ChatGPT получил полнодуплексный голосовой режим: можно перебивать и не ждать паузы

Что произошло: ChatGPT научился слушать и говорить одновременно

AI Digest (ai-digest.ru) — Компания OpenAI представила новый голосовой режим для ChatGPT, построенный на архитектуре полного дуплекса (full-duplex). Это означает, что модель способна принимать речь пользователя и одновременно генерировать собственные голосовые ответы — без пауз между репликами и без характерного для ранних ассистентов «эффекта эстафеты», когда собеседнику приходилось дожидаться полной тишины перед следующей фразой. Трансляция состоялась 8 июля 2026 года, а модели GPT-Live уже начали появляться у пользователей по всему миру.

До этого момента голосовой режим ChatGPT работал по схеме «говори — слушай — говори»: после вопроса пользователя ассистент дожидался сигнала к продолжению, затем формировал ответ и озвучивал его. Новый подход устроен иначе: пока пользователь обдумывает следующую мысль или перебивает ассистента, модель продолжает обрабатывать контекст и при необходимости корректирует ответ на лету.

Две версии для разных тарифов: что получили пользователи

Стартовали сразу две модификации: GPT-Live-1 и GPT-Live-1 mini. Полноценная версия GPT-Live-1 доступна подписчикам тарифных планов ChatGPT Go, Plus и Pro. Модель использует последние текстовые модели OpenAI — в том числе GPT-5.5 — для поиска информации, сложных рассуждений и выполнения многоэтапных задач прямо во время разговора. GPT-Live-1 mini стала заменой прежнего расширенного голосового режима и действует по умолчанию для бесплатных аккаунтов.

Одно из ключевых технических отличий — способность модели «молчать» длительное время, накапливая контекст беседы, и включаться только когда это действительно нужно. Также обновлённый голосовой режим получил доступ к визуальным возможностям ChatGPT: ассистент может демонстрировать изображения, графики и документы прямо во время аудиобеседы.

Как это работает внутри: фоновый реферинг на GPT-5.5

За качество ответов в режиме реального времени отвечает механизм фонового реферинга: когда пользователь задаёт вопрос, требующий поиска, развёрнутых вычислений или многошаговых действий, GPT-Live передаёт задачу текстовой модели GPT-5.5 и продолжает разговор с собеседником, пока та работает в фоне. По готовности результат интегрируется в голосовой поток. Такое разделение позволяет сохранять «живой» темп беседы без ущерба для глубины и точности ответов на сложные запросы.

OpenAI подчёркивает, что новый голосовой режим спроектирован для протяжённых бесед — длинных рабочих созвонов, консультаций, мозговых штурмов. При этом компания заявляет, что не пытается превратить ChatGPT в эмоционального компаньона: модель ориентирована на продуктивность и решение задач.

Почему это важно для рынка голосовых ассистентов

Релиз GPT-Live — ответ OpenAI на растущую конкуренцию в сегменте голосовых AI-интерфейсов. Google Gemini, Anthropic Claude и ряд стартапов развивают собственные решения для непрерывного диалога с минимальными задержками. Полнодуплексная архитектура, при которой модель не просто распознаёт речь, а ведёт активный контекстный диалог с подключением тяжёлых языковых моделей в фоне, становится новым стандартом для продвинутых ассистентов.

Фоновые агенты и контекстные протоколы, которые Google добавила в Gemini API, и аналогичные технологии у конкурентов показывают: будущее — за непрерывными, памятливыми диалоговыми системами. Доступ к API для разработчиков обещают в ближайшее время, что позволит встраивать технологию в приложения, колл-центры и корпоративные платформы. Пока же обновление работает в веб- и мобильных приложениях ChatGPT для всех поддерживаемых платформ.