OpenAI 推出 GPT-Live 语音模式

关键信息

新语音模型被描述为对旧版 GPT-4o 时代语音模式的升级，作者认为旧模型由于年代较久、能力较弱，实用性已经下降。文章还提到一个预览期 bug：模型有时会在用户说话时突然插入笑声并打断对话，但在向 OpenAI 反馈后，这种情况似乎已经减少。

资讯摘要

Simon Willison 报道称，OpenAI 终于升级了 ChatGPT 语音模式背后的模型，并将新体验称为 GPT-Live。作者表示，他在 iPhone 应用里已经获得了数周的预览权限，并认为这个新模型非常出色。一个关键变化是，当用户的问题需要网页搜索、更深层推理或其他复杂工作时，GPT-Live 可以在后台把任务交给 GPT-5.5 处理。与此同时，语音对话可以继续进行，不会因为等待结果而中断。

OpenAI 表示，GPT-Live 在发布时会使用 GPT-5.5，并且以后会随着新的前沿模型推出而持续更新底层模型。Willison 将它与旧版语音模式作了对比，称旧版基于 GPT-4o 时代的模型，知识截止时间大约在 2024 年某个时候。由于旧模型能力偏弱，他已经很少把语音模式当作头脑风暴伙伴来使用。文章还提到一个预览期里的奇怪 bug：模型会在一些并非笑点的地方突然插话发笑，但他反馈给 OpenAI 后，这种情况似乎已经变少了。

资讯正文

OpenAI 终于升级了 ChatGPT 语音模式所使用的模型！

我在 iPhone 应用里提前试用了几周，这个新模型给我留下了非常深刻的印象。它还具备把更困难的任务分派给 GPT-5.5 的能力：

对于需要网络搜索、更深入推理或更复杂工作的提问，它会在后台把任务交给我们最新的前沿模型处理，并在结果准备好后把它带回对话中。与此同时，GPT‑Live 可以继续和你聊天，保持对话的流畅性。上线时，GPT‑Live 将在后台使用 GPT‑5.5。随着我们发布新的前沿模型，我们也会持续更新 GPT‑Live 所使用的模型。

ChatGPT 应用里之前的语音模式基于 GPT-4o 时代的一个模型，其知识截止于 2024 年的某个时间点。由于这个模型年代较久、能力也相对较弱，我基本已经不再使用语音模式，因为它作为头脑风暴伙伴的实用性受到了很大限制。

在预览期间，我遇到过一个相当罕见的 bug：模型会在我说话时打断我，还会对我说的话发笑，而这些话甚至并不是玩笑！这让我感觉很无礼、很居高临下——我向 OpenAI 反馈了这个问题，据我所知，他们做了一些调整，现在这种情况不太容易发生了。

回头看我的对话记录，我想大概是这段话触发了那次打断式发笑：

“所以那些猫头鹰在不在的时候都去哪儿了，比如黄昏之前？猫头鹰是存在的，对吧？它们藏在洞里吗？它们藏在哪里？”

我和新模型最长的一次对话，是在遛狗的时候连续聊了整整一个小时（还<a href="https://simonwillison.net/elsewhere/sighting/">拍了鹈鹕的照片</a>）。我到现在还没能拍到一张猫头鹰的照片。

来源与参考

1. 原始链接
2. Introducing GPT‑Live