ARTICLE · 人工智能
The Batch：956 | 一个模型在说话，另一个模型在思考
一语总结本文介绍了 OpenAI 推出的全新 GPT-Live 语音模型系统，通过全双工（Full-duplex）交互与推理模型（GPT-5.5）的解耦协作，实现了更自然、具备深度思考能力的实时语音对话体验。
文章详细解析了 OpenAI 最新发布的 GPT-Live 语音模型系统（包括 GPT-Live-1 与 mini 版）。该系统的核心技术突破在于：一是实现了全双工（Full-duplex）音频处理，使对话能够像电话一样同时进行发送与接收，消除了传统轮次交互的延迟感；二是采用了“对话层与推理层解耦”的架构，语音模型在进行实时交互（如插话、回声反馈）的同时，可将复杂任务委派给后台的 GPT-5.5 进行深度推理，从而实现“边说边思考”。文章通过 GPQA 和 BrowseComp 等基准测试数据展示了新系统相比前代 AVM 的性能飞跃，并探讨了 OpenAI 通过强化语音交互进军硬件市场的战略意图。
- 实现全双工（Full-duplex）音频交互模式。
不同于以往“对讲机式”的轮次交互，新系统支持音频输入与输出的连续重叠，使对话更加自然流畅，能够实时处理插话与回声反馈。
- 采用对话层与推理层的解耦设计。
语音模型负责前台的实时交互，而复杂的逻辑推理任务则委派给后台的 GPT-5.5，实现了在模型进行深度思考时仍能保持语音输出，解决了响应速度与思考深度的矛盾。
- 性能指标实现跨越式提升。
在 GPQA 科学推理和 BrowseComp 网页搜索任务上，新系统相比前代 AVM 展现了极高的准确率提升，证明了委派机制的有效性。
- 预示着 OpenAI 在语音硬件领域的战略布局。
语音交互能力的增强可能意味着 OpenAI 计划推出基于语音交互的便携式智能硬件，试图将语音打造为日常生产力的核心交互界面。
The Batch：956 | 一个模型在说话，另一个模型在思考
文章详细解析了 OpenAI 最新发布的 GPT-Live 语音模型系统（包括 GPT-Live-1 与 mini 版）。该系统的核心技术突破在于：一是实现了全双工（Full-duplex）音频处理，使对话能够像电话一样同时进行发送与接收，消除了传统轮次交互的延迟感；二是采用了“对话层与推理层解耦”的架构，语音模型在进行实时交互（如插话、回声反馈）的同时，可将复杂任务委派给后台的 GPT-5.5 进行深度推理，从而实现“边说边思考”。文章通过 GPQA 和 BrowseComp 等基准测试数据展示了新系统相比前代 AVM 的性能飞跃，并探讨了 OpenAI 通过强化语音交互进军硬件市场的战略意图。
文章金句
"Full-duplex 让语音更好聊；delegation 让它值得聊。
"当某个回复需要更深入的思考时，语音模型会把问题交给 GPT-5.5，并在该模型工作时继续说话。