GPT-Bidi-1: tutto quello che sappiamo sul nuovo modello vocale bidirezionale di OpenAI per ChatGPT

OpenAI si prepara a lanciare il più grande aggiornamento della modalità vocale di ChatGPT: un modello audio bidirezionale chiamato internamente GPT-Bidi-1. A differenza di tutte le precedenti modalità vocali di ChatGPT, che aspettano che l'utente finisca di parlare prima di rispondere, GPT-Bidi-1 è in grado di ascoltare e parlare allo stesso tempo — assorbendo le interruzioni, correggendo gli errori in tempo reale e adattando le risposte senza interrompere il flusso audio.

Questo articolo spiega come è stato scoperto GPT-Bidi-1, cosa lo differenzia dalla voce a turni, i tre livelli di intelligenza che introduce, il cambiamento visivo nell'interfaccia di ChatGPT e il contesto competitivo del suo sviluppo. Il modello non è stato ancora annunciato ufficialmente da OpenAI, quindi tutti i dettagli provengono da avvistamenti nel codice, riferimenti nell'interfaccia utente, segnalazioni di utenti e analisi della stampa specializzata.

Come è stato scoperto GPT-Bidi-1

La catena delle scoperte è iniziata con lo sviluppatore M1Astra, che per primo ha individuato riferimenti a gpt-bidi-1 nel codice dell'app di ChatGPT e ha condiviso la scoperta su X. Il sito di tracking TestingCatalog ha poi confermato la stringa del modello, insieme a quello che sembrava essere il testo di un annuncio che descriveva "la prossima generazione di Voice" e un "grande balzo nell'intelligenza".

Successivamente, sono stati trovati elementi di codice e dell'interfaccia utente sia sul web che sui client mobili di ChatGPT. Test limitati hanno iniziato a raggiungere un piccolo gruppo di utenti alla fine di giugno 2026. Tra il 22 e il 24 giugno 2026, sono emerse numerose segnalazioni di utenti e video dimostrativi che mostravano il modello funzionare in modalità bidirezionale.

Attenzione: OpenAI non ha rilasciato alcun annuncio ufficiale. Il nome finale del modello, il comportamento esatto dei livelli e la data di lancio rimangono non confermati dall'azienda.

La differenza tra voce bidirezionale e modelli a turni

Le attuali modalità vocali di ChatGPT — Voce Standard e Modalità Vocale Avanzata — operano in un paradigma a turni. Il modello deve aspettare che l'utente finisca di parlare prima di poter rispondere. L'architettura bidirezionale (BiDi) di GPT-Bidi-1 consente al modello di elaborare due flussi audio contemporaneamente: il tuo e il suo.

Le principali differenze comportamentali emerse dalle dimostrazioni:

• Gestione delle interruzioni: Il modello può assorbire le interruzioni a metà frase e adattare dinamicamente la sua risposta senza bloccarsi o interrompere la traccia audio.
• Correzione in tempo reale: Nei test, GPT-Bidi-1 ha contato insieme a un utente da 1 a 10, per poi passare immediatamente a contare all'indietro quando l'utente lo ha interrotto a metà.
• Sovrapposizione naturale: L'assistente può parlare mentre l'utente sta ancora parlando, rendendo gli scambi più simili a una conversazione umana.

L'obiettivo interno di OpenAI era colmare il divario tra lo stack vocale di ChatGPT — che era in ritardo rispetto ai suoi modelli di testo (già a livello di ragionamento GPT-5.5) — e fornire parità di intelligenza conversazionale in tempo reale.

Tre livelli di intelligenza selezionabili

GPT-Bidi-1 è il primo modello vocale di OpenAI a introdurre tre livelli di intelligenza e velocità selezionabili per la voce:

Livello	Descrizione
High	Massima profondità di ragionamento, risposta più lenta — per attività di analisi complesse
Medium	Compromesso equilibrato tra intelligenza e velocità
Instant	Risposta più veloce possibile, ragionamento ridotto — per interazioni casuali o urgenti

Il sistema a livelli consente agli utenti di adattare la profondità dell'interazione rispetto alla latenza per ogni attività, in modo simile a come i modelli di testo di ChatGPT offrono diversi livelli di ragionamento. Ad esempio, una rapida richiesta sul meteo utilizzerebbe Instant, mentre una sessione di brainstorming approfondita passerebbe a High.

Cambiamenti visivi nell'interfaccia vocale

Quando si seleziona GPT-Bidi-1, la bolla vocale/indicatore d'onda diventa gialla invece del colore predefinito attuale. Il modello appare nel selettore dei modelli delle impostazioni come una nuova opzione etichettata "Bidi (Latest)" insieme alla Voce Standard e alla Modalità Vocale Avanzata esistenti, senza sostituirle.

Cronologia dello sviluppo e contesto competitivo

• Inizio 2026: OpenAI ha iniziato a sviluppare l'architettura BiDi internamente.
• 5 marzo 2026: The Information ha riportato che OpenAI stava sviluppando un modello audio bidirezionale per potenziare i suoi assistenti vocali.
• 7 maggio 2026: OpenAI ha annunciato GPT-Realtime-2 nell'API — il suo primo modello vocale con ragionamento di classe GPT-5, che ha gettato le basi per le capacità bidirezionali.
• 16-17 giugno 2026: M1Astra e TestingCatalog hanno individuato pubblicamente per la prima volta riferimenti nel codice per gpt-bidi-1.
• 22-24 giugno 2026: Sono emerse segnalazioni di utenti e video dimostrativi che mostravano un comportamento bidirezionale funzionante. Diverse testate hanno riportato che un lancio più ampio potrebbe avvenire nella stessa settimana.

Contesto competitivo: La spinta verso la voce bidirezionale risponde direttamente ai progressi di Google (Gemini Live con interruzioni), Anthropic e agli agenti vocali in tempo reale delle startup. OpenAI sta correndo per portare la parità di interazione vocale alla sua intelligenza testuale, che già alimenta il ragionamento di livello GPT-5.5.