OpenAI wprowadza GPT-Live: Koniec z mechanicznymi pauzami w rozmowie z AI

Koniec z czekaniem na swoją kolej. OpenAI właśnie rozbiło szklaną ścianę w komunikacji z maszyną, wprowadzając GPT-Live – system, który nie tylko mówi, ale też słucha w tym samym czasie. To fundament nowej architektury full-duplex, dzięki której ChatGPT nareszcie porzuca irytujący tryb porcjowania informacji na rzecz naturalnego, ludzkiego dialogu.

Przełom następuje w momencie, gdy potrzebujemy bardziej użytecznych i szybkich odpowiedzi w codziennych zadaniach. Nowy model gpt-realtime osiąga już 30,5% w benchmarku MultiChallenge audio, co stanowi wyraźny skok w porównaniu do 20,6% notowanych jeszcze pod koniec 2024 roku. Kluczem jest tu rezygnacja z sekwencyjnego przetwarzania danych – AI nie musi już czekać, aż skończysz zdanie, by zacząć o nim myśleć.

Dialog, a nie monolog

W tradycyjnych asystentach głosowych rozmowa przypominała korzystanie z porównywanych do walkie-talkie kanałów: jedna strona mówi, druga czeka. GPT-Live eliminuje tę barierę. Model na bieżąco analizuje sygnały audio, co umożliwia reagowanie na wtrącenia czy prośby o doprecyzowanie w trakcie generowania wypowiedzi. System potrafi używać naturalnych wypełniaczy, jak potaknięcia – sprawia to, że te interakcje tracą swój dotychczasowy, syntetyczny charakter.

System debiutuje w dwóch wariantach. Pełny GPT-Live-1 trafił do subskrybentów planów Plus, Team i Pro, a lżejsza wersja „mini” zasili konta darmowe. OpenAI udostępniło tę technologię na iOS, Androidzie oraz w przeglądarkach, dążąc do całkowitego ujednolicenia doświadczenia użytkownika.

Mózg i usta pracują oddzielnie

Największym skokiem jest rozdzielenie zarządzania rozmową od procesów logicznych. OpenAI przyznało, że wcześniejsze modele głosowe zawodziły przy trudnych pytaniach, bo próbowały generować odpowiedź „w locie” bez głębszej analizy. Teraz GPT-Live działa jako interfejs, który trudne zadania przekazuje do potężnego modelu GPT-5.5 pracującego w tle. Jak zauważają twórcy: „GPT-5 jest mądrzejszy w każdym aspekcie, zapewniając bardziej użyteczne odpowiedzi w dziedzinie matematyki, nauki, finansów czy prawa”.

Skok jakościowy potwierdzają liczby. W teście rozumowania naukowego GPT-Live-1 osiąga 84,2%, deklasując poprzedni tryb Advanced Voice Mode, który ledwo przekraczał 45%. Rekordowy wzrost widać w aktywnym przeszukiwaniu sieci – tutaj skuteczność podskoczyła z marginalnego 0,7% do imponujących 75,2%. Użytkownik może teraz sam regulować poziom refleksyjności AI przy pomocy nowych parametrów personalizacji.

Ryzyko nadmiernej empatii

Naturalność GPT-Live budzi pytania o bezpieczeństwo emocjonalne. Badania wskazują, że gdy AI brzmi jak człowiek, łatwiej o niezdrową zależność. OpenAI wprowadziło więc zabezpieczenia działające w czasie rzeczywistym. Algorytmy potrafią wykryć ryzykowny temat jeszcze zanim użytkownik dokończy zdanie, co pozwala na błyskawiczną zmianę kursu rozmowy lub zaoferowanie pomocy.

Wizualnie ChatGPT Voice także się zmienił – potrafi teraz wyświetlać karty z kursami akcji czy prognozą pogody bez przerywania głosu. Choć na razie brakuje udostępniania wideo, priorytetem firmy jest sprawienie, by rozmowa z algorytmem przestała być cyfrowym obowiązkiem, a stała się płynnym doświadczeniem bliskim ludzkiemu dialogowi.