ИИтог

OpenAI представила GPT-Live: новый голосовой режим ChatGPT глазами первого тестировщика

продуктыРедакция ИИтогSimon Willison🔥79Рейтинг ИИтог · значимость 70 · 166667/ч

OpenAI выпустила обновление голосового режима ChatGPT, новую модель под названием GPT-Live, которая заменяет прежний голосовой движок, работавший на модели эры GPT-4o со срезом знаний примерно на 2024 год. Разработчик и блогер Саймон Уиллисон получил ранний доступ к GPT-Live за несколько недель до анонса, в приложении ChatGPT для iPhone, и в своей заметке называет новую модель «очень впечатляющей».

Ключевая особенность GPT-Live, умение незаметно делегировать сложные запросы более мощной модели. Если вопрос требует веб-поиска, глубоких рассуждений или объёмной работы, GPT-Live в фоне передаёт его текущей топовой модели OpenAI, на старте это GPT-5.5, и возвращает готовый результат в разговор, а сама тем временем продолжает поддерживать беседу без пауз. OpenAI обещает и дальше обновлять фоновую модель GPT-Live по мере выхода новых топовых версий.

Уиллисон отмечает, что почти перестал пользоваться прежним голосовым режимом ChatGPT именно из-за возраста и слабости лежавшей в его основе модели, это сильно ограничивало пользу такого режима как партнёра для мозгового штурма. С новой моделью его самый долгий разговор длился целый час, во время прогулки с собакой и фотографирования пеликанов (сову за это время сфотографировать так и не удалось).

В период тестирования Уиллисон столкнулся с неприятным багом: модель периодически перебивала его смехом над репликами, которые вовсе не были шутками, он счёл это грубым и снисходительным поведением. Он сообщил об этом в OpenAI, и, судя по всему, компания что-то поправила, по его наблюдениям, баг стал возникать реже. Пересматривая свои стенограммы, Уиллисон предположил, что именно вызвало один из таких неуместных смешков, сбивчивый вопрос о совах: «куда деваются совы, когда их не видно, например перед сумерками? Совы ведь точно существуют? Может, они прячутся в норах? Где они вообще прячутся?»

Ключевые факты

  • OpenAI обновила голосовой режим ChatGPT: новая модель называется GPT-Live и заменяет прежний голосовой движок на основе устаревшей модели эры GPT-4o (срез знаний около 2024 года).
  • Сложные запросы, веб-поиск, глубокие рассуждения, объёмную работу, GPT-Live в фоне передаёт текущей топовой модели OpenAI (на старте это GPT-5.5) и возвращает готовый результат в разговор, не прерывая беседу; OpenAI обещает обновлять фоновую модель по мере выхода новых версий.
  • Разработчик и блогер Саймон Уиллисон тестировал GPT-Live несколько недель по раннему доступу в приложении ChatGPT для iPhone и назвал новую модель «очень впечатляющей», раньше он почти перестал пользоваться голосовым режимом из-за слабости старой модели.
  • Во время тестирования Уиллисон столкнулся с багом: модель перебивала его смехом над репликами, которые не были шутками, что показалось ему грубым и снисходительным поведением; он сообщил об этом OpenAI, и после правок компании баг стал возникать реже.
  • Самый долгий разговор Уиллисона с новой моделью длился целый час, во время прогулки с собакой и фотографирования пеликанов; фото совы за это время сделать так и не удалось.

Почему это важно

Голосовой режим ChatGPT долго оставался «урезанной» версией продукта: он работал на модели эры GPT-4o со срезом знаний примерно на 2024 год и заметно уступал текстовым флагманам. GPT-Live меняет это, сложные вопросы, требующие веб-поиска или глубоких рассуждений, теперь незаметно уходят в фоне к текущей топовой модели OpenAI (на старте GPT-5.5), а сам голосовой слой продолжает поддерживать живой разговор без пауз. Независимый тестировщик с несколькими неделями раннего доступа охарактеризовал результат как «очень впечатляющий», судя по всему, разрыв в качестве между голосовым и текстовым ChatGPT реально сократился.

Кому это важно

В первую очередь, пользователям голосового режима ChatGPT в приложении, особенно тем, кто, как и автор заметки, почти перестал им пользоваться из-за слабости старой модели: GPT-Live возвращает голосовому чату шанс быть полезным партнёром для мозгового штурма в длинных разговорах, например во время прогулки. Это важно и для самой OpenAI, которая подтягивает голосовой режим к уровню своих топовых текстовых моделей и обещает продолжать обновлять его фоновую модель вместе с выходом новых флагманов.

Как это применить

На момент заметки GPT-Live было доступно по раннему доступу в приложении ChatGPT для iPhone; делегирование сложных запросов происходит автоматически и незаметно для хода разговора, без отдельных действий пользователя. Для длинных голосовых сессий, мозгового штурма, разговора на прогулке, это означает, что можно рассчитывать на связный час-долгий диалог, не упираясь в слабость модели, как раньше. Поскольку речь идёт о ранней тестовой версии, стоит быть готовым к отдельным шероховатостям поведения, пока OpenAI донастраивает модель.

Можно ли доверять

Источник, личная заметка известного независимого разработчика Саймона Уиллисона, основанная на его собственном многонедельном опыте использования GPT-Live по раннему доступу, а не на рекламных материалах OpenAI, поэтому оценка «очень впечатляюще» выглядит как честное личное впечатление, а не маркетинг. При этом описание механизма делегирования сложных задач GPT-5.5, по сути прямая цитата из анонса самой OpenAI, и независимых измерений или бенчмарков в этой конкретной заметке нет. История с багом, неуместный смех модели, выглядит как конкретный, лично пережитый и правдоподобный случай, который добавляет доверия тексту в целом.

Риски и подводные камни

Даже в версии, которую автор назвал «впечатляющей», голосовая модель вела себя не идеально: в период тестирования она перебивала пользователя неуместным смехом над репликами, которые не были шутками, сам Уиллисон характеризует это как грубое и снисходительное поведение. OpenAI, по его словам, внесла правки, но баг стал лишь менее вероятным, а не устранённым полностью, значит, странности в поведении голосовой модели возможны и после исправлений. Кроме того, качество ответов на сложные вопросы зависит от фоновой модели GPT-5.5, к которой GPT-Live обращается за кадром, то есть узкие места и возможные сбои могут возникать и на уровне самой топовой модели.

«Для вопросов, которые требуют веб-поиска, более глубоких рассуждений или более сложной работы, модель незаметно передаёт задачу нашей новейшей топовой модели и возвращает результат в разговор, когда он готов. Пока идёт обработка, GPT-Live продолжает говорить с вами и поддерживать течение беседы. На старте GPT-Live будет использовать GPT-5.5 в фоновом режиме. По мере выхода новых топовых моделей мы будем постоянно обновлять модель, которую использует GPT-Live.»

— OpenAI, анонс GPT-Live