtminstone mätt i dessa dimensioner.
Kapplöpningen om den bästa AI-rösten och det bästa kodningsverktyget pågår parallellt, och ingen aktör kan ta sin position för given.
Vår analys
Det som händer just nu är att AI-kapplöpningen splittras upp i specialiserade skikt – röst, kodning, resonemang – och olika aktörer dominerar i olika skikt. OpenAI tar röstupplevelsen på allvar med en arkitektur som äntligen matchar hur människor faktiskt samtalar. Anthropic visar teknisk bredd genom att toppa ett Android-specifikt kodningsriktmärke. Google har resurser och plattformar, men verkar ha svårt att omvandla dem till bästa prestanda i externa mätningar.
Det intressanta framåt är vad fullduplexröst kombinerat med kraftfulla bakgrundsmodeller kan öppna för. Tänk kundtjänst, tillgänglighetsverktyg, pedagogiska applikationer – situationer där ett flytande samtal är avgörande. Kostnadsfrågan är reell och kommer att styra vilka lösningar som faktiskt skalas upp. Men riktningen är tydlig: AI-gränssnitten rör sig från tangentbord mot röst, och de som bygger bäst infrastruktur för det skiftet vinner nästa omgång.