GPT-Bidi-1: OpenAI szykuje rewolucję w rozmowach głosowych z ChatGPT

Zastrzeżenie: OpenAI nie wydało oficjalnego komunikatu. Ostateczna nazwa modelu, dokładne działanie poziomów ani data premiery nie zostały potwierdzone przez firmę.

Czym różni się tryb dwukierunkowy od modeli „na zmianę”

Obecne tryby głosowe ChatGPT – Standardowy Głos i Zaawansowany Tryb Głosowy – działają w paradygmacie naprzemiennym (turn-based). Model musi poczekać, aż użytkownik skończy mówić, zanim odpowie. Dwukierunkowa (BiDi) architektura GPT-Bidi-1 pozwala na jednoczesne przetwarzanie dwóch strumieni audio: użytkownika i własnego.

Najważniejsze różnice widoczne w testach:

• Obsługa przerw: Model może przyjąć przerwę w środku zdania i dynamicznie dostosować odpowiedź bez zawieszenia.
• Korekta w czasie rzeczywistym: W testach GPT-Bidi-1 liczył razem z użytkownikiem od 1 do 10, a po przerwaniu i poproszeniu o odliczanie wstecz od razu zmieniał kierunek.
• Naturalne nakładanie się głosów: Asystent może mówić, gdy użytkownik jeszcze nie skończył – rozmowa staje się bardziej naturalna.

Wewnętrznym celem OpenAI było zniwelowanie luki między możliwościami głosowymi ChatGPT a jego modelami tekstowymi (które już osiągnęły poziom wnioskowania GPT-5.5).

Trzy poziomy inteligencji do wyboru

GPT-Bidi-1 to pierwszy model głosowy OpenAI, który wprowadza trzy poziomy inteligencji i szybkości:

System poziomów pozwala dostosować głębokość interakcji do zadania: szybkie pytanie o pogodę uruchomi tryb Instant, a burza mózgów – Wysoki.

Zmiany w interfejsie

Po wybraniu GPT-Bidi-1 wskaźnik (bańka/fala głosu) zmienia kolor na żółty. Model pojawia się w ustawieniach jako osobna opcja „Bidi (Latest)”, obok Standardowego Głosu i Zaawansowanego Trybu Głosowego – nie zastępuje ich.

Harmonogram i kontekst konkurencyjny

• Początek 2026 r.: OpenAI rozpoczęło wewnętrzne prace nad architekturą BiDi.
• 5 marca 2026 r.: The Information poinformowało, że OpenAI opracowuje dwukierunkowy model audio.
• 7 maja 2026 r.: OpenAI ogłosiło GPT-Realtime-2 w API – pierwszy model głosowy z wnioskowaniem klasy GPT-5, który położył podwaliny pod dwukierunkowość.
• 16–17 czerwca 2026 r.: M1Astra i TestingCatalog po raz pierwszy publicznie zauważyli kod gpt-bidi-1.
• 22–24 czerwca 2026 r.: Pojawiły się doniesienia i filmy demonstrujące działanie modelu. Wiele mediów spekuluje, że szersze wdrożenie nastąpi w tym samym tygodniu.

Kontekst konkurencyjny: Dwukierunkowy głos jest bezpośrednią odpowiedzią na postępy Google (Gemini Live z możliwością przerywania), Anthropic oraz start-upów oferujących agentów głosowych czasu rzeczywistego. OpenAI spieszy się, by dorównać swoim własnym modelom tekstowym (GPT-5.5).