OpenAI 在 8 月 3 日发布了一篇工程深度文章，披露第三代语音系统 GPT-Live 的架构。最大的变化是从回合制转向流式全双工：模型可以同时听和说，传统的「轮次检测器」被彻底取消——此前所有语音助手都依赖它来判断用户是否说完，这也是打断体验生硬的根源。
工程侧的改动同样激进。推理引擎从 Python asyncio 迁移到 Go，效果是帧交付的 p95 延迟已经能匹配旧架构的 p50；配套的 WARP 协议把会话启动所需的网络往返从 6 次压缩到 1 次，直接决定了「按下就能说」的体感。这套系统目前已经在驱动 ChatGPT 桌面端的电脑控制与智能体协调功能，后续将支撑对外的 GPT-Live API。
对开发者的参考意义有两层。一是架构层面：全双工不是在回合制上加一个打断功能就能实现的，取消轮次检测意味着上下游整条链路都要按流式重写，打算自建语音交互的团队应该先评估这个改造量。二是选型层面：语音类应用的体验差距正在从「模型说得好不好」转向「首字延迟和打断是否自然」，评估工具时值得把冷启动往返次数和 p95 帧延迟当作硬指标，而不只看合成音色。