OpenAI GPT-Live-1 i GPT-Live-1 mini: modele głosowe full-duplex, które przerywają, przekierowują do GPT-5.5 i generują obrazy w trakcie rozmowy

8 lipca 2026 r. OpenAI uruchomiło GPT-Live — nową rodzinę modeli głosowych, które zmieniają sposób interakcji z asystentami AI. Zamiast sztywnego schematu „ja mówię, ty słuchasz”, GPT-Live-1 i GPT-Live-1 mini wykorzystują architekturę full-duplex, czyli mogą jednocześnie słuchać i mówić. Nowe modele trafiają od dziś do wszystkich użytkowników ChatGPT .

Poniżej znajduje się szczegółowy, oparty na faktach opis tych modeli, ich zalet w porównaniu z poprzednikami, twórców oraz kontekstu rynkowego.

Czym są GPT-Live-1 i GPT-Live-1 mini?

GPT-Live występuje w dwóch wersjach :

• GPT-Live-1 — trafia do płatnych subskrybentów ChatGPT (Go, Plus, Pro)
• GPT-Live-1 mini — trafia do użytkowników darmowych

Oba modele zastępują dotychczasowy Advanced Voice Mode. Zostały zbudowane w architekturze full-duplex, która nieprzerwanie przetwarza przychodzący dźwięk i jednocześnie generuje odpowiedź, w przeciwieństwie do starego półdupleksu, w którym model musiał skończyć mówić, zanim usłyszał użytkownika .

OpenAI podkreśla, że koszty inferencji spadły na tyle, że ekonomicznie opłaca się udostępniać ten model również za darmo . Na starcie GPT-Live korzysta z modelu GPT-5.5 do rozumowania .

Jak full-duplex zmienia rozmowy z asystentem?

Pełny dupleks zmienia odczucia z rozmowy na trzy konkretne sposoby, które OpenAI zaprezentowało podczas briefingu.

1. Naturalne przerywanie i zmiana kolejności

Model można przerwać w połowie zdania — zatrzymuje się i słucha, zamiast mówić dalej. Wykrywa też, gdy użytkownik zawaha się w trakcie myśli i czeka, zamiast wcinać się . Product lead Atty Eleti powiedział podczas briefingu: „To jest model full-duplex” .

Model może również dawać znać, że słucha, używając „mhmm” lub „tak”, podczas gdy użytkownik jeszcze mówi, a gdy trzeba pomyśleć — po prostu milczy .

2. Delegowanie złożonych zadań do modeli tekstowych w tle

Kiedy GPT-Live napotyka trudne pytanie, deleguje rozumowanie do najnowszych modeli tekstowych OpenAI (np. GPT-5.5) w tle, podczas gdy sam kontynuuje rozmowę z użytkownikiem . Lider badań Kundan Kumar wyjaśnił: „Kiedy GPT-Live musi się głębiej zastanowić nad pytaniem, może oddelegować rozumowanie i złożone zadanie do GPT-5.5 w tle, podczas gdy GPT-Live nadal rozmawia z użytkownikiem” . Dzięki temu użytkownicy nie czekają, aż model głosowy przemyśli skomplikowane kwestie — przejście od analizy do odpowiedzi jest niemal natychmiastowe .

3. Obrazy generowane w trakcie rozmowy

GPT-Live może uzupełniać rozmowę o widoczne na ekranie elementy — obrazy, diagramy czy inne treści generowane przez AI — tworząc w ten sposób multimodalne doświadczenie wykraczające poza czystą rozmowę głosową . The Verge donosi, że model będzie uzupełniał rozmowy o pogodzie, akcjach i sporcie wygenerowanymi obrazami .

Razem te cechy sprawiają, że rozmowy przypominają naturalny dialog. Business Insider opisał asystenta jako „takiego, który chce, żebyś mu przerywał” . Nagłówek The Verge brzmiał: „lepiej umie milczeć” .

Kto kierował rozwojem?

W briefingach prasowych i doniesieniach medialnych wymieniane są dwie kluczowe osoby:

• Kundan Kumar — lider badań nad GPT-Live, określany przez The Verge jako „lider badawczy OpenAI” dla tego projektu . Do OpenAI dołączył z Character.AI w połowie 2025 r. i został głównym liderem projektu audio AI .
• Atty Eleti — product lead ds. ChatGPT Voice, który prezentował model podczas transmisji na żywo .

Wcześniejsze doniesienia ze stycznia 2026 r. wymieniały także lidera infrastruktury Bena Newhouse'a i product managera Jackie Shannon jako zaangażowanych w restrukturyzację działu audio AI .

Harmonogram wdrożenia

• 8 lipca 2026 — globalne wdrożenie rozpoczęło się u wszystkich użytkowników ChatGPT na iOS, Androida i w przeglądarce: GPT-Live-1 dla subskrybentów, GPT-Live-1 mini dla darmowych .
• Również 7–8 lipca OpenAI udostępniło nowe modele API Realtime (gpt-realtime-2.1 i gpt-realtime-2.1-mini) z 25-procentowym niższym opóźnieniem p95 dzięki ulepszonemu buforowaniu .

Jedno ograniczenie przy starcie: GPT-Live na razie nie obsługuje głosu z wideo .

Inne ważne premiery AI w tym samym tygodniu

OpenAI uruchomiło GPT-Live w wyjątkowo gorącym tygodniu dla branży AI.

EkOSystem OpenAI:

• Oczekiwano, że GPT-5.6 (warianty Sol, Terra i Luna) zostanie udostępniony publicznie 9 lipca 2026, poszerzając dostęp po wcześniejszym ograniczonym wdrożeniu .

Konkurencja i inne wiadomości:

• Anthropic — Na początku lipca wydało znaczącą aktualizację Claude Sonnet 5 z lepszym wykonywaniem instrukcji i generowaniem kodu . Administracja Trumpa zniosła również kontrole eksportu na modele Fable 5 i Mythos 5 .
• Google DeepMind — Udostępniło NanoBanana 2 Lite, model generowania obrazów działający w czasie poniżej 4 sekund w cenie 0,034 USD za 1000 obrazów .
• Meta — Podobno przygotowuje się do oferowania usług neocloud, a także jest pod presją rządu USA w kwestii bezpieczeństwa AI .
• SpaceXAI (xAI) —Podobno przygotowuje nowe modele AI we współpracy z Anysphere (Cursor) .
• Chiny — Rozpoczęło się 9-dniowe odliczanie do nowego chińskiego prawa o towarzyszach AI, które wymusi zamknięcie agentów dotykających 345 milionów użytkowników Doubao .
• Biały Dom — Oczekiwano ogłoszenia dobrowolnych standardów modeli AI .