OpenAI 连发大招：GPT-Live 语音模型登场，挑战 SWE-Bench 评测基准

核心看点

• OpenAI 发布 GPT-Live 系列全双工语音模型，可同时聆听与说话
• GPT-Live-1/mini 让 AI 对话更接近真人聊天体验
• OpenAI 质疑 SWE-Bench Pro 评测基准，称约30%存在缺陷
• Cloudflare 与 OpenAI 合作，利用全球网络数据提升 AI 搜索效率

GPT-Live：AI 语音交互的重大突破

7月9日，OpenAI 正式发布了 GPT-Live 系列模型，定位新一代全双工语音模型。与传统语音助手“你说一句、我答一句”的交互方式不同，GPT-Live 可以同时聆听和说话，让 AI 对话感觉更接近真人聊天。

这意味着什么？想象一下，你可以像和朋友打电话一样自然地打断 AI、补充说明，而不需要等待它说完才能插话。这种“边听边说”的能力，将大幅提升语音交互的流畅度和自然度。

挑战行业评测基准：约30%存在缺陷

7月8日，OpenAI 发布博文，向行业权威评测基准 SWE-Bench Pro 发起挑战。OpenAI 指出，在731个公开测试任务中，约30%存在评测缺陷。

这一质疑引发了对 AI 模型评测体系的广泛讨论。如果评测基准本身存在问题，那么基于这些基准的模型排名和性能对比，是否还能完全信赖？OpenAI 此举也被视为对现有评测体系的一次“掀桌”。

与 Cloudflare 合作，提升 AI 搜索效率

OpenAI 还宣布与 Cloudflare 启动试点项目，利用 Cloudflare 承载的全球超过20%互联网流量数据，提升 AI 搜索效率。这意味着 AI 模型可以更快地获取和理解网络上的最新信息。

总结

OpenAI 在语音交互和评测标准两个维度同时发力，既展示了技术实力，也表达了对行业现状的不满。GPT-Live 的发布标志着语音 AI 进入了一个新的阶段，而对评测基准的质疑，则可能推动整个行业建立更科学、更公正的评估体系。

本文信息综合自 IT之家等科技媒体报道，更新时间为2026年7月9日。