GPT-Bidi-1: Всё, что известно о новой голосовой модели OpenAI для ChatGPT

Важное примечание: OpenAI не делала официального объявления. Окончательное название модели, точное поведение уровней и дата запуска не подтверждены компанией.

Чем двунаправленная модель отличается от односторонних

Текущие голосовые режимы ChatGPT — Standard Voice и Advanced Voice Mode — работают по одностороннему принципу. Модель должна дождаться, пока пользователь закончит говорить, прежде чем ответить. Архитектура GPT-Bidi-1 (BiDi) позволяет модели обрабатывать два аудиопотока одновременно: ваш и свой собственный.

Ключевые различия в поведении, отмеченные в демонстрациях:

• Обработка перебиваний: модель может воспринимать перебивания на полуслове и динамически корректировать ответ без зависаний или прерывания аудиопотока.
• Коррекция в реальном времени: в тестах GPT-Bidi-1 считала вместе с пользователем от 1 до 10, а затем мгновенно переключалась на обратный счёт, когда пользователь прерывал её.
• Естественное наложение речи: ассистент может говорить, пока пользователь ещё говорит, что делает диалог более похожим на человеческий.

Внутренняя цель OpenAI — устранить разрыв между голосовым стеком ChatGPT (который отставал от текстовых моделей, уже имеющих уровень рассуждений GPT-5.5) и обеспечить паритет в интеллекте в реальном времени.

Три выбираемых уровня интеллекта

GPT-Bidi-1 — первая голосовая модель OpenAI, вводящая три выбираемых уровня интеллекта и скорости для голосового режима:

Система уровней позволяет пользователям настраивать глубину взаимодействия в зависимости от задержки, аналогично тому, как текстовые модели ChatGPT предлагают различные уровни рассуждений. Например, быстрый запрос погоды будет использовать Instant, а глубокая мозговая атака — High.

Визуальные изменения в голосовом интерфейсе

При выборе GPT-Bidi-1 голосовой пузырь/индикатор волновой формы меняет цвет на жёлтый вместо текущего цвета по умолчанию. Модель появляется в селекторе моделей как новый параметр с пометкой «Bidi (Latest)», располагаясь рядом со Standard Voice и Advanced Voice Mode, а не заменяя их.

Хронология разработки и конкурентный контекст

• Начало 2026 года: OpenAI начала внутреннюю разработку BiDi-архитектуры.
• 5 марта 2026 года: The Information сообщило, что OpenAI разрабатывает двунаправленную аудиомодель для улучшения голосовых ассистентов.
• 7 мая 2026 года: OpenAI анонсировала GPT-Realtime-2 в API — свою первую голосовую модель с рассуждениями уровня GPT-5, что заложило основу для двунаправленных возможностей.
• 16–17 июня 2026 года: M1Astra и TestingCatalog впервые публично заметили ссылки на gpt-bidi-1 в коде.
• 22–24 июня 2026 года: Появились сообщения пользователей и демонстрационные видео, показывающие двунаправленное поведение. Многие СМИ сообщили, что более широкий запуск может произойти в течение той же недели.

Конкурентный контекст: Ускоренное развитие двунаправленного голоса является прямым ответом на достижения Google (Gemini Live с возможностью перебивания), Anthropic и стартапов, создающих голосовых агентов в реальном времени. OpenAI стремится достичь паритета в голосовом взаимодействии с текстовым интеллектом, который уже обеспечивает рассуждения уровня GPT-5.5.