GPT-Bidi-1: усе, що ми знаємо про двоспрямовану голосову модель OpenAI для ChatGPT

Застереження: OpenAI не робила офіційного оголошення. Остаточна назва моделі, точна поведінка рівнів і дата випуску залишаються непідтвердженими компанією.

Чим двоспрямований голос відрізняється від покрокових моделей

Поточні голосові режими ChatGPT — Standard Voice та Advanced Voice Mode — працюють за покроковою парадигмою. Модель повинна чекати, поки користувач закінчить говорити, перш ніж відповісти. Архітектура GPT-Bidi-1 (BiDi — bidirectional) дозволяє моделі обробляти два аудіопотоки одночасно: ваш і власний.

Ключові відмінності в поведінці, зафіксовані в демонстраціях:

• Обробка переривань: Модель може вловлювати переривання посеред речення та динамічно коригувати свою відповідь без зависання або втрати аудіопотоку.
• Корекція в реальному часі: У тестах GPT-Bidi-1 рахувала разом із користувачем від 1 до 10, а потім миттєво переключалася на зворотний відлік, коли користувач переривав її посеред процесу.
• Природне накладання: Асистент може говорити, поки користувач ще говорить, роблячи обмін більш схожим на людську розмову.

Внутрішньою метою OpenAI було подолати розрив між голосовим стеком ChatGPT, який відставав від текстових моделей (уже на рівні міркувань GPT-5.5), і забезпечити паритет у розмовному інтелекті в реальному часі.

Три вибіркові рівні інтелекту

GPT-Bidi-1 — це перша голосова модель OpenAI, яка впроваджує три вибіркові рівні інтелекту та швидкості для голосу:

Система рівнів дозволяє користувачам налаштовувати глибину взаємодії порівняно із затримкою залежно від завдання, подібно до того, як текстові моделі ChatGPT пропонують різні рівні міркувань. Наприклад, швидкий запит про погоду використовуватиме Instant, тоді як глибокий мозковий штурм перемкнеться на High.

Візуальні зміни в голосовому інтерфейсі

Коли GPT-Bidi-1 вибрано, індикатор голосової бульбашки/хвилі змінює колір на жовтий замість поточного стандартного кольору. Модель з'являється в селекторі моделей у налаштуваннях як нова опція з позначкою "Bidi (Latest)" поряд із існуючими Standard Voice та Advanced Voice Mode, не замінюючи їх.

Часова лінія розробки та конкурентний контекст

• Початок 2026 року: OpenAI почала внутрішню розробку BiDi-архітектури.
• 5 березня 2026 року: The Information повідомило, що OpenAI розробляє двоспрямовану аудіомодель для вдосконалення своїх голосових асистентів.
• 7 травня 2026 року: OpenAI анонсувала GPT-Realtime-2 в API — свою першу голосову модель із міркуваннями класу GPT-5, яка заклала основу для двоспрямованих можливостей.
• 16–17 червня 2026 року: M1Astra та TestingCatalog вперше публічно виявили посилання на код gpt-bidi-1.
• 22–24 червня 2026 року: З'явилися звіти користувачів і демонстраційні відео, що показують робочу двоспрямовану поведінку. Багато джерел повідомили, що ширше розгортання може відбутися протягом того ж тижня.

Конкурентний контекст: Поштовх до двоспрямованого голосу є прямою відповіддю на досягнення Google (Gemini Live із перериваннями), Anthropic та стартапів, що створюють голосових агентів реального часу. OpenAI прагне досягти паритету в голосовій взаємодії зі своїм текстовим інтелектом, який уже забезпечує міркування рівня GPT-5.5.