GPT-Bidi-1: Alt vi vet om OpenAIs nye tovegs talemodell for ChatGPT

Forbehold: OpenAI har ikke kommet med noen offisiell kunngjøring. Modellens endelige navn, nøyaktige nivåoppførsel og lanseringsdato er fortsatt ubekreftet av selskapet.

Hvordan toveis tale skiller seg fra turtakingsmodeller

Dagens talemoduser i ChatGPT – Standard Voice og Advanced Voice Mode – opererer i et turtakingsparadigme. Modellen må vente på at brukeren blir ferdig med å snakke før den kan svare. GPT-Bidi-1s toveis (BiDi) arkitektur gjør at modellen kan behandle to lydstrømmer samtidig: din og sin egen.

Viktige atferdsforskjeller rapportert i demonstrasjoner:

• Håndtering av avbrytelser: Modellen kan absorbere avbrytelser midt i en setning og dynamisk justere svaret uten å fryse eller miste lydsporet.
• Sanntidskorrigering: I tester telte GPT-Bidi-1 sammen med en bruker fra 1 til 10, og byttet umiddelbart til å telle baklengs da brukeren avbrøt midt i tellingen.
• Naturlig overlapping: Assistenten kan snakke mens brukeren fortsatt snakker, noe som gjør samtalene mer lik menneskelig kommunikasjon.

OpenAIs interne mål var å tette gapet mellom ChatGPTs talestabel – som lå etter tekstmodellene (allerede på GPT-5.5-klasses resonnering) – og levere paritet i sanntids samtaleforståelse.

Tre valgbare intelligensnivåer

GPT-Bidi-1 er den første talemodellen fra OpenAI som introduserer tre valgbare intelligens- og hastighetsnivåer for tale:

Nivåsystemet lar brukere skreddersy interaksjonsdybde versus responstid per oppgave, på samme måte som ChatGPTs tekstmodeller tilbyr ulike resonneringsnivåer. For eksempel ville et raskt værsøk bruke Instant, mens en dyp idémyldringsøkt ville bytte til Høy.

Visuelle endringer i talegrensesnittet

Når GPT-Bidi-1 er valgt, endres taleboblen/bølgeformindikatoren til gul i stedet for den nåværende standardfargen. Modellen vises i innstillingens modellvelger som et nytt alternativ merket «Bidi (Latest)» sammen med eksisterende Standard Voice og Advanced Voice Mode, snarere enn å erstatte dem.

Utviklingstidslinje og konkurransemessig kontekst

• Tidlig 2026: OpenAI begynte internt å utvikle BiDi-arkitekturen.
• 5. mars 2026: The Information rapporterte at OpenAI utviklet en toveis talemodell for å styrke talassistentene sine.
• 7. mai 2026: OpenAI annonserte GPT-Realtime-2 i API-et – sin første talemodell med GPT-5-klasses resonnering, som la grunnlaget for toveis funksjonalitet.
• 16.–17. juni 2026: M1Astra og TestingCatalog oppdaget først offentlig kodereferanser til gpt-bidi-1.
• 22.–24. juni 2026: Brukerrapporter og demonstrasjonsvideoer dukket opp som viste toveis funksjonalitet i praksis. Flere medier meldte at en bredere lansering kunne komme i løpet av samme uke.

Konkurransemessig kontekst: Satsingen på toveis tale er et direkte svar på fremskritt fra Google (Gemini Live med avbrytelser), Anthropic og sanntids taleløsninger fra oppstartsselskaper. OpenAI kappløper for å bringe taleinteraksjon på nivå med tekstintelligensen, som allerede driver GPT-5.5-klasses resonnering.