GPT-Bidi-1: OpenAI:s banbrytande röstmodell för ChatGPT

OpenAI förbereder sin största röstuppgradering hittills för ChatGPT: en tvåvägs ljudmodell internt kallad GPT-Bidi-1. Till skillnad från alla tidigare röstlägen för ChatGPT, som väntar på att användaren ska sluta prata innan den svarar, kan GPT-Bidi-1 lyssna och prata samtidigt – absorbera avbrott, korrigera misstag i realtid och justera sina svar utan att tappa ljudspåret.

Denna artikel täcker hur GPT-Bidi-1 upptäcktes, vad som skiljer den från turordningsbaserad röst, de tre intelligensnivåer den introducerar, den visuella förändringen av ChatGPT-gränssnittet och den konkurrensutsatta kontexten för dess utveckling. Modellen har inte officiellt tillkännages av OpenAI, så alla detaljer kommer från kodfynd, UI-referenser, användarrapporter och medieanalys.

Hur GPT-Bidi-1 upptäcktes

Upptäcktskedjan började med utvecklaren M1Astra, som först såg referenser till gpt-bidi-1 i ChatGPT:s appkod och delade fyndet på X. Spårningssajten TestingCatalog bekräftade sedan modellsträngen, tillsammans med vad som såg ut att vara tillkännagivandetext som beskrev "nästa generation av Voice" och ett "stort språng inom intelligens."

Kod och UI-element hittades därefter på både webb- och mobilklienter för ChatGPT. Begränsade tester började flöda till en liten delmängd användare i slutet av juni 2026. Den 22–24 juni 2026 dök flera användarrapporter och demonstrationsvideor upp som visade modellen fungera tvåvägs i praktiken.

Varning: OpenAI har inte utfärdat något officiellt tillkännagivande. Modellens slutliga namn, exakta nivåbeteende och lanseringsdatum bekräftas inte av företaget.

Hur tvåvägs röst skiljer sig från turordningsbaserade modeller

Nuvarande ChatGPT-röstlägen — Standard Voice och Advanced Voice Mode — fungerar i ett turordningsbaserat paradigm. Modellen måste vänta på att användaren ska sluta prata innan den kan svara. GPT-Bidi-1:s tvåvägsarkitektur (BiDi) gör att modellen kan bearbeta två ljudströmmar samtidigt: din och sin egen.

Viktiga beteendeskillnader som rapporterats i demonstrationer:

• Avbrottshantering: Modellen kan absorbera avbrott mitt i en mening och dynamiskt justera sitt svar utan att frysa eller tappa ljudspåret.
• Realtidskorrigering: I tester räknade GPT-Bidi-1 tillsammans med en användare från 1 till 10, för att omedelbart växla till att räkna baklänges när användaren avbröt mitt i.
• Naturlig överlappning: Assistenten kan prata medan användaren fortfarande talar, vilket gör utbyten närmare mänsklig konversation.

OpenAI:s interna mål var att minska gapet mellan ChatGPT:s röststack — som låg efter dess textmodeller (redan på GPT-5.5-klass resonemang) — och leverera paritet i realtidskonversationsintelligens.

Tre valbara intelligensnivåer

GPT-Bidi-1 är den första OpenAI-röstmodellen som introducerar tre valbara intelligens- och hastighetsnivåer för röst:

Nivå	Beskrivning
High	Maximal resonemangsdjup, långsammare svar – för komplexa analysuppgifter
Medium	Balanserad avvägning mellan intelligens och hastighet
Instant	Snabbast möjliga svar, reducerat resonemang – för vardagliga eller tidskänsliga interaktioner

Nivåsystemet låter användare skräddarsy interaktionsdjup kontra latens per uppgift, liknande hur ChatGPT:s textmodeller erbjuder olika resonemangsnivåer. Till exempel skulle en snabb väderfråga använda Instant, medan en djup brainstorming-session skulle växla till High.

Visuella förändringar i röstgränssnittet

När GPT-Bidi-1 är vald ändras röstbubblan/vågformindikatorn till gul istället för den nuvarande standardfärgen. Modellen visas i inställningarnas modellväljare som ett nytt alternativ märkt "Bidi (Latest)" tillsammans med befintliga Standard Voice och Advanced Voice Mode, snarare än att ersätta dem.

Utvecklingstidslinje och konkurrenskontext

• Tidigt 2026: OpenAI började utveckla BiDi-arkitekturen internt.
• 5 mars 2026: The Information rapporterade att OpenAI utvecklade en tvåvägs ljudmodell för att boosta sina röstassistenter.
• 7 maj 2026: OpenAI tillkännagav GPT-Realtime-2 i API:et – sin första röstmodell med GPT-5-klass resonemang, vilket lade grunden för tvåvägskapacitet.
• 16–17 juni 2026: M1Astra och TestingCatalog såg för första gången offentligt kodreferenser för gpt-bidi-1.
• 22–24 juni 2026: Användarrapporter och demonstrationsvideor dök upp som visade fungerande tvåvägsbeteende. Flera medier rapporterade att en bredare utrullning kunde komma inom samma vecka.

Konkurrenskontext: Satsningen på tvåvägs röst är ett direkt svar på framsteg från Google (Gemini Live med avbrott), Anthropic och realtidsröstagenter från startups. OpenAI tävlar om att uppnå röstinteraktionsparitet med sin textintelligens, som redan driver GPT-5.5-nivå resonemang.