NiceKate AI：GPT-Live 實測 — ChatGPT 語音終於變聰明，GPT 5.5 Thinking 登場

我花了大約 16 分鐘看完凱特的這支 GPT-Live 實測影片，內容從 OpenAI 最新推出的全雙工語音模式一路玩到實際的語音對話互動，資訊量很扎實。這篇文章幫大家整理出 GPT-Live 的三大核心亮點，並補充我對這項產品定位的一些觀察。

讓 ChatGPT 語音終於變聰明，GPT 5 等級的推理能力直接導入即時語音對話中。

雖然官方名稱是 GPT-5.5 Thinking，但從推理架構來看，它已經接近 GPT 5 等級的思維鏈能力。而 GPT-5.5 Thinking 的登場，也意味著 OpenAI 正式將語音模式從基礎對話推向高階推理應用。

開場閒聊

凱特一開場就直白地說：「OpenAI 推出了 GPT Live，我們可以在 GPT 的網頁端點擊語音圖標來使用。」她的語氣帶有一種終於等到更新的興奮感，強調 GPT 的語音功能已經很久沒有真正的升級了。

她特別提到這次的 Live 模式是基於全雙工（Full Duplex）結構，可以同時聽與說，還能用「嗯、耶」這類回饋詞表示正在聽，或在你思考時保持安靜——聽起來就像真正的人在對話。

懶人包速覽

核心痛點	解決方案 / 關鍵觀點
GPT 語音模式許久未更新，對話體驗停滯	GPT-Live 基於全雙工結構，可同時聽與說，支援打斷與即時回應
複雜任務語音難以處理	GPT-Live 可將複雜任務委派給 GPT-5.5 Thinking，多項基準大幅優於舊版 AVM
語音互動缺乏視覺輔助	支援天氣、體育等視覺卡片，以及搜索記憶、圖片和文件上傳
不知道語音模式能做什麼	凱特完整實測：搜尋、頭腦風暴、創意發想、計時器、掛斷通話等多種場景

GPT-Live 的核心技術升級

凱特在影片中說明了 GPT-Live 的幾個關鍵技術突破。首先是全雙工架構，這不是簡單的語音轉文字再轉語音，而是真正的雙向即時對話——你可以中途打斷、可以停頓思考、對方會在你說話時發出「嗯嗯」這類回饋聲。

其次是智能程度的分級選擇。右上角可以選擇不同的智能程度，如果選 high 模式，背後就會使用 GPT-5.5 Thinking 來處理複雜任務。凱特指出，在專家級科學推理基準和代理式網頁搜索方面，GPT-Live 相對於先前的 Advanced Voice Mode（AVM）都有大幅提升。

音色方面也重新錄製了，聽起來更自然。更重要的是，對話中還可以展示視覺卡片——查天氣時會顯示天氣圖、查體育賽事時會顯示賽程——這讓語音互動不再只是「聽聲音」，而是多模態的資訊呈現。

實際對話實測：從搜尋到創意發想

凱特在影片中進行了多輪實際對話測試，整個過程沒有剪輯，忠實呈現 GPT-Live 的真實互動體驗。

資訊查詢與糾錯能力

她先問 GPT-Live 關於 Grok 4.5 的評價。有趣的是，GPT-Live 第一次聽錯了，凱特糾正說「我說的是 Grok 4.5，G-R-O-K」，AI 立刻理解並重新查詢，成功給出「整體評價偏極低，但還在早期，大家最認可的是速度和性價比」的總結。

這段互動展示了 GPT-Live 的兩個關鍵能力：一是聽錯時可以被即時糾正，二是能夠理解使用者的校正意圖並重新執行任務。這種來回溝通的流暢度，是舊版語音模式做不到的。

基準對比分析

凱特進一步要求 GPT-Live 從多項基準對比 Grok 4.5 和 GPT-5.5。AI 給出的分析相當到位：Grok 4.5 主打編程和 Agent 任務，速度快、價格低，在 Cursor 生態中很有吸引力；而 GPT-5.5 是更全面成熟的通用旗艦，在複雜推理和研究類任務上更穩。

凱特的判斷總結也很精準：如果你更在意編碼效率和成本，可以試試 Grok 4.5；但高難度多步驟、容錯率低的任務，選 GPT-5.5 更安心。

創意發想：麥克風 App 點子

凱特接著測試了 GPT-Live 在創意討論方面的表現。她說想做一個麥克風應用，要求 AI 幫忙想點子。GPT-Live 主動提出要先掃描社群需求——包括 Twitter、Reddit 和一般網站——然後給出了幾個具體方向：一鍵恢復工作區、檔案加鎖工具、會議專注工具等。

其中最有意思的是它詳細解釋了 Workspace Restore 的概念：幫你對當前的作業狀態拍快照，下次一鍵還原，包括 VS Code、Terminal、瀏覽器分頁和 Finder 目錄。當凱特追問市場上是否已有成熟產品時，GPT-Live 還能即時搜索並給出 Magnet（13.4 萬評分、4.9 星）等競品資訊，展現了強大的即時研究能力。

工具調用與互動細節

凱特在最後段深入測試了 GPT-Live 的工具調用能力。它可以呼叫的工具包括：即時上網搜索、通話內的計時器與秒表、以及掛斷通話功能。值得注意的是，它無法主動設定定時推送或背景自動任務——每次都需要使用者主動發起對話才能查詢。

凱特也問到一次對話最長能支持多久，GPT-Live 表示官方沒有給出固定上限，通常會因用量或系統限制而結束，接近限制時界面會有提示。

QA 精選

Q1：GPT-Live 和舊版高級語音模式（AVM）最大的差別是什麼？

GPT-Live 是全雙工架構，可以同時聽與說，不需要等對方講完才能回應。舊版 AVM 比較接近輪流發言，節奏不夠自然。

此外 GPT-Live 支援即時打斷、停頓回應（發出「嗯」這類回饋聲），還能結合視覺卡片、網頁搜索、圖片和文件上傳等功能，是全面的多模態升級。

Q2：GPT-Live 的「高智能模式」用的是什麼模型？

當使用者選擇 high 模式時，背後是由 GPT-5.5 Thinking 驅動，適合處理複雜推理和多步驟任務。

凱特在測試中發現，這種模式能夠進行深入的比較分析（如 Grok 4.5 vs GPT-5.5 的基準對比），也能夠主動提出要搜索外部資訊來驗證答案。

Q3：GPT-Live 在創意發想和產品規劃上的表現如何？

表現相當出色。凱特測試了「想做一個麥克風應用」的開放式問題，GPT-Live 沒有直接給出隨便的點子，而是先掃描社群需求（Reddit、Twitter 等），再給出有數據支撐的方向。

它甚至能夠即時查找競品在 App Store 的評分和評論數，幫助判斷市場切入點。對於創業者或產品經理來說，這是一個很實用的討論夥伴。

Q4：GPT-Live 有哪些限制？不能做什麼？

根據凱特的測試，GPT-Live 有三個主要限制：第一，目前不支援語音與視訊或螢幕共享同時使用，如果需要螢幕共享，會自動降級為舊版高級語音模式。

第二，無法主動設定定時推送或後台自動任務，每次需要使用者主動發起對話。第三，沒有固定的最長通話時長上限，但接近限制時會有提示。

Q5：GPT-Live 適合哪些日常使用場景？

凱特的測試展示了幾個很實用的場景：即時資訊查詢與總結（如搜尋某個模型的評價）、頭腦風暴與產品發想（如尋找 App 點子）、語言練習與對話互動、以及需要邊說邊想的會議準備。

它也適合用來快速了解某個主題的市場狀況，因為可以一邊問一邊讓 AI 即時搜索最新資訊。

Q6：GPT 5.5 Thinking 登場對語音助理市場意味著什麼？

這代表 OpenAI 正式將高階推理能力導入語音互動領域。過去 GPT-5.5 Thinking 的強大推理只能在文字介面使用，現在透過 GPT-Live，使用者可以直接用語音提出複雜的邏輯問題，模型會在背景調用 GPT-5.5 Thinking 來處理。

凱特在測試中多次體驗到這個能力——當她問到模型基準對比時，AI 不是簡單給出結論，而是展示完整的推理過程。這讓 ChatGPT 語音終於變聰明到可以處理真正的深度討論，而不是停留在天氣查詢和鬧鐘設定這種淺層應用。

主編隨筆

凱特這支影片最讓我印象深刻的地方，不是 GPT-Live 的技術參數有多強，而是她真實展示了「語音 AI 從工具變成對話夥伴」的質變。

過去我們用語音助理的感覺是什麼？「嘿 Siri，設定明天早上八點的鬧鐘」——單向、指令式、用完即走。

但 GPT-Live 的互動方式完全不同：它會在你說話時發出回饋聲、聽錯時可以被糾正然後重新理解、甚至在回答問題前會說「我先去查一下」再回來。這種對話節奏的擬人化程度，已經跨越了「工具感」的門檻。

我特別注意到一個細節：當凱特問「你對我的普通話打幾分」時，GPT-Live 回答「挺標準的，很清楚，交流完全沒障礙」——不是正式僵硬的「您的語言表達十分清晰」，而是更像朋友之間自然的口吻。

這種語氣選擇是經過設計的，目的就是降低使用者在語音互動中的心理防備。

從產品定位的角度來看，GPT-Live 真正的殺手應用可能不是搜尋或問答——那些文字版 ChatGPT 已經做得很好了——而是「邊想邊說」的創作與討論場景。

產品經理可以跟它 brainstorm、工程師可以跟它討論架構、學生可以跟它練習口頭報告。在這些需要即時來回、邊說邊修正的場景中，語音的優勢遠大於打字。

當然，還有一些問題待解：多輪對話的上下文長度上限、非英語（特別是中文）的語音辨識準確率、以及何時會支援真正的多模態（語音 + 視訊同時使用）。這些恐怕要等到下一次重大更新了。

結語

GPT-Live 是 OpenAI 在語音互動領域的一次重要升級，從架構到底層模型都做了全面翻新。凱特的實測讓我們看到，全雙工語音已經從「實驗室產品」變成了「日常可用工具」。

對於 AI 開發者和產品經理來說，這項產品的最大啟示是：語音互動的門檻已經從「能不能用」變成了「用起來自不自然」。

接下來競爭的關鍵，不再是語音辨識的準確率，而是對話設計的擬人化程度——而 GPT-Live 在這方面，已經交出了一份相當不錯的成績單。