GPT-Live-1 ist am 10. September in der API gelandet. Full Duplex, das Ding hört also zu, während es selbst redet, statt brav zu warten bis ihr fertig seid. Die alte Kette aus Spracherkennung, Textmodell und Sprachausgabe fällt weg, rein und raus läuft durch ein einziges Modell.
Das Spannende daran ist für mich aber gar nicht die Geschwindigkeit. Agora hat nachgemessen, weil OpenAI selbst keine Latenzzahlen rausgerückt hat, und kam im Median auf etwa 1,1 Sekunden bis zur ersten Antwort. Das alte Advanced Voice Mode lag bei 1,9. Ganz nett, aber kein Grund für Konfetti.
Der eigentliche Sprung steckt im P90. Der liegt nur 104 Millisekunden über dem Median, beim Vorgänger waren es 2,3 Sekunden. Praktisch bedeutet das, dass die Antwortzeit nicht mehr zufällig wegbricht. Genau dieses unberechenbare Hängen war der Grund, warum jeder Telefonbot der letzten Jahre nach Telefonbot klang. Dazu hat GPT-Live 30 von 30 Fake-Unterbrechungen ignoriert, Hintergrundgerede, Hüsteln, Radio. Der Vorgänger ist 22 mal fälschlich verstummt.
Und da wirds für uns interessant. Ein Erstgespräch am Telefon, das Anfragen qualifiziert, kostet auf der Sprachebene 25 Cent für fünf Minuten, angebunden direkt über SIP. Ein Leadmagnet muss dann auch kein PDF mehr sein, das eh keiner liest, sondern kann ein kurzes Gespräch sein, in dem jemand seine Situation schildert und dafür eine ehrliche Einschätzung bekommt. Oder ihr dreht euren Chatbot einfach um.. statt darauf zu warten, dass jemand tippt, stellt die Stimme die Fragen.
Jetzt das Kleingedruckte, das in keinem Hype-Post steht. Die 5 Cent sind nur die Sprachschicht. Das Modell, das dahinter denkt, die Tool-Aufrufe, die CRM-Abfrage, alles wird extra abgerechnet. Wer jede Frage an ein schweres Backend-Modell weiterreicht, zahlt schnell ein Vielfaches der Schlagzeile.
Was ich davon halte? Die technische Hürde ist gefallen, das ist bemerkenswert. Aber ein Agent, der in 0,8 Sekunden antwortet und trotzdem nicht weiß, dass der Anrufer seit drei Jahren Kunde ist, nervt genauso wie der Bot von 2024. Die Arbeit liegt weiterhin in den Daten und im Prozess dahinter.
Gruß, Chris