OpenAI idzie na noże z konkurencją: nadchodzi linia GPT-5.6 i nowy tryb głosowy
Rynek modeli AI wchodzi w fazę bezwzględnej rywalizacji o użytkownika profesjonalnego, a OpenAI zamierza uderzyć dwutorowo: zwiększając moc obliczeniową tekstowych gigantów i całkowicie przebudowując interfejs audio. Z przecieków, które obiegły branżę, wynika, że już w nadchodzący wtorek zadebiutuje nowa rodzina modeli GPT-5.6. To strategiczny ruch mający na celu umocnienie dominacji nad Anthropic, który boryka się obecnie z problemami regulacyjnymi w USA.
Architektura wydajności i 1,5 mln tokenów
Nowa linia ma obejmować warianty Standard, Mini oraz najbardziej wyczekiwany – Pro. Pierwsze testy wskazują na znaczący postęp w zadaniach logicznych i programistycznych. Według raportów Android.com.pl oraz CometAPI, model GPT-5.6 Pro zaoferuje okno kontekstowe o pojemności 1,5 miliona tokenów. To wyraźny skok względem miliona tokenów, którymi miał dysponować wcześniejszy model 5.5. Choć pierwsze opinie sugerują, że w prostym web developmencie rewolucji nie widać, to w tworzeniu obiektów 3D nowy silnik deklasuje rywali.
Wojna cenowa i błędy wieku dziecięcego
Sam Altman stawia na agresywną politykę cenową. Raporty wskazują, że koszty tokenów zostaną drastycznie obniżone, co postawi konkurencję pod ścianą finansową. Jednak technologia nie jest wolna od wad. Wczesne interakcje z wersją Pro pokazują skłonność do generowania zbędnych elementów w kodzie. Zauważalny jest też powrót do dużych opóźnień – przy najbardziej złożonych promptach czas przetwarzania sięga niekiedy dziesięciu minut. To cena za zwrotną multimodalność, na którą firma kładzie coraz większy nacisk.
GPT-Bidi-1: głos, który słucha i przerywa
Równolegle OpenAI szykuje premierę GPT-Bidi-1. To nowa generacja systemu audio, oparta na architekturze gpt-realtime, która ma wprowadzić prawdziwą dwukierunkowość. Model będzie potrafił przetwarzać zakłócenia i reagować na przerwanie wypowiedzi. Firma w swoim oficjalnym FAQ podkreśla, że rozmowy te mają pozwalać na ‘bardziej konwersacyjną i naturalną interakcję’. Użytkownicy wersji Plus i Enterprise otrzymają dostęp do nowych funkcji w ciągu dwóch tygodni od ogłoszenia. Interfejs ChatGPT wzbogaci się o interaktywny ‘bąbelek’ głosowy, a użytkownicy wybiorą między trzema poziomami opóźnień: High, Medium oraz Instant.
