OpenAI chứng minh khả năng đa nhiệm của GPT-Live: vừa chat vừa tra chuyến bay, thời tiết, giá cổ phiếu, đưa các bài toán khó cho GPT-5.5

OpenAI vào ngày 15 tháng 7 đã công bố một bản demo đa nhiệm của GPT-Live, cho thấy nó có thể duy trì hội thoại liên tục, trong nền giúp bạn tra chuyến bay, thời tiết, giá cổ phiếu và lịch trình. GPT-Live sử dụng kiến trúc song công toàn phần, có thể đồng thời nghe và nói; gặp tác vụ phức tạp thì ủy nhiệm cho GPT-5.5 ở nền xử lý, và ngày 8 tháng 7 đã chính thức thay thế Advanced Voice Mode phiên bản cũ của ChatGPT.
（Tóm tắt bối cảnh: OpenAI ra mắt GPT-Live: có thể vừa nghe vừa nói đồng thời, tạo trải nghiệm hội thoại như người thật）
（Bổ sung bối cảnh: Lộ diện phần cứng đầu tiên của OpenAI! Một loa không màn hình mà tự biết cử động: tích hợp camera để làm bạn đồng hành AI）

Tóm tắt nhanh

• OpenAI ngày 15 tháng 7 phát hành demo đa nhiệm của GPT-Live, có thể vừa hội thoại vừa tra chuyến bay, thời tiết, giá cổ phiếu.
• GPT-Live áp dụng kiến trúc song công toàn phần, đồng thời nghe và nói; các bài toán khó được ủy nhiệm cho GPT-5.5 ở nền, mỗi giây đưa ra nhiều quyết định tương tác.
• GPT-Live ngày 8 tháng 7 thay thế Advanced Voice Mode, gói trả phí GPT-Live-1, gói mini miễn phí.

OpenAI đã đem các khung hình chạy thử của GPT-Live ra cho công chúng xem. Ngày 15 tháng 7, phía chính thức phát hành một video demo năng lực đa nhiệm, trọng tâm chỉ là có thể nói chuyện không bị đứt quãng, trong khi ở nền xử lý những việc lặt vặt như tra chuyến bay, xem thời tiết, nắm giá cổ phiếu, sắp xếp lịch trình. Việc này chỉ cách khoảng một tuần kể từ thời điểm GPT-Live lên sóng.

So với Advanced Voice Mode phiên bản cũ “bạn nói xong tôi mới nói”, kiểu luân phiên như trình chiếu, demo lần này muốn chứng minh điều không phải là giọng nghe tự nhiên hơn, mà liệu nó có thực sự một lòng đa nhiệm hay không.

Vừa chat, vừa xử lý mọi việc ở nền

GPT-Live dựa vào kiến trúc song công toàn phần (full-duplex), có thể đồng thời nghe và nói, mỗi giây đưa ra nhiều quyết định tương tác, xác định khi nào nên lên tiếng, khi nào tiếp tục nghe hoặc khi nào gọi công cụ. Gặp các tác vụ cần tra dữ liệu hoặc nhiều bước, nó sẽ không làm cuộc hội thoại bị kẹt; thay vào đó, nó chuyển công việc cho GPT-5.5 xử lý ở nền, trong lúc tính toán vẫn tiếp tục trò chuyện với bạn, và trong hội thoại cũng sẽ hiện ngay các thẻ hiển thị như thời tiết, giá cổ phiếu.

Kiến trúc này đã xuất hiện từ thời điểm ra mắt ngày 8 tháng 7: GPT-Live-1 dành cho người dùng trả phí Go, Plus, Pro, còn GPT-Live-1 mini dành cho người dùng miễn phí, qua đó tiếp quản toàn diện Advanced Voice Mode.

Dữ liệu mà OpenAI đưa ra khi đó là: trong các bài test mù, cả hai phiên bản đều vượt trội rõ rệt so với bản cũ; ở bài kiểm tra suy luận cấp nghiên cứu GPQA, GPT-Live-1 ở chế độ suy luận cao đạt 84,2%, gần gấp đôi mức 45,3% của phiên bản cũ.

Giọng nói làm giao diện chính

Ra demo này chỉ sau một tuần lên sóng, OpenAI rõ ràng muốn tranh thủ lúc chủ đề còn nóng, “đóng đinh” vào đầu người dùng rằng “giọng nói là giao diện chính, không phải chức năng phụ của chat bằng chữ”. Chỉ trong cùng một tuần, họ vừa kết hợp trải nghiệm với GPT-5.6 để tặng điểm tích lũy cho Codex, đánh một trận PR, rồi lại tiếp tục đưa ra phần cứng “bạn đồng hành bằng giọng nói không màn hình”, nhịp điệu nhất quán, dồn toàn bộ cược vào giọng nói.

Ngưỡng thật sự từ trước đến nay không nằm ở việc giọng có giống người không, mà ở chỗ nó có thể ở bên bạn để trò chuyện và làm xong việc hay không. Demo này muốn thể hiện điều sau; còn khi dùng thực tế có trơn tru hay không thì phải chờ thêm nhiều người dùng vào trải nghiệm.

Các câu hỏi thường gặp

Năng lực đa nhiệm của GPT-Live là gì?

Là khả năng, trong khi duy trì hội thoại liên tục, đồng thời xử lý ở nền các việc như tra chuyến bay, thời tiết, giá cổ phiếu, lịch trình; nhờ kiến trúc song công toàn phần đồng thời nghe và nói, các tác vụ phức tạp được ủy nhiệm cho GPT-5.5, không làm gián đoạn hội thoại.

GPT-Live khác gì so với Advanced Voice Mode?

Phiên bản cũ dựa vào việc đoán theo lượt khi im lặng, người nói kết thúc thì mới đổi người, dễ bị hiểu nhầm do dừng rồi tranh lời. GPT-Live chuyển sang kiến trúc song công toàn phần, có thể đồng thời nghe nói, GPQA đạt 84,2%, gần gấp đôi mức 45,3% của phiên bản cũ.