OpenAI מתקנת את השיחה הקולית של ChatGPT
OpenAI משיקה את GPT-Live-1 ו-GPT-Live-1 mini - דור חדש של מודלים קוליים ל-ChatGPT שמאפשרים שיחה בו-זמנית (Full-Duplex) בלי קטיעות. יותר מ-150 מיליון משתמשים קוליים שבועיים, שלוש רמות אינטליגנציה, והפרדה בין מודל שיחה למודל חשיבה.
נמאס לכם ש-ChatGPT קוטע אתכם באמצע המשפט כי חשב שסיימתם לדבר? OpenAI מכריזה היום (ג') על דור חדש של מודלים קוליים שאמור סוף סוף לתקן את זה. GPT-Live-1 ו-GPT-Live-1 mini הם שני הדגמים החדשים שמניעים את מצב הקול ב-ChatGPT, והם מגיעים עם הבטחה: שיחה עם AI שמרגישה סוף סוף כמו... שיחה.
מה בעצם השתנה?
הפיצ'ר המרכזי כאן הוא ארכיטקטורה חדשה ש-OpenAI קוראת לה Full-Duplex. אם עד היום מודלים קוליים עבדו במודל של תורות - אתם מדברים, נחים, ואז ה-AI עונה - עכשיו המערכת יכולה להקשיב ולדבר בו-זמנית. אתם יכולים לקטוע את ChatGPT באמצע משפט, לעצור רגע לחשוב, והוא יגיב למהמומי ביניים שלכם כמו "אהה" או "כן" בדיוק כמו בן אדם קשוב.
ב-OpenAI מסבירים שהמודל מנהל החלטות אינטראקטיביות כמה פעמים בשנייה: מתי לדבר, מתי להמשיך להקשיב, מתי לשתוק, מתי לקטוע אתכם ומתי לקרוא לכלי עזר. זה אומר שאתם יכולים לדבר בקצב טבעי, כולל הפסקות מחשבה, בלי שהמערכת תחשוב שסיימתם.
שלוש רמות אינטליגנציה
GPT-Live-1 מגיע עם שלושה מצבי ביצוע:
- Instant - תגובה מהירה לשאלות יומיומיות
- Medium - רמת חשיבה בינונית למשימות יותר מורכבות
- High - מאמץ חשיבה גבוה לשאלות שדורשות ניתוח מעמיק
כלומר אתם יכולים לבחור אם אתם רוצים תגובה מהירה או תשובה ש-ChatGPT "חשב עליה" יותר.
המוח שמאחורי הקול
אחת ההחלטות המעניינות כאן היא ההפרדה בין מודל השיחה למודל החשיבה. GPT-Live-1 מנהל את שטף הדיבור, אבל כשנשאלת שאלה שדורשת חיפוש ברשת, חשיבה אנליטית או ביצוע משימה מורכבת - הוא מעביר את העבודה ל-GPT-5.5 שפועל ברקע. התוצאה מוזרמת חזרה לשיחה בלי להפסיק אותה. לדברי החברה, זה אומר שתוכלו לשוחח עם ChatGPT בזמן שהוא מבצע משימות מורכבות מאחורי הקלעים.
כשעושים השוואה לדור הקודם, Advanced Voice Mode, אפשר להבין את הקפיצה. במודל הישן, אפילו הפסקה קלה או רעש רקע יכלו לגרום למודל לחשוב שסיימתם לדבר, מה שגרם לקטיעות לא טבעיות. GPT-Live-1 פותר את הבעיה הזו.
למי זה זמין?
ההשקה מתרחשת היום גלובלית:
- GPT-Live-1 יהיה מודל ברירת המחדל למינויי ChatGPT Go, Plus ו-Pro
- GPT-Live-1 mini יהיה ברירת המחדל למשתמשים חינמיים
שתי הגרסאות זמינות ב-iOS, Android ו-ChatGPT.com.
המספרים שמאחורי ההשקה
יותר מ-150 מיליון אנשים משוחחים עם ChatGPT מדי שבוע באמצעות פיצ'רים קוליים ודיקטציה - ללימוד שפה, סיפורים לפני שינה, או סתם שיחה בדרך לעבודה. ב-OpenAI מאמינים שקול יהפוך לדרך העיקרית שבה אנשים יתקשרו עם AI בעתיד, והם בונים על זה שהפכו את השאילתות הקוליות לכלכליות בזכות ירידת עלויות ההרצה.
בדיקות ביצועים
ב-OpenAI ערכו הערכות אנושיות חדשות על פני שיחות של 5-10 דקות ומדדו העדפה כללית, החלפות תורות, קטיעות, זרימת שיחה וטבעיות. התוצאה: GPT-Live-1 ו-GPT-Live-1 mini קיבלו העדפה מובהקת על פני Advanced Voice Mode.
בתחומי הידע, GPT-Live-1 מציג שיפור משמעותי ב-GPQA - מבחן חשיבה מדעית ברמת מומחים בביולוגיה, כימיה ופיזיקה - וגם ב-BrowseComp שבודק חיפוש וובי אגנטרי.
פרטיות ובטיחות
כמה דברים שכדאי לדעת:
- אודיו נשמר 30 ימים להקשר וזכרונות, אבל אפשר למחוק ולייצא מידע בכל זמן
- אימון על שאילתות משתמשים כבוי אוטומטית - שיחה תשמש לאימון רק אם המשתמש בוחר להצטרף
- המודל לא מחקה קולות של אנשים אמיתיים - הוא משתמש בקולות מוגדרים מראש
ב-OpenAI גם מציינים שבנו מנגנוני בטיחות שפועלים בזמן שהמודל מדבר: אם זוהה פוטנציאל לתוכן לא בטוח, המערכת יכולה להפנות את המודל לתגובה בטוחה יותר, להציג משאבי עזר, או לסיים את השיחה ברמות סיכון גבוהות.
למפתחים
הדגמים יגיעו ל-API בקרוב, ומפתחים וארגונים יכולים להירשם לקבלת עדכונים. זה פותח דלת ליישומים חדשים - מאגנטים קוליים לטיפול בלקוחות ועד כלים שמבצעים משימות ארוכות-טווח באמצעות פקודות קול.
שורה תחתונה
OpenAI שמה את הקלפים על שולחן הקול. עם 150 מיליון משתמשים קוליים שבועיים, ירידת עלויות inference ומודל חדש שבאמת יודע להקשיב - החברה מראה שהיא רואה בקול את ממשק ה-AI של העתיד. עכשיו נותר לראות אם גוגל ואפל ידעו להדביק את הקצב.