OpenAI于7月8日正式推出新一代语音模型GPT-Live-1和GPT-Live-1 mini，对ChatGPT语音体验进行了”全双工”架构重构。这次升级不是简单的语音优化，而是从根本上改变了AI与人对话的交互方式——AI终于可以像真人一样”边听边说”了。
什么是全双工架构
传统的语音AI采用”半双工”模式：用户说话时AI只能听，用户说完后AI才能回应，交互过程存在明显的停顿感。GPT-Live-1的全双工架构打破了这个限制，让AI能够在用户说话的同时实时处理信息并作出回应，实现了真正的自然对话流。
这种改变看似微小，实际影响深远。在客服场景中，AI可以在用户描述问题的过程中就开始理解并准备回答；在教育培训中，AI导师能够像真人老师一样在对话中适时插话引导；在会议记录中，AI助手可以实时理解多方对话的上下文关系。
两个版本各有侧重
GPT-Live-1是标准版本，面向高端语音交互场景，支持复杂语境下的实时理解和多轮对话管理。GPT-Live-1 mini则是轻量版本，针对移动端和低延迟场景优化，在保证对话流畅度的同时大幅降低计算资源消耗。
两个版本都已集成到ChatGPT中，用户可以直接在语音模式下体验。OpenAI表示，后续将向API开发者开放接入能力。
GPT-5.6系列同日推出
与语音模型同步发布的还有GPT-5.6系列。该系列包含三个版本：旗舰模型Sol面向复杂推理、科研和网络安全；Terra适配日常办公场景；Luna则是速度最快、成本最低的选择。
Sol引入了Max和Ultra两种高阶模式。Max模式让模型投入更多时间进行深度推理，探索替代方案并自动纠错；Ultra模式则默认协调四个子智能体并行处理复杂任务。在编程测试Terminal-Bench 2.1中，Sol的Ultra模式得分达到91.9%，超越了Claude Mythos 5等竞品。
价格方面，Sol的API定价为每百万Token输入5美元、输出30美元；Terra为2.5/15美元；Luna为1/6美元。相比GPT-5.5，长链条智能体任务的Token消耗再降10%至15%。
OpenAI同时将编程AI Agent Codex并入ChatGPT，并推出办公智能体”ChatGPT Work”，意图打造覆盖编程、办公、创作的一站式AI超级应用。
国产模型加速追赶
在海外巨头密集发布的同时，国内AI模型也在快速跟进。美团开源的万亿参数大模型LongCat-2.0，总参数达1.6万亿，是业界首个在五万卡国产算力集群上完成全流程训练的万亿参数模型。腾讯混元Hy3模型采用MoE架构，主打快慢思考融合。
据OpenRouter数据显示，中国头部开源大模型定价较美国同类产品低60%到90%，美国企业调用中国模型的Token占比已逐周攀升至30%以上。国产模型正在从”陪跑”进入实质性份额竞争阶段。
对于开发者和企业用户来说，现在选择AI模型不再只看性能参数，还需要综合考虑推理模式、成本结构和数据合规等多个维度。GPT-Live-1的全双工体验代表了语音AI的新方向，而GPT-5.6系列的性价比策略则将加剧行业竞争，最终受益的还是广大用户。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
