OpenAI ha modificato il funzionamento della modalità vocale di ChatGPT introducendo la possibilità di scegliere direttamente il modello da utilizzare per le attività che richiedono ragionamento più complesso o accesso al web. La nuova configurazione consente di utilizzare GPT-5.6 Sol e, per gli utenti Pro, anche GPT-6 Astra durante le conversazioni vocali, affiancando al modello dedicato alla gestione in tempo reale della voce un modello di ragionamento selezionato dall’utente. La novità è stata annunciata il 10 settembre da Arti Eletti, responsabile del prodotto Voice di OpenAI, insieme a un aumento dei limiti di utilizzo della modalità vocale: per gli utenti Plus il tempo disponibile passa da un’ora a tre ore, mentre per gli utenti Pro viene portato a 15 ore.
La selezione del modello interviene soprattutto quando la richiesta formulata a voce richiede operazioni più impegnative, come una ricerca sul web o un’elaborazione articolata. In precedenza l’utente non poteva scegliere quale modello impiegare per questa parte del processo e il compito veniva gestito da GPT-5.5. Con l’aggiornamento è invece possibile indicare direttamente il modello di ragionamento desiderato e impostarne anche il livello di effort, scegliendo tra Instant, Medium e High. La modalità vocale può quindi mantenere una conversazione in tempo reale e, quando necessario, affidare le componenti più complesse della richiesta al modello selezionato.
La struttura tecnica distingue infatti il modello che gestisce direttamente l’interazione audio dal modello utilizzato per ragionamento, ricerca e strumenti. OpenAI ha introdotto a luglio GPT-Live-1, un modello vocale basato su un’architettura full-duplex progettata per ascoltare e parlare contemporaneamente. Questa impostazione permette al sistema di sostenere una conversazione più naturale, evitando di trattare rigidamente ogni intervento dell’utente come un turno completamente separato e consentendo di modificare la risposta anche mentre l’interlocutore continua a parlare.
OpenAI ha successivamente esteso la modalità vocale con funzionalità come il supporto agli allegati e ha descritto un’architettura nella quale GPT-Live e i modelli di ragionamento possono suddividersi il lavoro attraverso un percorso separato. GPT-Live mantiene quindi il flusso della conversazione, mentre le operazioni che richiedono più tempo, l’impiego di strumenti o un ragionamento più approfondito vengono delegate a un modello frontier. L’aggiornamento introduce la scelta esplicita di questo secondo modello da parte dell’utente, collegando così l’interazione vocale in tempo reale alle capacità di GPT-5.6 Sol e GPT-6 Astra senza sostituire GPT-Live come componente responsabile della gestione della voce.
La separazione dei due ruoli consente quindi a ChatGPT Voice di utilizzare modelli differenti nello stesso flusso di interazione. Il modello vocale resta responsabile dell’ascolto, della generazione della voce e della continuità della conversazione, mentre il modello di ragionamento viene richiamato per elaborare richieste complesse e per effettuare ricerche sul web. La possibilità di scegliere anche il livello Instant, Medium o High permette inoltre di stabilire quanta elaborazione dedicare alla richiesta quando viene coinvolto il modello di ragionamento.
OpenAI sta parallelamente aumentando l’attenzione verso l’interazione vocale come interfaccia principale per l’utilizzo futuro dei sistemi AI. Sam Altman ha già indicato la voce come una possibile modalità fondamentale di comunicazione con l’intelligenza artificiale e l’azienda sta preparando anche hardware AI progettato attorno a forme di interazione meno dipendenti dalle tradizionali interfacce software. L’integrazione dei modelli di ragionamento più avanzati all’interno di ChatGPT Voice estende quindi l’architettura introdotta con GPT-Live, permettendo alla stessa conversazione vocale di combinare elaborazione audio in tempo reale, ricerca sul web, utilizzo di strumenti e ragionamento avanzato.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)