GPT-Bidi-1 全面拆解：OpenAI 雙向語音模型點樣顛覆你同 ChatGPT 嘅對話體驗？

OpenAI 準備緊佢哋有史以來最大規模嘅 ChatGPT 語音升級：一個內部叫做 GPT-Bidi-1 嘅雙向音訊模型。同之前所有嘅 ChatGPT 語音模式唔同，GPT-Bidi-1 可以同一時間聽同講——吸收你嘅打斷、即時修正錯處，仲會調整回應而唔會 cut 咗條音軌。

呢篇文章會講吓 GPT-Bidi-1 係點樣被發現、佢同傳統輪住講嘅語音模式有咩分別、佢引入嘅三個智能級別、ChatGPT 介面嘅視覺改變，同埋佢嘅開發背景同競爭形勢。呢個模型仲未被 OpenAI 官方正式公布，所以所有細節都嚟自程式碼、UI 參考、用戶報告同媒體分析。

GPT-Bidi-1 點樣被發現？

呢條發現鏈由開發者 M1Astra 開始，佢首先喺 ChatGPT 嘅應用程式碼入面見到 gpt-bidi-1 嘅參考，然後喺 X 上面分享咗。跟住追蹤網站 TestingCatalog 確認咗呢個模型字串，仲見到有公告文字形容係「下一代 Voice」同「智能嘅重大躍進」。

之後喺網頁版同手機版嘅 ChatGPT 客戶端都搵到代碼同 UI 元素。到 2026 年 6 月下旬，有一小部分用戶開始收到有限度測試。 去到 2026 年 6 月 22 至 24 號，出現咗好多用戶報告同示範影片，顯示個模型實際上係雙向運作緊。

留意：OpenAI 官方仲未正式公布。模型最終名稱、實際級別行為同推出日期都未被公司確認。

雙向語音同輪住講嘅模式有咩分別？

現時 ChatGPT 嘅語音模式——標準語音同進階語音模式——都係 輪住講 嘅：模型要等你講完先可以回應。GPT-Bidi-1 嘅雙向（BiDi）架構就容許模型同時處理兩條音訊流：你嗰條同佢自己嗰條。

示範入面見到嘅主要行為分別：

• 處理打斷：模型可以喺你講到一半嘅時候吸收打斷，動態調整回應，唔會 freeze 或者 cut 咗條音軌。
• 即時修正：喺測試入面，GPT-Bidi-1 可以同用家一齊由 1 數到 10，然後喺你中途打斷叫佢倒數嗰陣即刻轉做倒數。
• 自然重疊：助手可以喺你仲講緊嘢嘅時候同時講嘢，令對話更加似真人傾偈。

OpenAI 嘅內部目標係要拉近 ChatGPT 語音技術（落後於已經去到 GPT-5.5 級推理嘅文字模型）同即時對話智能之間嘅差距。

三個可揀嘅智能級別

GPT-Bidi-1 係第一個喺語音層面引入 三個可揀嘅智能同速度級別 嘅 OpenAI 語音模型：

級別	說明
High（高）	最高推理深度，回應較慢——適合複雜分析任務
Medium（中）	智能同速度之間嘅平衡取捨
Instant（即時）	最快回應，推理較少——適合 casual 或者爭分奪秒嘅互動

呢個級別系統畀你用家按任務需要調校互動深度同延遲，就好似 ChatGPT 文字模型提供唔同推理級別咁。 例如，問天氣呢啲快嘢就用 Instant，深度腦力激盪就轉做 High。

語音介面嘅視覺改變

揀咗 GPT-Bidi-1 之後，語音泡泡／波形指示器會變成黃色，唔係平時嘅預設顏色。 個模型會喺設定嘅模型選擇器入面出現，標示為 「Bidi (最新)」，同現有嘅標準語音同進階語音模式並列，而唔係取代佢哋。

開發時間線同競爭背景

• 2026 年初：OpenAI 開始內部開發 BiDi 架構。
• 2026 年 3 月 5 日：The Information 報道 OpenAI 正開發一個雙向音訊模型嚟增強語音助手。
• 2026 年 5 月 7 日：OpenAI 喺 API 宣布 GPT-Realtime-2——佢哋第一個配備 GPT-5 級推理嘅語音模型，為雙向能力打下基礎。
• 2026 年 6 月 16 至 17 日：M1Astra 同 TestingCatalog 首次公開發現 gpt-bidi-1 嘅程式碼參考。
• 2026 年 6 月 22 至 24 日：出現咗用戶報告同示範影片，顯示雙向行為已經運作。多個媒體報道話更大規模嘅推出可能會喺同一星期內發生。

競爭背景：呢次雙向語音嘅推進，直接回應咗 Google（Gemini Live 可以打斷）、Anthropic 同多間初创公司嘅即時語音助手嘅進步。OpenAI 正爭取令語音互動追上已經有 GPT-5.5 級推理能力嘅文字智能。