TL;DR: Am 10. September 2026 hat OpenAI sein Agenten-Backend in drei Produkten gebündelt: Die Agents API liefert den Codex-Harness als Managed Service, GPT-Live-1 ersetzt die STT–LLM–TTS-Kette durch ein einziges Vollduplex-Voice-Modell, und ChatGPT for Financial Services bringt lizenzierte Marktdaten mit zitierfähigen Belegen direkt ins Modell. Für Builder heißt das: jede Schicht einzeln gegenrechnen — was ziehe ich first-party, was verdrahte ich selbst?
Der Tag in einer Tabelle
| Produkt | Schicht | Status | Kernpunkt |
|---|---|---|---|
| Agents API | Orchestrierung | Public Beta | Codex-Harness als API: Kontext-Compaction, Tool Search, Subagents |
| GPT-Live-1 | Voice | Im API verfügbar | Vollduplex in einem Modell, Delegation an Backend-Modelle |
| ChatGPT for Financial Services | Daten | Gestartet | Premium-Daten (Daloopa, PitchBook, LSEG u. a.) indexiert auf OpenAI-Infrastruktur |
Agents API: der Codex-Harness wird Produkt
Nützliche Agenten brauchen mehr als ein starkes Modell: sie brauchen Kontext-Management, effiziente Tool-Nutzung und Koordination von Subagents. Genau diesen Harness, der Codex und ChatGPT für Work antreibt, gibt es jetzt als Agents API in der öffentlichen Beta — mit einem einzigen API-Aufruf, definiert durch Aufgabe, Modell, Tools und Umgebung.
Die wichtigsten Bausteine:
- Wählbare Umgebung: OpenAI-gehostete Sandbox, eigene Infrastruktur oder Partner wie Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle, Runloop, Vercel und Blaxel.
- Automatische Kompaktierung: Näher sich Sessions dem Kontextlimit, fasst die API früheren Kontext selbst zusammen. Workflows über mehrere Kontextfenster brauchen keine eigene Compaction-Logik mehr.
- Tool Search: Lädt nur die passenden Tool-Definitionen — das senkt Token-Kosten und schont den Modell-Cache.
- Programmatic Tool Calling: Agenten rufen Tools parallel auf, verketten Operationen und filtern Ergebnisse im Code, statt alles in den Kontext zurückzuholen.
- Multi-Agent-Support: Komplexe Aufgaben werden in unabhängige Teile zerlegt und an parallele Subagents delegiert; jeder hält seinen eigenen Kontext.
- Offenes Fundament: Die API läuft auf dem Open-Source-Codex-Harness und unterstützt MCP, eigene Funktionen und eingebaute Tools wie Websuche.
Der Minimalaufruf folgt einem einfachen Muster:
{
"task": "Analysiere die Quartalszahlen und erstelle eine Vergleichstabelle",
"model": "gpt-5.6",
"tools": ["web_search", "code_interpreter"],
"environment": "openai_hosted_sandbox"
}
GPT-Live-1: Vollduplex statt Staffellauf
Die messbaren Ergebnisse aus OpenAIs Auswertungen:
- Full Duplex Bench: +30 Prozentpunkte gegenüber GPT-Realtime-2.1, vor allem bei Turn-Taking-Latenz und Interaktionsverhalten.
- Tau3 (Intelligenz von Voice-Agenten in End-to-End-Aufgaben): Platz 1, gepaart mit GPT-6 Astra bei mittlerem Reasoning-Aufwand.
- Praxiswert bei Speak: Lernende bekamen mehr Denkzeit, Unterbrechungen sanken um fast 80 Prozent gegenüber turn-basierten Systemen.
Weitere Stärken: Ton, Tempo und Stil lassen sich über den System-Prompt steuern; Hintergrundgeräusche und Pausen werden ohne Störung verarbeitet; Telefonie wird nativ unterstützt, von der Restaurantreservierung bis zum Supportsprachmenü. Nativ gibt das Modell ASR-Transkripte und Antworttext aus und unterstützt Keyword-Biasing — bei expliziter Turn-Erkennung, ohne selbst turn-basiert zu sein.
ChatGPT for Financial Services: die Datenschicht als Graben
Der eigentliche Hebel ist die Datenschicht: Premium-Daten von Daloopa, PitchBook und LSEG News (inklusive Reuters) sind direkt eingebaut, dazu Anbindungen an S&P Capital IQ, MSCI, Moody's, Dow Jones Factiva, Preqin, Intapp, Datasite und Box — ohne separate Verträge oder selbst eingerichtet Connectors. Die Daten liegen indexiert auf OpenAI-Infrastruktur, was Retrieval, Latenz und die neuen granulareren Zitaten verbessern soll: Zahlen lassen sich bis zur Quelle zurückverfolgen.
Als Beleg nennt OpenAI den Benchmark OfficeQA Pro (U.S.-Treasury-Bulletins mit Tabellen, Charts und Fußnoten): GPT-6 Astra erreicht 69,9 Prozent, der Vorgänger GPT-5.6 Sol 60,2 Prozent. Ehrlich gelesen heißt das: rund 30 Prozent Fehlerquote bleiben — die Zahlenordnung ist also noch Luft nach oben. Ein Preis war zum Start nicht veröffentlicht.
Randnotizen desselben Tages
- Data Agent in ChatGPT Work: strukturierter Datenzugriff direkt im Arbeits-Client.
- Regierungs-Zugang: Behörden erhalten Anbindung an die Modell-Linie.
Checkliste: Welche Schicht ziehe ich first-party?
- Orchestrierung: Brauchst du Compaction, Tool Search und Subagents selbst? Dann ist die Agents API der kürzeste Weg — der Hosted-Harness spart die eigene Wartung.
- Voice: Läuft dein STT–LLM–TTS-Stapel stabil, aber träge? GPT-Live-1 konsolidiert die Kette in einem Modell; rechne Latenz gegen Kosten pro Minute.
- Daten: Nutzt deine Firma bereits Daloopa, PitchBook oder LSEG? Prüfe, ob die First-party-Zitate deine Fehlerquote wirklich drücken, bevor du Connectors doppelt pflegst.
- Escalate: Eigene Modelle nur, wenn Late-Night-Infrastruktur oder Datenresidenz die API-Version nicht hergibt.
FAQ
Was ist der Unterschied zwischen der Agents API und dem bisherigen Responses-API?
Die Agents API ist ein Managed-Aufbau auf demselben Open-Source-Codex-Harness, der auch Codex und ChatGPT für Work antreibt. Du definiert Aufgabe, Modell, Tools und Umgebung in einem Aufruf, während die API Kontext-Kompaktierung, Tool-Discovery und Subagent-Koordination übernimmt. Das Responses-API bleibt das Basis-Primitive für direkte Modellaufrufe; die Agents API setzt darüber die Orchestrierungsschicht drauf.
Warum ist Vollduplex bei Voice-Agenten ein Vorteil gegenüber turn-basierten Systemen?
Bei turn-basierten Ketten wartet das System auf eine geschlossene Sprechpassage und antwortet dann — Pausen und Unterbrechungen kosten jedes Mal Latenz. GPT-Live-1 hört und spricht gleichzeitig, reagiert auf Unterbrechungen und Bestätigungen in Echtzeit und vermeidet die steifen Handoffs der STT–LLM–TTS-Kette. In der Praxis heißt das: kürzere Wartezeiten, natürlichere Dialoge und fast 80 Prozent weniger Störungen im Lern-Test bei Speak.
Wie prüfe ich, ob ChatGPT for Financial Services mein Daten-Setup ersetzt?
Vergleiche die eingebauten Quellen mit deinen bisherigen Lizenzen: Daloopa für Finanzstatements, PitchBook für Private-Company-Daten, LSEG inklusive Reuters für News. Wenn dein Team ohnehin diese Dienste nutzt, sparst du dir die Connectors und erhältst granularere Zitate aus einer indexierten Quelle. Prüfe danach an zwei, drei echten Modellen, ob die Zitierqualität deine Fehlerquote senkt — bei 69,9 Prozent auf OfficeQA Pro bleibt genug Eigenanteil.
Lohnt sich die Agents API für Teams mit eigener Infrastruktur?
Ja, denn die Umgebung ist frei wählbar: OpenAI-gehostete Sandbox für den schnellen Start, VPC oder Partner-Sandboxes wie Cloudflare, E2B oder Modal für kontrollierte Setups. Der Hauptgewinn liegt in der Wartung — Compaction-Logik, Tool-Search und Multi-Agent-Koordination liefert OpenAI versioniert mit jedem Modell-Release nach. Nur wer Spezialfälle jenseits dieses Harness abbildet, fährt mit einem selbst verdrahteten Stapel flexibler.
Was bedeutet die Delegation bei GPT-Live-1 konkret?
Das Voice-Modell selbst übernimmt Hören und Sprechen, aber Reasoning und Tool-Calls gibt es an ein Backend-Modell ab, etwa GPT-6 Astra für komplexe Fälle oder ein günstigeres Modell für hohe Volumina wie Scheduling. So trennst du Sprach-Latenz von Denk-Tiefe und kannst Kosten pro Aufgabenklasse matchen. Die Architektur bleibt damit modular, ohne dass du die Kette selbst orchestrieren musst.
Quellen
- https://openai.com/index/introducing-the-agents-api/ — Introducing the Agents API (OpenAI, 2026)
- https://openai.com/index/introducing-gpt-live-1-in-the-api/ — Build more natural voice experiences with GPT-Live-1 in the API (OpenAI, 2026)
- https://openai.com/index/introducing-chatgpt-financial-services — Introducing ChatGPT for Financial Services (OpenAI, 2026)
- https://developers.openai.com/api/docs/guides/agents-api/overview — Agents API Overview (offizielle Doku)
- https://www.reuters.com/business/openai-launches-chatgpt-financial-services-industry-2026-09-10 — Reuters: OpenAI launches ChatGPT for financial services industry (10.09.2026)
- https://thenextweb.com/news/openai-chatgpt-financial-services-dora-data-residency — TNW: OpenAI launches ChatGPT for Financial Services (2026)