GPT-Bidi-1: OpenAI:n uusi kaksisuuntainen äänimalli mullistaa ChatGPT:n keskustelut

Koodi- ja käyttöliittymäelementtejä löydettiin myöhemmin sekä verkko- että mobiili-ChatGPT-sovelluksista. Rajoitettuja testejä alettiin jakaa pienelle käyttäjäjoukolle kesäkuun 2026 lopulla. Kesäkuun 22.–24. päivänä 2026 ilmestyi useita käyttäjäraportteja ja esittelyvideoita, jotka osoittivat mallin toimivan kaksisuuntaisesti käytännössä.

Huomautus: OpenAI ei ole antanut virallista ilmoitusta. Mallin lopullinen nimi, tarkka tasojen käyttäytyminen ja julkaisupäivä ovat yhä vahvistamatta yrityksen toimesta.

Miten kaksisuuntainen ääni eroaa vuoropohjaisista malleista

Nykyiset ChatGPT:n äänitilat – Standard Voice ja Advanced Voice Mode – toimivat vuoropohjaisessa paradigmassa. Mallin on odotettava, että käyttäjä lopettaa puhumisen ennen kuin se voi vastata. GPT-Bidi-1:n kaksisuuntainen (BiDi) arkkitehtuuri mahdollistaa sen, että malli käsittelee kahta äänivirtaa samanaikaisesti: sinun ja oman äänesi.

Keskeiset käyttäytymiserot, joita on raportoitu esittelyissä:

• Keskeytysten käsittely: Malli pystyy omaksumaan keskeytyksiä keskellä virkettä ja mukauttamaan vastaustaan dynaamisesti jäätymättä tai pudottamatta ääniraitaa.
• Reaaliaikainen korjaus: Testeissä GPT-Bidi-1 laski käyttäjän kanssa luvusta 1 lukuun 10 ja vaihtoi sitten välittömästi laskemaan taaksepäin, kun käyttäjä keskeytti keskellä laskemista.
• Luonnollinen päällekkäisyys: Avustaja voi puhua, kun käyttäjä vielä puhuu, mikä tekee vaihdoista lähempänä ihmisten välistä keskustelua.

OpenAI:n sisäinen tavoite oli kuroa umpeen ChatGPT:n äänipinon – joka oli jäljessä sen tekstimalleista (jotka olivat jo GPT-5.5-luokan päättelykyvyssä) – ja tarjota reaaliaikaisen keskustelun älykkyyden pariteetti.

Kolme valittavaa älykkyystasoa

GPT-Bidi-1 on ensimmäinen OpenAI:n äänimalli, joka esittelee kolme valittavaa älykkyys- ja nopeustasoa äänelle:

Tasojärjestelmä antaa käyttäjien räätälöidä vuorovaikutuksen syvyyttä ja latenssia tehtävän mukaan, samalla tavalla kuin ChatGPT:n tekstimallit tarjoavat eri päättelytasoja. Esimerkiksi nopea säätiedustelu käyttäisi Instant-tasoa, kun taas syvällinen aivoriihi vaihtaisi High-tasoon.

Visuaaliset muutokset äänikäyttöliittymässä

Kun GPT-Bidi-1 on valittuna, äänikuplan/aaltomuotoilmaisimen väri vaihtuu keltaiseksi nykyisen oletusvärin sijaan. Malli näkyy asetusten mallivalitsimessa uutena vaihtoehtona, joka on nimetty "Bidi (Latest)":ksi ja se on olemassa olevien Standard Voice- ja Advanced Voice Mode -tilojen rinnalla, ei niiden korvaajana.

Kehitysaikataulu ja kilpailukonteksti

• Alkuvuosi 2026: OpenAI aloitti BiDi-arkkitehtuurin kehittämisen sisäisesti.
• 5. maaliskuuta 2026: The Information uutisoi, että OpenAI kehitti kaksisuuntaista äänimallia tehostaakseen ääniavustajiaan.
• 7. toukokuuta 2026: OpenAI julkisti GPT-Realtime-2:n API:ssa – ensimmäisen äänimallinsa, jossa on GPT-5-luokan päättelykyky, mikä loi pohjan kaksisuuntaisille ominaisuuksille.
• 16.–17. kesäkuuta 2026: M1Astra ja TestingCatalog havaitsivat julkisesti ensimmäiset koodiviittaukset gpt-bidi-1:een.
• 22.–24. kesäkuuta 2026: Käyttäjäraportteja ja esittelyvideoita ilmestyi, jotka osoittivat kaksisuuntaisen käyttäytymisen toimivan. Useat tiedotusvälineet raportoivat, että laajempi julkaisu saattaa tapahtua saman viikon aikana.

Kilpailukonteksti: Kaksisuuntainen äänipanos vastaa suoraan edistysaskeleisiin, joita Google (Gemini Live keskeytyksineen), Anthropic ja startup-yritysten reaaliaikaiset ääniagentit ovat tehneet. OpenAI kilpailee tuodakseen äänivuorovaikutuksen pariteetin tekstin älykkyydelleen, joka jo ohjaa GPT-5.5-tason päättelyä.