Содержание
- 1. Что такое GPT-Live — полнодуплексный голос «слушать и говорить одновременно»
- 2. Чем он отличается от прежнего Advanced Voice Mode
- 3. Как это работает — решения каждую секунду и делегирование GPT-5.5
- 4. Две модели и доступ по тарифам
- 5. Ключевые улучшения
- 6. Текущие ограничения — честно о том, что стоит учесть
- 7. Где это пригодится
- 8. Статус API и отличие от GPT-Realtime
- Итоги
- FAQ
8 июля 2026 г. OpenAI выпустила по всему миру новую модель «GPT-Live», которая обновляет голос ChatGPT (официальный анонс OpenAI). Это объявление вышло накануне общедоступного релиза GPT-5.6 9 июля, и главная его особенность — полнодуплексная (full-duplex) архитектура, позволяющая «слушать и одновременно говорить».
До сих пор ИИ-голос работал по принципу очереди: «дождаться, когда вы договорите, и только потом ответить». GPT-Live же ведёт себя как в живом разговоре: поддакивает, воспринимает перебивание и не обрывает паузу, когда вы задумались. В этой статье мы на основе официального анонса разберём, что представляет собой GPT-Live, чем он отличается от прежнего Advanced Voice Mode, как он работает, на каких тарифах доступен и чего пока ещё не умеет.
Конец очерёдности реплик
— слушать и говорить, к разговору как у людей
1. Что такое GPT-Live — полнодуплексный голос «слушать и говорить одновременно»
GPT-Live — это новая серия голосовых моделей, отвечающая за голосовое общение в ChatGPT. Она заменяет собой прежнюю голосовую функцию (Advanced Voice Mode) и с 8 июля 2026 г. развёрнута по всему миру в ChatGPT для iOS, Android и в вебе.
Суть — в архитектуре «полного дуплекса (full-duplex)». Как в телефонном разговоре, система обрабатывает входной сигнал (ваш голос) и одновременно продолжает генерировать выходной (голос ИИ). Поэтому —
- пока вы говорите, она может вставлять поддакивания вроде «угу», «понятно»;
- если вы перебиваете ИИ во время его реплики, он всё равно вас слушает и меняет направление;
- если вы задумались и замолчали, она не примет это за «конец фразы» и не оборвёт вас.
Короче говоря, GPT-Live реализует разговор в реальном времени без «ожидания своей очереди».
2. Чем он отличается от прежнего Advanced Voice Mode
Прежний ИИ-голос (Advanced Voice Mode) работал по очереди реплик (полудуплекс). В силу самого устройства у него были такие слабые места.
| Аспект | Раньше: Advanced Voice Mode | Теперь: GPT-Live |
|---|---|---|
| Базовый принцип | по очереди реплик (полудуплекс) — ждёт, когда вы договорите | полный дуплекс — слушает и одновременно говорит |
| Как определяется конец реплики | по тишине (молчанию) | по изменению тона голоса и дыхания |
| Пауза на раздумье | часто принимает за «конец» и перебивает | умеет ждать, не обрывая |
| Поддакивание | по сути отсутствует | вставляет «mhmm», «yeah» и т. п. |
| Перебивание | иногда обрывается неестественно | воспринимает и подстраивается |
| Частота решений | раз за реплику | несколько раз в секунду (говорить/слушать/выдержать паузу/перебить/вызвать инструмент) |
По данным OpenAI, в сравнении, где люди оценивали разговоры длиной 5–10 минут в одинаковых условиях, и GPT-Live-1, и GPT-Live-1 mini заметно предпочитались Advanced Voice Mode. Кроме того, улучшения отмечены в GPQA (экспертные научные рассуждения), BrowseComp (агентный веб-поиск) и в задачах клиентской поддержки.
3. Как это работает — решения каждую секунду и делегирование GPT-5.5
GPT-Live непрерывно обрабатывает голосовой ввод и одновременно генерирует голосовой вывод, множество раз в секунду решая, «что делать сейчас» — говорить, продолжать слушать, выдержать паузу, перебить или вызвать инструмент. Именно это высокочастотное принятие решений и создаёт человеческий темп.
Ещё одна важная особенность конструкции — «глубокая обработка делегируется фоновой модели». За мгновенность разговора отвечает GPT-Live, а когда требуется веб-поиск, глубокое рассуждение или сложная работа, обработка передаётся в фоне более крупной модели (на момент запуска — GPT-5.5), и по готовности результат возвращается в разговор. Это механизм, который позволяет «думать», не прерывая беседу.
4. Две модели и доступ по тарифам
| Тариф | Голосовая модель по умолчанию |
|---|---|
| Free (бесплатно) | GPT-Live-1 mini |
| Go / Plus / Pro | GPT-Live-1 |
Ключевой момент — версия mini модели GPT-Live доступна даже на бесплатном тарифе. Естественный полнодуплексный разговор не ограничен платными планами. Если же нужен более качественный разговор и рассуждения, на Go/Plus/Pro по умолчанию используется GPT-Live-1. Доступ предоставлен в ChatGPT для iOS, Android и на ChatGPT.com, разворачивание по всему миру шло поэтапно.
5. Ключевые улучшения
Пока вы говорите, реагирует «угу». Возникает ощущение, что вас слушают.
Ответ приходит практически мгновенно. Темп приближается к живому разговору.
Даже если перебить в середине, он слушает и корректирует ход мысли.
Не принимает паузу на раздумье за «конец фразы» и ждёт.
6. Текущие ограничения — честно о том, что стоит учесть
Ожидания легко забегают вперёд, поэтому стоит честно обозначить и то, чего на момент запуска сделать нельзя.
- 🟡 Видео и демонстрация экрана не поддерживаются: на момент запуска акцент на голосе, ввод видео и демонстрация экрана не включены.
- 🟡 Полная многоязычность ещё впереди: одинакового уровня качества на всех языках пока нет (full multilingual parity не достигнута).
- 🟡 API не предоставлен: API для разработчиков «выйдет в ближайшее время», а на момент выхода статьи не опубликован, цена не объявлена (подробнее в главе 8).
- 🟡 Идёт поэтапное развёртывание: доступ для всех пользователей может появляться с задержкой.
Ожидается, что в будущих обновлениях это будет расширено, но стоит понимать, что «и видео, и экран — прямо сейчас» это не про текущий момент.
7. Где это пригодится
- Консультация и «прокачка идей» без рук: на ходу или во время работы проговаривать мысли вслух и упорядочивать их. Паузу не обрывают, поэтому ход мысли реже прерывается.
- Разговорная практика языка: за счёт поддакиваний и естественного перебивания практика ближе к настоящему разговору.
- Предварительный поиск и резюме голосом: глубокий поиск делегируется фоновой GPT-5.5, поэтому можно вести поиск, не прекращая разговор.
- Доступность: там, где печатать сложно, помогает голосовой интерфейс с хорошим темпом.
8. Статус API и отличие от GPT-Realtime
API для GPT-Live на момент выхода статьи не предоставлен («выйдет в ближайшее время», цена не объявлена). Разработчикам и компаниям остаётся подписаться на уведомления и ждать. Обратите внимание: «встроить полнодуплексный голос в своё приложение прямо сейчас» пока нельзя.
Итоги
- GPT-Live — новая модель, переводящая голос ChatGPT с «очереди реплик» на полный дуплекс (слушать и говорить одновременно) (8 июля 2026 г., по всему миру).
- Поддакивание, перебивание, терпимость к паузам и задержка <250ms обеспечивают темп разговора, близкий к человеческому. Заметно предпочитается Advanced Voice Mode.
- За мгновенность разговора отвечает GPT-Live, а глубокие рассуждения и поиск делегируются в фоне GPT-5.5 (глубину выбирают из Instant/Medium/High).
- По умолчанию: на Free — GPT-Live-1 mini, на Go/Plus/Pro — GPT-Live-1. Доступно в ChatGPT для iOS/Android и в вебе.
- Текущие ограничения: видео и демонстрация экрана не поддерживаются, полная многоязычность не достигнута, API не предоставлен. Для API отдельно подготовлен GPT-Realtime-2.1.
FAQ
Q1. Можно ли пользоваться GPT-Live бесплатно?
Да. На бесплатном тарифе голосовой моделью по умолчанию становится GPT-Live-1 mini. На Go/Plus/Pro по умолчанию используется старшая GPT-Live-1. Доступно в ChatGPT для iOS, Android и в вебе (поэтапное развёртывание).
Q2. Что конкретно означает «полный дуплекс»?
Это способ, при котором можно слушать и говорить одновременно, как по телефону. В отличие от прежней очереди реплик (ответ после того, как вы договорите), система может вставлять поддакивания, пока вы говорите, воспринимать перебивание и ждать, не обрывая вашу паузу на раздумье.
Q3. В чём главное отличие от прежнего Advanced Voice Mode?
В способе определения конца реплики. Раньше это делалось по тишине (молчанию), поэтому пауза на раздумье часто принималась за «конец» и следовало перебивание. GPT-Live судит по изменению тона голоса и дыхания и принимает решения много раз в секунду, поэтому его сложнее оборвать и он звучит естественнее. В оценках людьми он тоже заметно предпочитается.
Q4. Справляется ли он со сложными вопросами?
Справляется. За мгновенность разговора отвечает GPT-Live, а когда нужны веб-поиск или глубокое рассуждение, обработка делегируется в фоне GPT-5.5, и результат возвращается в разговор. Глубину рассуждения можно выбрать из Instant / Medium / High.
Q5. Можно ли использовать видео или демонстрацию экрана?
На момент запуска — нельзя. GPT-Live ориентирован на голос, а видео, демонстрация экрана и полная многоязычность пока не предоставлены. Ожидается расширение в будущих обновлениях.
Q6. Можно ли встроить его в своё приложение через API?
API для GPT-Live на момент выхода статьи не предоставлен (планируется в ближайшее время, цена не объявлена). Если нужно реализовать низколатентный голос через API прямо сейчас, рассмотрите отдельную линейку GPT-Realtime-2.1 / mini (платформа голосовых агентов для API). Роли разделены: GPT-Live — для потребителей, GPT-Realtime — для разработчиков.
Q7. Как он выглядит на фоне Gemini Live от Google?
Сильная сторона Gemini — тоже мультимодальность, включая голос и видео, и он поддерживает живой разговор. Текущее преимущество GPT-Live — естественность полнодуплексного разговора и низкая задержка, однако есть области, где Gemini выигрывает, поскольку у GPT-Live видео и демонстрация экрана пока не поддерживаются. Подробнее см. также сравнение GPT-5.6 и Gemini.
Похожие статьи
- GPT-5.6: полный разбор релиза — ключевые модели того же периода
- GPT-5.6 Sol vs Gemini — оси сравнения мультимодальности и голоса
- Что такое Google Gemini — основы конкурента
