ChatGPT przestaje zmuszać do czekania: GPT-Live trafia do 150 milionów użytkowników

Kiedy wcześniej rozmawiałeś z ChatGPT, czekałeś. Model przetwarzał twoją mowę, generował odpowiedź i ją przekazywał — a potem czekał na twoją kolej. Ta architektura, nazywana turn-based (naprzemienną), to sposób, w jaki działała większość głosowej AI od pierwszych komercyjnych wdrożeń. OpenAI właśnie ją porzuciło.

GPT-Live działa w architekturze full-duplex, co oznacza, że przetwarza napływającą mowę i jednocześnie generuje własną odpowiedź. Praktyczna różnica jest taka, że możesz przerwać modelowi w pół zdania — a on się zatrzymuje. Potrafi rejestrować krótkie wtracenia, pytania czy zmiany kierunku rozmowy, bez wymogu, by któreś ze stron najpierw dokończyło swoją wypowiedź. OpenAI rozpoczęło dziś globalne wdrażanie, udostępniając GPT-Live-1 płatnym subskrybentom (Go, Plus, Pro) oraz GPT-Live-1 mini użytkownikom darmowym — zastępując Advanced Voice Mode bez pytania o zgodę.

150 milionów ludzi, którzy co tydzień korzystają z głosowych funkcji ChatGPT, odczuje tę zmianę najbardziej w dwóch sytuacjach: w rozmowach, które szybko zmieniają kierunek, oraz w zniknięciu pauzy, która wcześniej sygnalizowała, że model skończył mówić. GPT-Live potrafi sygnalizować uwagę krótkimi potwierdzeniami — „mhm”, „ta” — albo po prostu milczeć, gdy mówca jeszcze myśli. Gdy rozmowa wymaga przeszukania sieci, głębszego rozumowania lub złożonej pracy, cicho deleguje zadanie do modelu frontier działającego w tle i zwraca wynik do bieżącej wymiany.

Tu pojawia się akapit sceptycyzmu. Full-duplex nie oznacza, że GPT-Live stał się lepszy w rozumieniu tego, co mówisz — oznacza, że potrafi naturalniej reagować na rytm rozmowy. Wstępne testy sugerują, że gdy rozmówca wygłasza długie, gęste wyjaśnienie, model czasami potwierdza wypowiedź, zanim w pełni przetworzy jej znaczenie. System działa także w całości na serwerach OpenAI, więc każda głosowa rozmowa zależy od połączenia o niskim opóźnieniu, którego nie wszyscy z 150 milionów cotygodniowych użytkowników mają w równym stopniu. Regiony z wolniejszą infrastrukturą mogą przekonać się, że ambicje czasu rzeczywistego GPT-Live wyprzedzają rzeczywistość sieciową, na której są oparte.

Jest też strukturalne pytanie o samo przeniesienie. OpenAI automatycznie przesunęło całą swoją bazę aktywnych głosowo użytkowników na nowy system, nie wymagając zgody. Firma przedstawia to jako ulepszenie — i pod wieloma względami tak jest. Ale jest to także zmiana modelu interakcji, do którego miliony ludzi dostosowały swoje oczekiwania — i to bez podanej daty wycofania poprzedniego systemu.

OpenAI nie ogłosiło zmian cen dla obecnych subskrybentów ChatGPT w związku z GPT-Live. Wdrożenie ma objąć wszystkich użytkowników na świecie w ciągu najbliższych dni. Oficjalna data wycofania Advanced Voice Mode nie została potwierdzona.

Tagi: OpenAI, chatgpt, modele AI, AI głosowe, full-duplex, GPT-Live