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

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:

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.