ChatGPT Bidi 1: революція у голосовій взаємодії зі штучним інтелектом
OpenAI готує запуск абсолютно нового голосового режиму — GPT-Bidi-1. Ця модель здатна одночасно слухати та говорити, відмовляючись від традиційної схеми, коли потрібно чекати, поки користувач закінчить говорити, щоб відповісти. Перші ознаки нового інтерфейсу з’явилися в додатку ChatGPT ще 16 червня 2026 року, а публічні тести, проведені 23 червня, продемонстрували, як модель поводиться під час переривань, миттєво переключається між завданнями й зберігає контекст довгих розмов.
Хоча OpenAI ще офіційно не презентувала новинку, готовність до запуску помітна у веб-версії та мобільному додатку, куди вже почали потрапляти обрані користувачі.
Що вміє ChatGPT Bidi 1 насправді
Назва “Bidi” походить від слова “bidirectional” — двонаправлений, тобто модель обробляє аудіо і вхідні, і вихідні потоки одночасно. Наразі голосові сесії ChatGPT працюють на GPT-4o, який використовує так званий напівдуплекс — система зупиняється, коли користувач говорить.
Модель Bidi 1 змінює підхід, що характеризують такі особливості:
- Паралельне прослуховування та відповіді. Замість паузи при виявленні голосу користувача, модель продовжує аналізувати вхідні дані, поки говорить.
- Натуральне оброблення переривань. Розмова може змінюватись прямо посеред речення, а модель миттєво пристосовується, без традиційних затримок.
- Короткі вербальні підтвердження. У паузах з’являються міні-сигнали на кшталт “гаразд”, що показують уважність, не перебиваючи співрозмовника.
- Збереження довготривалого контексту. Модель вміє відслідковувати всю нитку розмов, підтримуючи зв’язок з раніше згаданими темами, що не завжди під силу старій версії.
- Швидке перемикання між завданнями. Наприклад, якщо дати команду порахувати до десяти, а потім різко змінити її на зворотній рахунок — модель моментально відреагує.
Інтерфейс теж отримав оновлення: голосова іконка тепер жовта, а не синя, сигналізуючи про активацію Bidi 1. Усередині системи цю модель називають “великим стрибком у розумінні” та “нова генерація голосового режиму”.
Ключова зміна — три рівні інтелектуального режиму
Найбільш цікавим нововведенням є впровадження трьох рівнів інтелектуального підходу — High, Medium та Instant. Вони дозволяють варіювати якість та швидкість відповіді залежно від ситуації.
Цей підхід схожий на те, як OpenAI наразі керує текстовими моделями, даючи вибір між швидкими, але менш “важкими” варіантами та повільнішими, проте більш потужними рішеннями.
Тепер аудіорежим отримує таку ж гнучкість:
- High — для глибокого аналізу та складних роздумів.
- Medium — оптимальний баланс якості та оперативності.
- Instant — максимально швидкі короткі відповіді, наприклад, під час поїздок.
Це робить голосовий інтерфейс не просто оновленням якості зв’язку, а корисним інструментом під різні сценарії використання. Жоден з конкурентів, включно з Google Gemini Live, не пропонує подібної гнучкості в межах одного інтерфейсу.
Як Bidi 1 вписується у масштабне оновлення ChatGPT
Реліз Bidi 1 відбувається в часи найбільшого оновлення ChatGPT від моменту запуску платформи. OpenAI планує зібрати всі популярні функції в єдину супердодатку: кодування з Codex, агенти зі спеціальними завданнями, генерація зображень і зовнішні інтеграції — все це готується до масштабного IPO у 2026 році.
За інформацією Financial Times, голос вважають основним засобом взаємодії користувачів із штучним інтелектом у найближчому майбутньому. Саме цьому і присвячена розробка Bidi 1, а не поліпшенню існуючої GPT-4o голосової архітектури.
Враховуючи, що текстові моделі вже досягли рівня GPT-5.5, голосовий шар відстав, і тепер його планують наздогнати. Для 900 мільйонів активних користувачів ChatGPT цей прорив може суттєво змінити взаємодію з додатком. Голосовий помічник, здатний працювати природно, у парі з агентами та кодерами, формує уявлення про завжди доступного асистента майбутнього.
Також є припущення, що OpenAI працює над аудіо-орієнтованими пристроями, і такий голосовий движок буде ключовим для їх роботи.
Як OpenAI поступається та наздоганяє Google Gemini Live
Google Gemini Live першою запускала двонаправлені голосові розмови ще наприкінці 2025 року. Ця система безперешкодно приймає перерви, підтримує природний діалог і інтегрується в екосистему Android та Gemini.
Тож Bidi 1 — це не прорив, а швидше наздоганяння конкурентів. Google давно пропонує низьку затримку двонаправленого аудіо з усіма потрібними функціями, включно з багатокроковим контекстом і проактивним звуком.
Унікальними ж рисами Bidi 1 можуть стати:
- вибір рівня інтелекту;
- глибша інтеграція в ChatGPT із розширеним набором інструментів;
- покращене збереження контексту довгих розмов.
Конкурент Anthropic Claude має голосові функції, але досі працює у покроковому режимі без двонаправленої аудіо взаємодії. Якщо OpenAI успішно виведе Bidi 1 на ринок, вона зможе запропонувати комбінацію можливостей, яких сьогодні немає ні у Google, ні в Anthropic.
Що далі?
Поки що OpenAI не оголосила точну дату релізу, і назва моделі може змінитися до офіційного запуску. Але очевидні ознаки на користь старту найближчими днями:
- Модель з’явилася у налаштуваннях поряд зі стандартними варіантами голосу на веб та мобільних платформах.
- Обмежений контингент користувачів на мобільних пристроях вже має доступ до Bidi 1.
- Тести з веб-версією виявлені 23 червня 2026 року.
- Іконка голосу у формі жовтої “бульбашки” впроваджена у робочий код інтерфейсу.
Запуск, імовірно, відбуватиметься поступово та за бажанням користувачів, а Bidi 1 так само співіснуватиме із наявним розширеним голосовим режимом. Можливо, в деяких регіонах, зокрема у зоні Європейської Економічної Зони, доступ з’явиться пізніше.
Питання та відповіді
Що означає назва Bidi в ChatGPT Bidi 1?
Bidi — скорочення від “bidirectional”, тобто двонаправлений режим, коли модель одночасно слухає і відповідає. Це відмінність від поточного голосового режиму, що припиняє мовлення, коли користувач говорить.
Коли ChatGPT Bidi 1 стане доступним?
Точної дати запуску ще немає. Проте вже зараз деякі користувачі отримали доступ, а веб-версія готується до релізу. Все вказує на швидкий поступовий вихід на різних платформах.
Що таке рівні інтелекту Bidi 1?
Це три режими: High (дуже глибокий аналіз), Medium (баланс швидкості і якості) і Instant (максимальна швидкість відповіді). Вони дозволяють вибирати голосову якість відповідно до завдань користувача.
Чи має Google Gemini вже двонаправлений голос?
Так, Google Gemini Live повноцінно підтримує двонаправлену аудіо взаємодію з кінця 2025 року, але без додаткових опцій налаштувань рівнів інтелекту, що пропонує Bidi 1.
