Con il nuovo GPT-Live, OpenAI fa compiere un altro balzo all’intelligenza artificiale generativa conversazionale di ChatGPT Voice, portando le interazioni con l'AI ad assomigliare sempre di più a un vero dialogo con un interlocutore. Niente più pause rigide, silenzi innaturali o interruzioni inopportune: GPT-Live permette a ChatGPT Voice di ascoltare e parlare allo stesso tempo, di interrompere quando è opportuno ma di farlo in modo discreso, con piccole frasi o con suoni di interlocuzione per esprimere assenso, dubbio o altre reazioni.
In pratica, gli altri LLM finora proposti da OpenAI o dalla concorrenza iniziano a processare a l’input vocale nel momento in cui l’utente smette di parlare. GPT-Live, invece, grazie alla sua architettura full-duplex elabora l’audio in entrata in modo continuo e continuamente valuta se continuare ad ascoltare o rispondere immediatamente, se interrompere per dire qualcosa, se emettere suoni o frasi brevi (per esempio “mmm…”, “ho capito” e via dicendo), o ancora se attivare strumenti esterni.
Il rollout è già cominciato: progressivamente, il nuovo modello verrà introdotto su ChatGPT Web e sulle applicazioni iOS e Android del chatbot. GPT‑Live‑1 diventerà il modello predefinito alla base di ChatGPT Voce per gli utenti Go, Plus e Pro, mentre GPT‑Live‑1 mini diventerà quello predefinito per gli utenti Free. L'accesso tramite API arriverà in un secondo momento.
Come funziona GPT-Live
GPT-Live è anche “il nostro modello vocale ad oggi più intelligente”, ha spiegato OpenAI: grazie a esso, l’esperienza di ChatGPT Voice migliora sotto diversi aspetti. Oltre alla già citata capacità di ascoltare e parlare allo stesso tempo, possiamo aspettarci che il chatbot riconosca meglio le pause (e quindi non interrompa a sproposito) e che sia meno “infastidito” dai rumori di fondo.
Un aspetto fondamentale del funzionamento di GPT-Live è il fatto che, con l’architettura full-duplex, la conversazione viene separata dal ragionamento. Ogni volta che GPT-Live riceve una richiesta complessa, dove siano necessarie ricerche Web, ragionamento profondo o coding, delega questa attività a un altro modello che gli fa da “spalla” e che lavora in background. Nel frattempo, in attesa del risultato, GPT-Live non interrompe la conversazione con l’utente (anche se può magari limitarsi a qualche suono o a spezzoni di frase).
In questa prima fase, GPT‑Live usa GPT‑5.5 come "modello spalla", ma OpenAI ha già fatto sapere che questo aspetto verrà aggiornato continuamente, al lancio di nuovi LLM ancora più evoluti e potenti. Peraltro è già possibile scegliere se utilizzare GPT-5.5 Instant, cioè la declinazione più veloce ed efficiente, o se usare la variante Medium o la High e attivare, così, la modalità Thinking, indicata per ragionamenti complessi.
Al momento, per ammissione della stessa OpenAI, GPT-Live presenta alcune limitazioni che presumibilmente verranno superate, ovvero l’assenza della condivisione dello schermo e l’assenza delle conversazioni video. La qualità dei risultati, inoltre, non è costante ma varia a seconda della lingua utilizzata.
“Stiamo inoltre introducendo misurazioni di lungo periodo e monitoraggio post-lancio incentrati sulla dipendenza emotiva, per continuare a migliorare la nostra comprensione e perfezionare le protezioni”, ha scritto OpenAI. “Basandoci sulle nostre ricerche precedenti su uso affettivo e benessere emotivo, questo ci aiuterà a individuare schemi emergenti e a migliorare il modo in cui il sistema risponde nelle interazioni emotivamente sensibili”.