OpenAI发布GPT-Live语音模型系列，GPT-5.6即将全面推出

OpenAI今日正式推出GPT-Live，这是一系列专为处理语音指令而优化的AI模型。

该系列模型将为ChatGPT的语音模式提供支持，同时OpenAI计划通过应用程序接口向开发者开放使用权限。

GPT-Live系列在发布时包含两款模型。其中能力更强的GPT-Live-1将作为付费版ChatGPT的默认选项，而精简版GPT-Live-1-mini则面向免费用户。上述模型正陆续向ChatGPT的iOS、Android及网页版推送，并支持多种语言。

此前，ChatGPT的语音模式需要等待用户说完整句话后才能生成回复，因此无法实现实时翻译。此外，即便某些任务理论上可以提前执行，该功能也只能在用户讲话结束后才开始处理，例如搜索网页等操作，这在一定程度上降低了指令响应速度。

据OpenAI介绍，GPT-Live采用了全双工架构，有效解决了上述局限性。在对话过程中，模型会持续判断是否应打断用户发言、执行网页搜索或完成其他任务，从而无需等待用户表述完毕。

OpenAI还专门开发了一套评估体系，用于衡量新模型的流畅自然度。据悉，GPT-Live-1的得分为75.5分，明显高于ChatGPT此前的语音处理模型。

当GPT-Live接收到复杂指令时，会将其转交给GPT-5.5处理，后者是OpenAI目前面向商业用途的最强模型。该模型于今年4月发布后，在多项编程基准测试中创下新纪录。GPT-Live可借助GPT-5.5实现网页浏览、解析复杂话题及执行多种任务。

OpenAI表示，GPT-5.5未来还将支持调用更新、更强的推理模型，该公司据报道计划于本周晚些时候发布三款此类算法。

上个月，OpenAI推出了GPT-5.6系列大语言模型。该系列中最强大的模型Sol在部分能力上超越了Claude Mythos 5，同时还推出了两款轻量版——Tera和Luna，以略低的输出质量换取更具竞争力的价格。

Axios今日报道称，OpenAI在获得美国政府批准后，将于本周四向更广泛的用户开放GPT-5.6的访问权限。目前，GPT-5.6仅对少数组织开放。据报道，白宫批准此次扩大发布，是在商务部AI标准与创新中心完成对该系列模型的评估之后作出的决定。

在GPT-5.6发布前数周，OpenAI成立了一家名为OpenAI Deployment Company的专业服务公司，专注于帮助企业客户采用ChatGPT开发商的大语言模型。该公司已从OpenAI及19家外部投资方处募集40亿美元资金。

OpenAI Deployment Company今日还宣布收购同类专业服务商Northslope Inc.，后者的核心业务是基于Palantir Technologies的软件开发AI应用。据OpenAI披露，Northslope去年营收增长了七倍。

Q&A

Q1：GPT-Live的全双工架构是什么意思？和以前的语音模式有什么区别？

A：全双工架构允许GPT-Live在对话过程中实时判断是否需要打断用户、搜索网页或执行其他任务，而无需等待用户说完整句话。此前的语音模式必须等用户讲话结束才能开始处理请求，不支持实时翻译，任务响应速度也更慢。GPT-Live的新架构显著提升了对话的流畅度和实时响应能力。

Q2：GPT-Live-1和GPT-Live-1-mini有什么区别？

A：GPT-Live-1是能力更强的版本，作为付费版ChatGPT的默认语音模型；GPT-Live-1-mini是精简版，面向免费用户提供服务，性能有所缩减。两款模型均支持多语言，并已陆续在ChatGPT的iOS、Android及网页版中推出。

Q3：GPT-5.6什么时候向普通用户开放？目前有哪些限制？

A：据Axios报道，OpenAI将于本周四在获得美国政府批准后向更广泛用户开放GPT-5.6。目前该模型仅对少数组织开放访问，商务部AI标准与创新中心已完成对其评估，此举是获批扩大发布的前提条件。