GPT ライブ

2026/07/09 2:03

GPT ライブ

RSS: https://news.ycombinator.com/rss

要約

日本語訳:

OpenAI は今日から iOS、Android、ChatGPT.com で利用可能な新音声インターフェース「GPT‑Live」をグローバルにローンチしました。このシステムは、継続的な会話を複雑なバックグラウンドタスクと分離しており、ウェブ検索や推論処理が GPT‑5.5(基本的なフローには「Instant」版、中・高負荷には「Thinking」版を特定して使用)といった強力なバックスエンドモデルに委ねられるため、ユーザーは自由に話せます。順次展開されるのは 2 つのバージョンです:Go、Plus、Pro ユーザー向けのデフォルトとなる GPT‑Live‑1 と、Free ユーザー向けの GPT‑Live‑1 mini です。初期テストでは、どちらも以前の実装よりも流れ、自然さ、中断処理において大幅な性能向上が確認されました。特定のベンチマークにおいて、GPT‑Live‑1 は専門的な科学的推論(GPQA)、エージェント型ウェブ検索(BrowseComp)、複数ターンによるテレコムサポートタスクなどにおいて、Advanced Voice Mode を大きく上回っています。このアーキテクチャはリアルな対話のためにフルダプleks リスニングとスピーキングを支援します。アップデートには 9 つのリマスター済み音声、ハイリスク状況に対する親が管理できる堅牢なティーン保護機能、音声ネイティブな安全性評価、リアルタイム危機ホットラインフローが含まれています。ローンチ時はビデオや画面共有なしで音声オンリーがデフォルト体験ですが、特定のニーズのためにはレガシーオプションも引き続き利用可能です。高度な機能はまもなく開発者 API に展開される予定です。

本文

AI 対話の次世代モデル「GPT-Live」をリリースしました

OpenAI は、人間との会話がより自然で深いものになる**次世代の音声モデル「GPT-Live」**を公式にリリースいたしました。


🚀 GPT-Live の概要と特徴

GPT-Live は、従来の技術的制約を超えた新しい対話体験をもたらします。

  • フルダプレックス型アーキテクチャの採用

    • 聴取と発話を同時に行うことが可能になりました。
    • 「mhmm」「yeah」といった反応で集中を示し、ユーザーの思考時間を尊重した静かな対応も可能です。
    • これにより、これまでになかったほど話しやすく自然な音声体験を実現します。
  • 最高水準の知能と背景処理

    • ウェブ検索や深い推論、複雑なタスクが必要な問いに対しては、裏側で最新の「frontier モデル(現在のGPT-5.5)」に処理を委譲します。
    • 結果が用意されるまで、対話を途切れさせず続けることで、会話の中断を防ぎます
    • 将来的には、新しい frontier モデルがリリースされるたびに継続的にアップデートされてまいります。

🌍 現在と今後の提供状況

  • 公開開始

    • 「GPT-Live-1」とその軽量版「GPT-Live-1 mini」の 2 つを、世界中のユーザーへ段階的に公開中です。
    • API 提供予定: 開発者や企業が API を利用できるようになりつつあります(詳細は後述)。
  • ChatGPT Voice の進化

    • ChatGPT ボタンからアクセスできる新しい体験を提供します。
    • 特徴: より自然な会話、賢い回答、鋭敏な傾聴、ビジュアルでの回答提示。
    • 「本当に人間同士の会話」のような感覚:
      • 質問を挟んで中断できる。
      • 考えを整理するために一時停止できる。
      • チャットボットのペースでゆっくり話せる。
      • 「got it(承知しました)」などの反応で理解を示す。
  • 利用プランによるモデル選択

    • Go, Plus, Pro プラン: デフォルトはGPT-Live-1
    • Free プラン: デフォルトはGPT-Live-1 mini
    • 推論レベルの選択:
      • Instant
        : 即応性を重視する場合に推奨。
      • Medium
        /
        High
        : ChatGPT に思考時間を与えたい場合に推奨。

⚙️ 技術的な革新:従来の課題を克服する 2 つのアプローチ

過去の音声 AI は、自然さの追求と複雑なタスク処理の間で妥協点がありました。GPT-Live は以下の 2 つの変化でそれらを解決します。

  1. フルダプレックス型アーキテクチャによる連続的な相互作用

    • 離散的なメッセージではなく、入力処理中に出力を継続生成
    • 1 秒間に何度も判断を下せるため、「話す」「聞く」「一時停止」「割り込む」などの自然な時間感覚が維持されます。
    • メリット: 高速で表現豊かな応答、能動的な傾聴の実現。
  2. 連続的な相互作用と深い処理の分離

    • 検索や推論などは裏側で別のモデル(GPT-5.5 など)へ委譲し、対話を中断させません。
    • メリット: 常に最新モデルを活用しつつ、頂点性能を持つ知性と自然な対話を融合。

📊 パフォーマンス評価結果

  • GPQA (科学的推論): GPT-Live-1 は生物学・化学・物理学の専門家教養を測るテストで、Advanced Voice Mode を大幅に上回りました。
  • BrowseComp (ウェブ検索エージェント): 困難な情報の発見において Advanced Voice Mode よりも著しい向上を示しました。
  • τ³-Voice Telecom: リアルな電話サポートタスクにおいて、音声エージェントの能力を測るテストで上回りました。

注記: 今回は最新推論モデル(GPT-5.5 Instant 或いは GPT-5.5 Thinking)を活用したカスタマイズされたユーザーモデルでの評価結果です。


🛡️ 安全性とウェルビーイング

「デフォルトで安全であること」を設計の原則としています。

  • 包括的な評価:
    • オーディオネイティブ(音声固有)の評価を導入し、安全性テストの範囲を拡大。
    • 自傷行為、精神病、AI への感情的依存、暴力、性的コンテンツなど主要リスク領域に特化。
  • リアルタイム防護機能:
    • 潜在的なリスクを検知した場合は、安全な回答へ誘導したり、追加メッセージを表示したり、必要に応じて会話を終了させます。
    • 自傷行為の場合: 専門家が審査済みの危機ホットラインへのアクセスを提供し、既存のサポートフローを音声向けに最適化しています。
  • 青少年保護:
    • ティーンエイジャーユーザーに対して不適切な回答のリスクを減らすための年齢適応学習をモデル内で実施。
    • 親御様は「ペアレンタルコントロール」でお子様の利用可否を選択可能です。
    • 高リスク状況での通知機能も備えています。
  • なりすましの防止:
    • 音声 impersonation(偽装)を防ぐため、プリセットされた ChatGPT の声のみを使用します。

我々は安全性とウェルビーイングについて継続的にモニタリングし、防护措施の改善に取り組んでまいります。


📱 利用開始に関する詳細

  • 対応プラットフォーム: iOS、Android、ChatGPT.com(段階的公開中)
  • 対応言語: 主要言語の一部を最適化済み。その他の言語も引き続き改善中です。
  • 機能の制限と今後の予定:
    • ローンチ時は動画共有や画面共有との連携は対応していませんが、近日中に導入予定です。
    • 旧来の「標準型」や「Advanced Voice Mode」も引き続き利用可能です。

開発者向け API の登録 今後間もなく API でも提供されます。関心をお持ちの場合は以下のフォームよりご連絡ください。

👉 API 提供に関する登録フォームへ

同じ日のほかのニュース

一覧に戻る →

2026/07/09 5:05

FAANGシミュレーター

## Japanese Translation: 「FAANG™ Life Simulator featuring MILTON」は、エントリーレベルのテックワーカーが直面する激しいプレッシャーを批判的に検証する風刺モバイルゲームです。このシミュレーションでは、**1 回のタップは人生の 1 四半期を表し**、**1 つのグリッドマスは 1 ヶ年を表す**ことで、プレイヤーには急速な加齢と変動するメトリクスを管理させながら、過酷な現実を目撃させる仕組みとなっています。初期状態として Milton は 22 歳(Q1)、パフォーマンススコアが 50、バーンアウトが 10 の状態で始まり、高給与(年額 19 万ドル)と金銭的自由の欠如(退職永久資金 0%)、そして資産総額 0 が同時に存在する厳しい現実を描き出します。プレイヤーがこれらの制約の中で動き回りながら、企業が 0% のトラクションを示す中で、特定のアクションによって定義された明確な複数のエンディングへと至ります:その行為とは、**「Form HR-1099-RAT」の記入**、**「Exit Interview」への参加**、そして**「GO HOME」画面の表示**です。シミュレーション終了後、プレイヤーはその結果を 𝕏(X)に投稿し、自らの架空のキャリアの終焉をデジタル記録として残すことができます。最終的に、このプロジェクトは業界全体の課題である従業員の福祉、定着率の難しさ、一流テクノロジー企業で働く際の隠れたコストなどについて鋭い評論を行い、官方的な提携はないまま、現状の高い成長を志向する専門職モデルの持続可能性に疑問を投げかける魅力的な体験へと抽象的な企業データを転換します。

2026/07/09 0:19

Chatto はオープンソースになりました

## Japanese Translation: Chatto は、セルフホスト用に設計された新たにリリースされたオープンソースのグループチャットおよびチームチャットアプリケーションです。ユーザーは、`brew install chattocorp/tap/chatto` で Homebrew を使用して Linux (x86_64/ARM64)、macOS、Windows 上ですぐに試すことができます。その後、`chatto init` と `chatto run` を実行します。その核心的な強みは、コンパクトなパフォーマンス、堅牢なプライバシー、完全なデータ保護です:すべてのデータは静態で暗号化され、アカウント削除時にユーザー固有の鍵が完全に「破棄」され、データ痕跡は残りません。連邦システムとは異なり、Chatto はサードパーティの追跡がない単一サーバーのコミュニティモデルを運用し、クライアントは同時に複数のサーバーに直接接続できます。内蔵された音声通話、ビデオ通話、画面共有はすべてエンドツーエンドで暗号化され、インフラストラクチャのキャパシティに応じてスケーリングします。現在、production 使用のためにバージョン 0.4 が安定しており、Chatto は広告やベンダーロックインを回避しています。有料の「Chatto Cloud」サービスが間もなくヨーロッパ所有のインフラ上で開始され、広告なしでロックインなく安全なホスティングを提供し、自動スケーリング、夜間のバックアップ、ダウンタイムなしのアップグレード、セルフホストされたサーバーとの完全互換性を提供します。追加のリージョンは 2027 年初頭に予定されています。バージョン 0.5 は安全性機能、コンテンツモデレーション、クライアントの改良に焦点を当て、予想される 1.0.0 リリースに向けて進みます(注:新しいバージョンがロールアウトするにつれて破壊的変更が発生する可能性があります)。コミュニティサポートは Chatto HQ の専用の #self-hosting チャンネルで利用でき、リリースおよび早期 Cloud ベータへのアクセスに関する更新のために低ボリュームのニュースレター(〜1 封/月)を購読することもできます。この安全かつ広告なしのプラットフォームは、現代のマルチメディア機能を損なうことなくユーザーの主権を優先します。 ## Text to translate: Chatto is a newly released open-source group and team chat application designed for self-hosting. Users can immediately try it on Linux (x86_64/ARM64), macOS, or Windows via Homebrew with `brew install chattocorp/tap/chatto`, then run `chatto init` and `chatto run`. Its core strengths are compact performance, robust privacy, and full data protection: all data is encrypted at rest and per-user keys are completely "shredded" upon account deletion, leaving no data trails. Unlike federated systems, Chatto operates on a single-server community model with no third-party tracking; clients can connect directly to multiple servers simultaneously. Built-in voice, video calls, and screen-sharing are fully end-to-end encrypted and scale with infrastructure capacity. Currently stable at version 0.4 for production use, Chatto avoids ads and vendor lock-in. A paid "Chatto Cloud" service is launching soon on European-owned infrastructure, offering secure hosting without ads or lock-in, automatic scaling, nightly backups, zero-downtime upgrades, and full compatibility with self-hosted servers; additional regions are expected in early 2027. Version 0.5 will focus on safety features, content moderation, and client polishing, leading to the anticipated 1.0.0 release within 6–12 months (note: breaking changes may occur as new versions roll out). Community support is available at Chatto HQ via a dedicated #self-hosting channel, and users can subscribe to a low-volume newsletter (~1 email/month) for updates on releases and early Cloud beta access. This secure, ad-free platform prioritizes user sovereignty without compromising modern multimedia capabilities.

2026/07/09 3:00

Grok 4.5

## Japanese Translation: SpaceXAI は、コーディング、エージェンタスク、複雑な知識業務に特化して Cursor と共同開発された、現時点で最も高度なモデルである Grok 4.5 を発売しました。本モデルは、単一のプロンプトからエンドツーエンドのアプリケーションを構築する(太陽系など細部の模擬を含む)などの強力な能力を示していますが、主要なベンチマークでは 3 位にランクインしています:DeepSWE 1.0 で 62.0%、Terminal Bench 2.1 で 83.3%、SWE Bench Pro では解決率が 64.7% と、GPT-5.5 xhigh および Fable に及ばない結果となっています。本モデルは、数万台の NVIDIA GB300 GPU を使用し、高度なデータ選別技術と、トークンごとの知能に焦点を当てた強化学習戦略を採用することで、同等モデルと比較して約 4.2 倍のトークン効率を達成しています。 Grok 4.5 は、入出力トークンあたりそれぞれ 100 万トークンで 2 米ドルおよび 6 米ドルという高速サービスを提供しており、限定期間中の無料利用オファーも用意されています。現在、Excel リサーチや PowerPoint の図表作成を強化する目的で Grok Build、Cursor、SpaceXAI コンソールに統合されていますが、ヨーロッパ連合では 7 月中旬のローンチまでの間利用できません。

GPT ライブ | そっか~ニュース