GPT-Live: OpenAI Klaim ChatGPT Kini Bisa Dengar dan Bicara Sekaligus, tapi Sembunyikan Angka Latensinya

OpenAI merilis model suara barunya, GPT-Live, pada 8 Juli lalu dengan klaim besar: bisa mendengar dan bicara di saat bersamaan, nyaris seperti mengobrol dengan manusia (TechCrunch). Yang tidak dirilis OpenAI adalah satu pun angka pembanding — tidak ada skor latensi, tidak ada tingkat akurasi transkripsi, tidak ada leaderboard evaluasi. Firma real-time communication Agora.io akhirnya mengukurnya sendiri, dan hasilnya bukan cuma soal kecepatan (MarkTechPost).

Arsitektur Full-Duplex: Dengar dan Bicara Sekaligus

GPT-Live dirilis dalam dua varian — GPT-Live-1 sebagai model utama untuk pelanggan berbayar, dan GPT-Live-1 mini untuk pengguna gratis. Keduanya dibangun dengan arsitektur full-duplex, artinya model memproses suara masuk dan menghasilkan suara keluar secara bersamaan, bukan bergantian seperti mode suara ChatGPT sebelumnya yang menunggu giliran bicara selesai dulu (MarkTechPost). Praktiknya, GPT-Live bisa menyisipkan respons singkat seperti "mhmm" atau "oke" di tengah kalimat pengguna, ikut memotong pembicaraan secara wajar, atau diam saat penggunanya sedang berpikir — pola yang jauh lebih dekat ke percakapan manusia dibanding mode tanya-jawab bergiliran.

Untuk pertanyaan yang butuh pencarian web, reasoning berlapis, atau tugas kompleks, GPT-Live mendelegasikan prosesnya ke model frontier GPT-5.5 di belakang layar, lalu membawa hasilnya kembali ke percakapan begitu selesai — jadi model suara ini sendiri tetap ringan dan cepat, sementara "otak berat"-nya berjalan terpisah.

Angka yang Tidak Dipublikasikan OpenAI

Inilah yang membuat peluncuran ini janggal: OpenAI mengklaim GPT-Live-1 mengungguli Advanced Voice Mode versi lama di sejumlah benchmark internal — termasuk GPQA, BrowseComp, dan tolok ukur khusus telekomunikasi bernama τ³-Voice — tapi tidak merilis satu pun angka latensi head-to-head atau skor akurasi interupsi dibanding pendahulunya (Agora.io). OpenAI bahkan membangun kerangka evaluasi manusia baru khusus untuk GPT-Live, dengan alasan benchmark suara yang ada belum mengukur dimensi yang penting dalam sistem percakapan full-duplex — sebuah klaim yang sulit diverifikasi karena angka pembandingnya sendiri tidak dibuka ke publik.

Agora.io lalu menjalankan pengujian sendiri dan menemukan sesuatu yang justru menguntungkan GPT-Live: pada kondisi jaringan buruk dengan 10% packet loss di jalur upload, GPT-Live hanya kehilangan tambahan 314 milidetik latensi, dibanding Advanced Voice Mode yang melonjak hingga 2.448 milidetik (Agora.io). Selisihnya hampir delapan kali lipat — bukti nyata bahwa arsitektur full-duplex GPT-Live jauh lebih tahan banting di jaringan tidak stabil, sesuatu yang sebetulnya jadi argumen kuat untuk OpenAI publikasikan sendiri, tapi tidak dilakukan.

Masalah Baru: Siapa yang Sebenarnya Diajak Bicara

Kemampuan mendengar terus-menerus ternyata punya efek samping. Dalam pengujian di ruangan bising di mana tidak ada seorang pun yang benar-benar menyapa ChatGPT, GPT-Live justru menjawab suara latar belakang secara spontan pada 4 dari 30 jendela pengujian sepuluh detik — sementara mode suara lama tetap diam di kondisi yang sama (Agora.io). Ini bukan soal salah dengar; sistemnya mendeteksi ucapan dengan benar, tapi salah menilai untuk siapa ucapan itu ditujukan.

Masalah speaker-attribution semacam ini jauh lebih berisiko dibanding transkripsi yang meleset. Model lama yang menunggu giliran bicara secara implisit punya filter kasar: kalau tidak ada jeda yang jelas atau perintah eksplisit, ia diam. Full-duplex membuang filter itu demi terasa lebih alami — tapi taruhannya, sistem sekarang harus menebak niat pengguna dari sinyal yang jauh lebih ambigu, dan dari data pengujian ini, tebakannya belum selalu benar.

Takeaway

GPT-Live adalah lompatan teknis yang nyata — delapan kali lebih tahan terhadap packet loss bukan angka kecil, dan itu langsung terasa buat siapa pun yang pernah pakai asisten suara di jaringan seluler yang buruk. Tapi cara OpenAI merilisnya patut dicatat: klaim besar tanpa data pembanding, sampai pihak ketiga yang harus membuktikannya sendiri — sekaligus menemukan bug yang tidak disebutkan dalam pengumuman resmi. Buat siapa pun yang membangun produk di atas API suara OpenAI, pelajarannya sederhana: jangan percaya demo, tunggu angka independen keluar dulu sebelum mengandalkan model ini di kasus pakai yang sensitif terhadap salah dengar.

---

Sumber gambar: Vojtech Bruzek di Unsplash Sumber gambar: Glenn Carstens-Peters di Unsplash