Большинство AI-систем работают как рация: сказал — жди ответа. Теперь Microsoft Foundry предлагает модели OpenAI, которые меняют этот подход, позволяя AI слушать, говорить и генерировать изображения одновременно, как в живом диалоге. Это открывает путь к созданию по-настоящему интерактивных и отзывчивых мультимодальных приложений.
Microsoft Foundry теперь предоставляет доступ к моделям OpenAI GPT-Live-1 и GPT-image-2.5. GPT-Live-1 позволяет AI слушать и говорить одновременно (полнодуплексный режим), имитируя естественный диалог. А GPT-image-2.5 расширяет это взаимодействие, позволяя генерировать и редактировать изображения прямо во время разговора.
GPT-Live-1 имитирует естественный ритм человеческого общения, уходя от традиционной пошаговой логики "вопрос-ответ". Модель непрерывно оценивает, когда слушать, говорить, делать паузу или отвечать на прерывание. Среди ключевых возможностей:
- Одновременный ввод и вывод аудио — позволяет вести непрерывный разговор без строгой очередности.
- Обработка естественных прерываний — пользователи могут уточнять или менять информацию, пока приложение говорит.
- Разговорный тайминг — модель реагирует на паузы и темп речи, делая диалог менее механическим.
Сочетание GPT-Live-1 с GPT-image-2.5 позволяет приложениям превращать идеи в визуальный контент по ходу обсуждения. Пользователю не нужно формулировать каждый запрос как отдельный промпт или начинать заново, если изменились требования. Вместо этого он может говорить естественно, видеть результат и сразу же реагировать. GPT-image-2.5, выпущенная 8 сентября 2026 года, обеспечивает более высокую скорость и низкую задержку по сравнению с предыдущими версиями, что критично для таких сценариев.
Внедрение этих моделей в Microsoft Foundry меняет подход к взаимодействию с AI: от последовательных команд к настоящей совместной работе. Для разработчиков это означает возможность создавать приложения, которые адаптируются к поведению пользователя, а не наоборот. Однако это также потребует переосмысления архитектуры и логики, чтобы использовать потенциал полнодуплексного и мультимодального взаимодействия.