GPT-Bidi-1: OpenAIs nye stemmemodel kan lytte og tale samtidigt

OpenAI forbereder den hidtil største opdatering af ChatGPTs stemmefunktion: en tovejs lydmodel internt kaldet GPT-Bidi-1. I modsætning til alle tidligere ChatGPT-stemmefunktioner, der venter på, at brugeren er færdig med at tale, før de svarer, kan GPT-Bidi-1 lytte og tale på samme tid – den opfanger afbrydelser, retter fejl i realtid og justerer sine svar uden at droppe lydsporet.

Denne artikel dækker, hvordan GPT-Bidi-1 blev opdaget, hvad der adskiller den fra den traditionelle taletursbaserede stemmefunktion, de tre intelligensniveauer den introducerer, den visuelle ændring i ChatGPT-grænsefladen samt den konkurrencemæssige kontekst for udviklingen. Modellen er ikke officielt annonceret af OpenAI, så alle detaljer stammer fra kodefund, UI-referencer, brugerrapporter og medieanalyse.

Hvordan GPT-Bidi-1 blev opdaget

Opdagelseskæden startede med udvikleren M1Astra, der først fandt referencer til gpt-bidi-1 i ChatGPTs appkode og delte fundet på X. Sporingssiden TestingCatalog bekræftede efterfølgende modelstrengen, sammen med hvad der lignede annonceringstekst, der beskrev "den næste generation af Voice" og et "stort spring i intelligens."

Kode- og UI-elementer blev efterfølgende fundet på både web- og mobil-ChatGPT-klienter. Begrænsede tests begyndte at nå ud til en lille gruppe brugere i slutningen af juni 2026. I løbet af 22.–24. juni 2026 dukkede flere brugerrapporter og demonstrationsvideoer op, der viste modellen fungere tovejs i praksis.

Vigtig bemærkning: OpenAI har ikke udsendt en officiel meddelelse. Modellens endelige navn, præcise niveauer og udrulningsdato er stadig ikke bekræftet af virksomheden.

Hvordan tovejs stemmefunktion adskiller sig fra taletursbaserede modeller

De nuværende ChatGPT-stemmefunktioner – Standard Voice og Advanced Voice Mode – fungerer i et taletursbaseret paradigme. Modellen skal vente på, at brugeren er færdig med at tale, før den kan svare. GPT-Bidi-1's tovejs-arkitektur (BiDi) gør det muligt for modellen at behandle to lydstrømme samtidigt: din og dens egen.

Vigtige adfærdsforskelle rapporteret i demonstrationer:

• Håndtering af afbrydelser: Modellen kan optage afbrydelser midt i en sætning og dynamisk justere sit svar uden at fryse eller droppe lydsporet.
• Realtidskorrektion: I tests talte GPT-Bidi-1 med en bruger fra 1 til 10 og skiftede straks til at tælle baglæns, da brugeren afbrød midt i optællingen.
• Naturlig overlap: Assistenten kan tale, mens brugeren stadig snakker, hvilket gør samtaler tættere på menneskelig konversation.

OpenAIs interne mål var at lukke hullet mellem ChatGPTs stemmestak – som haltede efter dets tekstmodeller (allerede på GPT-5.5-klasses ræsonnement) – og levere paritet i realtids-samtaleintelligens.

Tre valgbare intelligensniveauer

GPT-Bidi-1 er den første OpenAI-stemmemodel, der introducerer tre valgbare intelligens- og hastighedsniveauer til stemmefunktionen:

Niveau	Beskrivelse
High	Maksimal ræsonnementsdybde, langsommere svar – til komplekse analyseopgaver
Medium	Balanceret afvejning mellem intelligens og hastighed
Instant	Hurtigst mulige svar, reduceret ræsonnement – til afslappede eller tidsfølsomme interaktioner

Niveausystemet lader brugerne skræddersy interaktionsdybde versus latenstid per opgave, svarende til hvordan ChatGPTs tekstmodeller tilbyder forskellige ræsonnementsniveauer. For eksempel vil et hurtigt vejrspørgsmål bruge Instant, mens en dybdegående brainstormingsession vil skifte til High.

Visuelle ændringer i stemmegrænsefladen

Når GPT-Bidi-1 er valgt, skifter stemmeboblen/lydbølgeindikatoren til gul i stedet for den nuværende standardfarve. Modellen vises i indstillingernes modelvælger som en ny mulighed mærket "Bidi (Latest)" sammen med eksisterende Standard Voice og Advanced Voice Mode, i stedet for at erstatte dem.

Udviklingstidslinje og konkurrencemæssig kontekst

• Tidligt 2026: OpenAI begyndte intern udvikling af BiDi-arkitekturen.
• 5. marts 2026: The Information rapporterede, at OpenAI udviklede en tovejs lydmodel for at booste sine stemmeassistenter.
• 7. maj 2026: OpenAI annoncerede GPT-Realtime-2 i API'en – dens første stemmemodel med GPT-5-klasses ræsonnement, som lagde grundlaget for tovejskapaciteter.
• 16.–17. juni 2026: M1Astra og TestingCatalog fandt første gang offentligt kodehenvisninger til gpt-bidi-1.
• 22.–24. juni 2026: Brugerrapporter og demonstrationsvideoer dukkede op, der viste fungerende tovejsadfærd. Flere medier rapporterede, at en bredere udrulning kunne komme inden for samme uge.

Konkurrencemæssig kontekst: Satsningen på tovejs stemmefunktion er et direkte svar på fremskridt fra Google (Gemini Live med afbrydelser), Anthropic og realtids-stemmeagenter fra startups. OpenAI kappes med at bringe stemmeinteraktionsparitet til sin tekstintelligens, som allerede driver GPT-5.5-niveau ræsonnement.