Программирование с помощью Agentic становится автоматизированным, поскольку OpenAI внедряет полнодуплексное голосовое управление GPT-Live в Codex и ChatGPT на настольных компьютерах.

Карл Франзен

Спустя две недели после дебюта своей более реалистичной модели искусственного интеллекта для обработки аудиоданных GPT-Live с возможностями полнодуплексной связи (одновременное прослушивание и речь), OpenAI внедряет ее непосредственно в рабочие процессы разработчиков.

Компания объявила, что GPT-Live теперь обеспечивает работу настольного приложения ChatGPT на macOS и Windows, напрямую интегрируясь с агентскими системами, такими как Codex и ChatGPT Work (которые представляют собой отдельные функции, доступные в настольном приложении ChatGPT).

Когда OpenAI впервые запустила GPT-Live 8 июля 2026 года, она представила модель непрерывного аудио, способную одновременно слушать и говорить, что исключает жесткое соблюдение очередности реплик и делегирует сложные рассуждения фоновым моделям, таким как GPT-5.5.

В сегодняшнем релизе этот разговорный уровень распространяется и на технические задачи, позволяя инженерам-программистам управлять многопоточными процессами кодирования, проверять запросы на слияние и отлаживать приложения с помощью естественных голосовых команд.

Таким образом, это может положить начало новой эре разработки программного обеспечения без участия пользователя и даже организации групповых онлайн-занятий по программированию для более чем 10 миллионов активных пользователей Codex и ChatGPT Work. Codex, конечно же, — это название моделей и инструментов OpenAI, ориентированных на программирование, но в этом году компания расширила их функционал, превратив в более универсальную платформу для повышения производительности. Представитель OpenAI сообщил VentureBeat, что это первый случай использования голосовой активации.

Компания OpenAI опубликовала рекламный ролик, в котором некоторые из ее сотрудников, инженер по пользовательскому опыту разработчиков Codex Джейсон Лю и технический сотрудник Codex Гиннесс Чен, общаются с одной и той же моделью в рамках одной и той же сессии настольного приложения ChatGPT, каждый из них дает разные инструкции и взаимодействует с одной и той же моделью.

Разблокированы новые возможности

По своей сути, эта интеграция основана на отделении уровня обработки голоса в реальном времени от базовых механизмов выполнения.

Хотя GPT-Live поддерживает плавный диалог — вставляя естественные словесные подтверждения, такие как «понял», не прерывая пользователя, — он перекладывает значительную вычислительную нагрузку на фоновые модели рассуждений.

В macOS настольное приложение включает в себя функции «Снимки приложений» и контекст экрана, позволяющие ChatGPT Voice анализировать самое активное окно, а также локальные файлы, структуру кода и активные плагины.

Эта архитектура создает динамику парного программирования, при которой разработчики обсуждают проблемы в диалоге, а агенты выполняют задачи асинхронно.

Вместо того чтобы вручную прерывать сеансы программирования для ввода подробных инструкций или переключения окон, разработчики управляют системой без помощи рук.

Полнодуплексный движок динамически принимает решения о том, когда говорить, делать паузу или вызывать инструменты, поддерживая состояние разговора даже тогда, когда фоновые агенты обрабатывают сложные изменения кода.

Управляйте кодированием и сложными сборками исключительно с помощью голоса.

Ключевая оперативная возможность этого обновления сосредоточена на выполнении нескольких задач одновременно в рабочих средах Codex и ChatGPT.

Программисты могут запускать несколько параллельных потоков задач с помощью одной голосовой команды. Например, разработчик, готовящийся к выпуску новой функции, может дать системе указание одновременно исследовать открытую ошибку аутентификации, проверить ожидающий запрос на слияние миграции API и сгенерировать недостающие модульные тесты.

Настольное приложение координирует эти действия в различных контекстах, отслеживая проблемы через беседы в Slack, репозитории GitHub и локальные кодовые базы.

Разработчики также могут устно преобразовывать макеты дизайна в работающий код, разделяя задачи между фронтендом, бэкендом и тестированием.

Благодаря поддержке проектов с несколькими папками (сборка 26.715) и удаленного выполнения через iOS, инженеры могут отслеживать ход выполнения задач, отвечать на запросы агентов и перенаправлять активные задания без переключения приложений или построчного управления отдельными процессами.

Собственная лицензия

Версия OpenAI для настольных компьютеров с поддержкой голосового управления работает по проприетарной коммерческой корпоративной модели. Доступ к ней ограничен для платных подписчиков тарифных планов Plus, Pro, Business, Enterprise и Education.

Для отдельных разработчиков и корпоративных инженерных отделов такая коммерческая структура означает, что веса моделей, конвейеры обработки голоса и архитектура состояний агентов остаются полностью закрытыми.

Организации не могут модифицировать или размещать базовые системы на собственном сервере. Кроме того, задачи, инициированные через ChatGPT Voice, расходуют стандартные квоты использования непосредственно из существующих квот Codex и плана работы ChatGPT, рассматривая действия, запускаемые голосом, аналогично стандартным рабочим нагрузкам агентов.

Реакция сообщества

Сообщества разработчиков немедленно отметили преимущества внедрения непрерывной полнодуплексной голосовой связи в автономные рабочие процессы программирования.

Реагируя на анонс выпуска сборки 26.715, в которой подробно описывается интеграция голосового управления и поддержка проектов с несколькими папками, журналист AI Insider @ChrisGPT отметил на X: «Сегодня OpenAI выпустит голосовое управление и удаленное руководство для кодекса! Еще один шаг к персональному ИИ».

Первые технические отзывы свидетельствуют о широком интересе к автоматизации сложных задач, выполняемых агентами без участия пользователя, особенно при отходе от рабочего места или удаленном управлении конвейерами сборки.

Источник: venturebeat.com