OpenAI ha introdotto GPT-Live, un nuovo modello linguistico per conversazioni in tempo reale su ChatGPT che può ascoltare e parlare contemporaneamente grazie a una architettura a doppio canale. Questo modello risponde agli interventi improvvisi, utilizza parole di riempimento come “mhmm” per tenere naturale il flusso conversazionale, e si presenta in due versioni: una per utenti paganti e una gratuita.

Per compiti complessi che richiedono ricerche su Internet o ragionamento logico, GPT-Live delega le richieste al modello GPT-5.5 in background mantenendo comunque la conversazione, migliorando considerevolmente la qualità delle risposte. OpenAI ha annunciato che GPT-Live è una nuova generazione di modelli vocali per l'IA, progettati per rendere le interazioni con ChatGPT più simili a una conversazione reale.

Due versioni del modello sono disponibili immediatamente in tutto il mondo. GPT-Live-1 è destinato agli utenti che hanno sottoscritto i piani Go, Plus o Pro, mentre GPT-Live-1 mini è disponibile gratuitamente. Entrambi i modelli funzionano su iOS, Android e ChatGPT.com. OpenAI prevede di aggiungere presto l'accesso tramite API, e gli sviluppatori possono iscriversi tramite un form.

Una conversazione più naturale e fluida

Con GPT-Live, OpenAI ha realizzato un’esperienza completamente diversa rispetto al passato scambio rigido tra l’utente e l’AI. Invece di aspettare che l’utente parli e poi rispondere, GPT-Live utilizza un'architettura a doppio canale, permettendo al modello di parlare e ascoltare allo stesso tempo, come accade in una normale conversazione tra esseri umani. Fin dall'inizio di quest'anno, NVIDIA aveva presentato un modello open source simile chiamato PersonaPlex.

Iscriversi a GPT-Live è un'esperienza molto più fluida. Secondo l’azienda, il modello assume decisioni multiple al secondo su quando parlare, ascoltare, interrompere, riprendere o chiamare uno strumento. Può utilizzare frasi di riempimento come “mhmm” o “got it” per mostrare che capisce il messaggio. Gli utenti possono interrompere il modello, prendersi un momento di riflessione o chiedergli di rallentare il ritmo.

I nuovi modelli riscattano la qualità delle risposte

Testando l’esperienza complessiva, gli utenti hanno espresso una preferenza significativa verso GPT-Live-1 (75,7%) e GPT-Live-1 mini (69,2%), in confronto al precedente “Advanced Voice Mode”. Oltre alle nuove funzioni conversazionali, l’aggiornamento introduce le carte visive che ChatGPT Voice può mostrare durante la conversazione per informazioni come meteo, quotazioni azionarie o risultati sportivi. Inoltre, OpenAI ha riprogettato le nove voci disponibili per GPT-Live.

Al momento del lancio, GPT-Live non supporta ancora la videochiamata o la condivisione dello schermo in ChatGPT, ma OpenAI ha dichiarato che queste funzioni saranno disponibili in un futuro prossimo. I vecchi piani Standard e “Advanced Voice Mode” con queste funzioni rimarranno operativi per il momento.

Delega intelligente per colmare il divario di intelligenza

La maggiore novità è lo sdoppiamento tra gestione delle conversazioni in tempo reale e l'effettivo ragionamento. Quando una domanda richiede una ricerca su Internet, un ragionamento articolato o l’utilizzo di capacità agent-based, GPT-Live attribuisce il compito a un modello in background, che in questo caso è GPT-5.5. Mentre il modello di supporto lavora, GPT-Live mantiene aperta la conversazione.

Secondo OpenAI, l’architettura consente a GPT-Live di rimanere sempre connesso ai modelli all'avanguardia. Gli utenti potranno inoltre selezionare un livello di ragionamento, tra “Instant” per risposte rapide, “Medium” e “High” per compiti che richiedono riflessione prolungata.

Questa delega ha risolto uno dei principali limiti dei modelli precedenti, che rispondevano esclusivamente in base alle proprie capacità limitate. Questo li faceva rimanere molto indietro rispetto ai modelli all'avanguardia, rendendoli scarsamente utili per compiti complessi.

Ciò che rende GPT-Live davvero un passo avanti è il miglioramento drammatico delle prestazioni in termini di conoscenza. Sui test GPQA riguardanti la capacità di ragionamento scientifico, GPT-Live-1 raggiunge una precisione del 84,2% in modalità “High”, confronto all’Advanced Voice Mode che registra solo il 45,3%. La differenza è ancora più marcata nel test BrowseComp per ricerche web agent-based: GPT-Live-1 ottiene il 75,2%, mentre l’Advanced Voice Mode si ferma al 0,7%.

Secondo OpenAI, il sistema GPT-Live-1, in modalità “High”, raggiunge una precisione del 75,2% nel BrowseComp, mentre il modello Advanced Voice Mode si ferma al 0,7%. Anche la versione Mini, pur inferiore, riesce a ottenere uno score del 31,6%.

GPT-Live si comporta molto meglio anche nel test interno di OpenAI, il tau3 Voice Telecom, che valuta gli agenti vocali a doppio canale in compiti di supporto reali nei settori delle telecomunicazioni. Risultati del test mostrano che, in base al livello di ragionamento selezionato, GPT-Live-1 completa con successo una percentuale molto maggiore di compiti, completandoli più velocemente rispetto al modello predecessore.

Sul test tau3 Voice Telecom, GPT-Live-1 in modalità “High” risolve circa il 65% delle richieste di supporto in 385 secondi. Il modello Advanced Voice Mode riesce a completare solo circa il 30% e impiega lo stesso tempo. GPT-Live-1 in modalità “Instant” risolve circa il 37% e finisce in 225 secondi circa.

Maggiore somiglianza umana significa nuovi rischi

L’aspetto del realismo aumenta però anche la responsabilità. I test suggeriscono che le persone tendono a trattare i modelli di AI come persone vere e ad agire come se potessero influenzarle. Questo fenomeno può portare a risultati gravi. Le ricerche evidenziano inoltre che i pesanti utenti dei modelli vocali siano più inclini alla dipendenza emotiva verso l’AI.

I modelli di AI, in grado di suonare e rispondere addirittura con una voce simile a quella umana, potrebbero accentuare questi rischi. OpenAI ha incluso misure di sicurezza specifiche, anche durante conversazioni in corso, che permettono al sistema di indirizzare il modello verso risposte più sicure, mostrare ulteriori informazioni di protezione o addirittura interrompere la conversazione in situazioni a alto rischio.

I numeri legati ai rischi aumentano per utenti che parlano con AI attraverso modelli vocal