OpenAI erweitert seine Sprach-KI GPT-Live und bindet sie direkt in Desktop-Workflows für Entwickler:innen ein. Codex und ChatGPT auf macOS und Windows lassen sich damit erstmals vollständig per Stimme steuern.
GPT-Live zieht in die ChatGPT-Desktop-App ein
Nur zwei Wochen nach der Vorstellung von GPT-Live, einem Audio-KI-Modell mit Voll-Duplex-Fähigkeiten, integriert OpenAI die Technik in die ChatGPT-Desktopanwendungen für macOS und Windows. Dort arbeitet GPT-Live direkt mit agentenbasierten Systemen wie Codex und ChatGPT Work zusammen, die innerhalb der App als eigene Bereiche zur Verfügung stehen.
GPT-Live wurde am 8. Juli 2026 eingeführt und kann kontinuierlich zuhören und sprechen, ohne starres Wechseln zwischen Sprechen und Hören. Anspruchsvolle Denkaufgaben lagert das System an Hintergrundmodelle wie GPT‑5.5 aus. Mit der aktuellen Erweiterung wird diese Gesprächsebene auf technische Aufgaben übertragen: Softwareentwickler:innen können mehrsträngige Coding-Jobs orchestrieren, Pull-Requests prüfen und Anwendungen debuggen – alles per natürlicher Spracheingabe.
Damit zeichnet sich eine Phase des „freihändigen“ Entwickelns ab, bis hin zu gemeinsamen Live-Coding-Sessions vor Ort für die mehr als 5 Millionen wöchentlich aktiven Codex-Nutzer:innen. Codex bezeichnet OpenAI als die Modellfamilie und Plattform für Programmieraufgaben, die das Unternehmen in diesem Jahr zu einer allgemeinen Produktivitätslösung ausgebaut hat. Laut OpenAI ist dies das erste Mal, dass Sprachsteuerung nativ mit Codex auf dem Desktop verfügbar ist.
In einem Werbevideo zeigt OpenAI, wie zwei Mitarbeitende – Codex-Entwicklerfahrungsexperte Jason Liu und Codex-Techniker Guinness Chen – im selben Raum mit derselben ChatGPT-Desktop-Sitzung sprechen, unterschiedliche Anweisungen geben und mit demselben Modell interagieren.
Architektur: Echtzeit-Sprache getrennt von Ausführung
Technisch basiert die Integration auf der Entkopplung der Echtzeit-Sprachschicht von den ausführenden Rechenmodellen. GPT-Live hält dabei eine flüssige Unterhaltung aufrecht und streut natürliche Bestätigungen wie „verstanden“ ein, ohne die Nutzer:innen zu unterbrechen. Die rechenintensiven Aufgaben werden an Hintergrundmodelle für tiefergehendes Schlussfolgern übergeben.
Unter macOS nutzt die Desktop-App „Appshots“ und Bildschirmkontext, sodass ChatGPT Voice das vorderste Fenster zusammen mit lokalen Dateien, Code-Strukturen und aktiven Plugins analysieren kann. Dadurch entsteht eine Paarprogrammier-ähnliche Dynamik: Entwickler:innen sprechen ihre Probleme durch, während Agenten Aufgaben asynchron ausführen. Statt Coding-Sitzungen zu unterbrechen, um lange Anweisungen zu tippen oder Fenster zu wechseln, steuert Ihr das System freihändig.
Der Voll-Duplex-Mechanismus entscheidet dabei dynamisch, wann gesprochen, pausiert oder ein Werkzeug aufgerufen wird, und behält den Gesprächszustand, auch wenn im Hintergrund komplexe Codeänderungen laufen.
Komplexe Builds per Sprache und kommerzielle Grenzen
Zentrale Neuerung ist die Fähigkeit zur gleichzeitigen Ausführung mehrerer Aufgaben über Codex und ChatGPT Work hinweg. Aus einem gesprochenen Prompt heraus können Softwareentwickler:innen mehrere Aufgabenstränge starten. So lässt sich etwa das System anweisen, einen offenen Authentifizierungsfehler zu untersuchen, eine anstehende API-Migrations-Pull-Request zu prüfen und fehlende Unit-Tests zu erzeugen – alles parallel.
Die Desktop-Anwendung koordiniert diese Aktionen über verschiedene Kontexte hinweg und verfolgt Probleme in Slack-Unterhaltungen, GitHub-Repositories und lokalen Codebasen. Entwurfs-Mockups können per Sprache in lauffähigen Code überführt werden, aufgeteilt in Frontend-, Backend- und Testebenen. Mit Unterstützung für Projekte über mehrere Ordner (Build 26.715) und Remote-Ausführung via iOS können Entwickler:innen den Fortschritt prüfen, Agentenfragen beantworten und Jobs umlenken, ohne Anwendungen zu wechseln oder Prozesse Zeile für Zeile zu steuern.
Die sprachfähige Desktop-Version läuft unter einem proprietären, kommerziellen Unternehmensmodell und ist nur für zahlende Abonnent:innen der Plus-, Pro-, Business-, Enterprise- und Education-Tarife zugänglich. Modellgewichte, Sprachverarbeitungspipelines und Agentenzustände bleiben vollständig geschlossen, eine Anpassung oder Eigen-Hosting durch Organisationen ist nicht möglich. Aufgaben, die über ChatGPT Voice gestartet werden, werden auf das normale Nutzungskontingent vorhandener Codex- und ChatGPT-Work-Pläne angerechnet und wie übliche agentenbasierte Workloads behandelt.
Entwickler:innen-Communities diskutieren bereits die Auswirkungen der kontinuierlichen Voll-Duplex-Sprachsteuerung auf autonome Coding-Workflows. In Reaktion auf die Build-26.715-Ankündigung mit Sprachintegration und Mehrordner-Support schrieb der AI-Insider-Journalist @ChrisGPT auf X: „Heute wird OpenAI Sprache und Remote-Anleitung für Codex veröffentlichen! Ein Schritt näher an persönlicher AGI.“ Frühes technisches Feedback zeigt breite Zustimmung für freihändige Orchestrierung komplexer Aufgaben, besonders abseits des Arbeitsplatzes oder beim Fernsteuern von Build-Pipelines.
