تضع Perplexity نموذج GPT-Live-1 وراء وضعها الصوتي: ما الذي يغيّره فعليًا التحوّل إلى Mac والويب

أصبح وضع الصوت في تطبيق Perplexity على Mac وعلى الويب يعمل الآن عبر GPT-Live-1، نموذج الكلام ثنائي الاتجاه الكامل من OpenAI، والقدرة المرتبطة بهذا الاستبدال هي الجزء الذي يستحق القراءة مرتين: يمكن لجلسة صوتية واحدة تشغيل عدة جلسات Perplexity Computer في آن واحد، وبدء مهام جديدة في منتصف الجملة، وإنشاء Projects أو إدارتها دون لمس لوحة المفاتيح. صدر الإعلان من حساب @AskPerplexity الخاص بـ Perplexity في 28 أكتوبر 2026، وطُبّق على مشتركي Pro وMax المدفوعين على كلا الواجهتين.

هذا حدث توزيع، وليس إطلاق نموذج. فـ GPT-Live-1 متاحة على نطاق واسع منذ أن أتاحتها OpenAI على واجهة API في 10 سبتمبر 2026، بسعر 0.05 دولار لكل دقيقة صوتية، وهي موجودة في ChatGPT Voice منذ 8 يوليو. ما تغيّر هذا الأسبوع هو مَن يستأجرها، وما يوجّهونها نحوه.

لماذا يستحق تبديل نموذج صوتي أن يكون عنوانًا رئيسيًا؟

كانت واجهات الصوت تُجمَّع داخل كل شركة على حدة. كنت تشتري خدمة النسخ، وتستدعي نموذجك اللغوي الخاص، وتشتري خدمة التوليد الصوتي، ثم تُنفق الجزء الأصعب من عملية البناء على كشف أدوار الكلام — القاعدة التي تحدد متى يكون المستخدم قد انتهى من التحدث. هذه القاعدة هي مقتل معظم منتجات الصوت: فإن كانت متعجلة أكثر من اللازم، تحدَّث الوكيل فوق الناس؛ وإن كانت بطيئة أكثر من اللازم، بدا كل اتصال وكأنه خط دولي سيئ.

GPT-Live-1 يزيل هذا الحد الفاصل. إنه نموذج واحد يستمع أثناء توليده، ويقرر عدة مرات في الثانية ما إذا كان سيتحدث أم ينتظر، ويحيل التفكير المكثف إلى نموذج نصي في الخلفية دون إيقاف الصوت. لم يكن على Perplexity بناء سياسة مقاطعة لجعل التحكم متعدد الجلسات يعمل؛ بل ورثها.

النتيجة العملية للقراء الذين يبنون منتجات صوتية خاصة بهم واضحة وصريحة: طبقة تناوب الأدوار التي كنت تنوي كتابتها أصبحت الآن شيئًا تستأجره. وما إذا كان ذلك أرخص يعتمد كليًا على عدد الدقائق التي يقضيها وكيلك في الاستماع بدلًا من التحدث — وهي مسألة تستحق إجراء حسابات بشأنها قبل أن تلتزم، لأن العداد يعمل على الجلسة بأكملها، بما في ذلك الصمت.

الجزء الخاص بالكمبيوتر هو التغيير الحقيقي في المنتج.

تبديل النماذج غير مرئي للمستخدمين، أما التحكم متعدد الجلسات في Computer فليس كذلك. حتى هذا التحديث، كان Perplexity Computer حلقة وكيل واحدة تُشرف عليها على الشاشة. وتتيح لك طبقة الصوت الجديدة إجراء محادثة واحدة بينما تعمل عدة جلسات خلفية، وبدء جلسة جديدة بمجرد قول ذلك، وإدارة المشاريع بالاسم. وهذا أقرب إلى موزّع مهام منه إلى روبوت محادثة، وهو أول واجهة صوتية استهلاكية نراها تتعامل مع جلسات الوكلاء المتوازية كخيار افتراضي لا كاستثناء.

ثلاثة تفاصيل تؤدي الدور هنا:

• جلسة واحدة، وعاملون كثر — يمكن لدور صوتي واحد أن يتوجّه إلى أكثر من جلسة Computer دون إنهاء الجلسة الحالية.

• إنشاء المهام عبر الكلام — يمكن إضافة أعمال جديدة إلى قائمة الانتظار أثناء المحادثة بدلًا من بعدها.

• إدارة المشاريع بالاسم — تصبح المشاريع كائنات يمكنك إنشاؤها وإعادة تسميتها بصوت عالٍ، مما يعني أن طبقة الصوت تحتاج إلى تفسير الإشارات المرجعية، وليس مجرد نسخها صوتيًا.

لا شيء من ذلك يتطلب نظريًا نموذجًا ثنائي الاتجاه الكامل. غير أن كل ذلك يصبح أسهل بكثير مع نموذج كهذا، لأن الوكيل يستطيع الإقرار بالطلب بقوله «ممم» بينما تبدأ المهمة الفعلية، بدلًا من أن يصمت ثماني ثوانٍ آملًا أن ينتظر المستخدم.

أطلقت Perplexity الإصدار المسمّى v1. ومنذ ذلك الحين، أصدرت OpenAI الإصدار v1.1.

التفصيل اللافت في الإعلان هو سلسلة الإصدار. تقول Perplexity إن وضع الصوت لديها يعمل على GPT-Live-1. في ChatGPT Voice، بدأت OpenAI طرح GPT-Live-1.1 في 15 أكتوبر 2026، أي قبل هذا التحوّل بأسبوعين. ولم تُفصح Perplexity عمّا إذا كانت قد قيّمت الإصدار 1.1، أو ما إذا كان التثبيت على الإصدار v1 مقصودًا من أجل الاستقرار، أو ما إذا كانت هناك ترقية مجدولة.

اعتبرها هندسة عادية لا فضيحة. فمنصّة تُدمج نموذج كلام في تطبيق للمستهلكين يهمّها الحصول على نسخة مجمّدة بزمن استجابة يمكن التنبؤ به أكثر بكثير من أحدث نقطة حفظ، ولم تنشر OpenAI دليل ترحيل يجعل 1.1 بديلاً جاهزاً دون تعديل. لكن هذا يعني أن النموذج الموجود في تطبيق Perplexity اليوم ليس هو النموذج الموجود في ChatGPT اليوم، وأن أي مقارنة بين تجربتي الصوت هاتين إنما تقيس أوزاناً مختلفة.

الاقتصاد الذي لم تتحدث عنه Perplexity

تورد وثائق OpenAI الخاصة سعرًا واحدًا لهذا النموذج: 0.05 دولار لكل دقيقة من الصوت، تُحتسب بالثانية دون تقريب إلى أعلى، مع احتساب رسوم تهيئة جلسة مدتها 15 ثانية تُخصم من المدة اللاحقة. أما الاستدلال والأدوات والبحث على الويب فتعمل على نموذج نصي منفصل وتُحتسب رسومها بشكل منفصل. وتبيع Perplexity اشتراكًا بسعر ثابت.

نموذجا الفوترة هذان لا يتلاءمان بطبيعتهما. فمشترك Max يستخدم الصوت ساعتين أسبوعياً — وهو مقدار ليس غير معتاد لمن حصل للتو على تحكم بلا استخدام اليدين في عدة جلسات وكيل — يستهلك نحو 520 دقيقة شهرياً. ووفق السعر المعلن، يبلغ ذلك نحو 26 دولاراً للصوت وحده، قبل استدعاءات الاستدلال الكامنة خلف كل مهمة Computer. أما المشترك الذي يترك جلسة مفتوحة أثناء التفكير، أو يبقيها قيد التشغيل كتحكم محيطي، فيتكلف أكثر، لأن الصمت يُحتسب بالسعر نفسه الذي يُحتسب به الكلام.

كل منصة تعيد بيع نموذج صوتي محاسَب بالاستهلاك ضمن خطة بسعر ثابت إنما تقوم بهذا الرهان، والرهان يكون صائبًا عادةً عند الإطلاق: فمعظم المشتركين يستهلكون أقل بكثير من الذيل الثقيل. والرقم المثير للاهتمام الذي ينبغي مراقبته ليس المتوسط بل المئين الخامس والتسعون، ولا تنشر أي من الشركتين هذا الرقم.

من جانب OpenAI، الرقم لكل ساعة الذي يهم تخطيط السعة هو تكلفة الصوت المُدخل، وليس وقت التحدث. قاست Artificial Analysis نموذج GPT-Live-1 بتكلفة 5.83 دولار لكل ساعة من الصوت المُدخل في إعداد الاستدلال المرتفع، و4.47 دولار في الإعداد المنخفض، باستخدام مجموعة قياس مرجعية ثابتة من 40 سؤالًا — وهو تذكير مفيد بأن الرقم الرئيسي البالغ 0.05 دولار لا يغطي سوى الصوت.

ما مدى جودة النموذج الذي تبنّته Perplexity للتو؟

في مؤشر Speech-to-Speech Index الذي تديره Artificial Analysis باستقلالية، يسجّل GPT-Live-1 نتيجة 83.2 في تهيئته Astra-medium، محتلًا المركز الثاني بين 21 نموذجًا مشمولًا بالتقييم، خلف Grok Voice 3.0 عند 86.9، ويسجّل 80.1 في تهيئته Sol-low في المركز الخامس. وفي Speech Agent Arena التابع للمختبر نفسه — وهو تفضيل أعمى بين محادثات واقعية بأسلوب الحجز — يحلّ الإعدادان عند 1037 و1041 نقطة Elo، بمعدلي نجاح للمهام 87.4% و90.9%.

سلسلة التكوين ليست زينة. لا يجري GPT-Live-1 الاستدلال داخليًا؛ بل يفوّض الأمر إلى خلفية مُسمّاة، والخلفية التي تختارها تغيّر كلاً من النتيجة والفاتورة. لم تكشف Perplexity عن الخلفية التي تقرنها بطبقة الصوت، لذا فجودتها الفعلية غير معروفة من الخارج، حتى وإن كان نموذج الصوت لديها أصبح معلومًا للجميع الآن.

سؤال التوجيه الذي لم يسأله أحد

إليك النقطة البنيوية التي يوضحها هذا الإعلان. أصبح مسار الصوت لدى Perplexity الآن مستأجرًا من OpenAI ولا يمكن استبداله — إذ لا يعرض GPT-Live-1 سوى نقطة نهاية واحدة، v1/live/sessions، وهو ليس بديلاً مباشرًا لواجهة Realtime API بشكل صريح. ذلك المسار مقفل. أما مسار الاستدلال الذي يقف خلفه فليس كذلك.

وهنا يبرز دور الموجّه: يمكن استبدال النموذج النصي الذي يتولى التفكير في كل مهمة على Computer، أو التحويل إلى نموذج احتياطي عند فشله، أو تقسيمه حسب نوع المهمة، دون المساس بطبقة الصوت. على OrcaRouter، يصل المفتاح نفسه إلى GPT-6 Astra، GPT-5.6 Terra وGPT-5.6 Sol — وهما الفئتان اللتان تستخدمهما OpenAI نفسها كأهداف للتفويض — إلى جانب نماذج Claude وGemini وQwen وGLM، مع تمرير أسعار القائمة من المزوّدين دون هامش ربح (0%)، والتحويل التلقائي إلى بديل عند تدهور أحد الأنظمة الخلفية. وعندما يخفض أحد المورّدين السعر، ينعكس ذلك على المسار الموجّه في اليوم نفسه.

لنكن دقيقين بشأن ما لا نقوم به: لا يقدّم OrcaRouter النموذج GPT-Live-1. يبقى المسار الصوتي على واجهة API الخاصة بـ OpenAI. أما ما نوجّهه فهو كل ما يأتي بعد ذلك، وهو الموضع الذي يكمن فيه فعليًا تباين التكلفة والموثوقية لدى وكيل الصوت.

ماذا تشاهد بعد ذلك

ثلاثة أمور من شأنها أن تغيّر هذه القصة. إذا انتقلت Perplexity إلى GPT-Live-1.1، فإن ملاحظة الإصدار أعلاه تتوقف عن كونها ذات أهمية، وينبغي أن ترتقي جودة الصوت في التطبيق بما غيّره الإصدار 1.1. وإذا نشرت OpenAI ضوابط لتكلفة كل جلسة — حد أقصى، ومهلة صمت، وسعر خمول أقل — تصبح حسابات الاشتراك الثابت أسهل لكل موزّع. وإذا ظهر نموذج منافس ثنائي الاتجاه كامل على مؤشر مماثل، فإن الاعتماد على بائع واحد في هذا التكامل يصبح خيارًا بدلًا من كونه الوضع الافتراضي.

بالنسبة للمطوّرين، فإن القراءة القابلة للتنفيذ أضيق نطاقًا. إذا كنت تبني واجهة صوتية كثيفة المقاطعات — استقبال الطلبات، أو الحجز، أو التوجيه، أو أي شيء يتحدث فيه المستخدم أكثر مما يتحدث الوكيل — فإن النموذج كامل الازدواجية أصبح الآن الخيار الافتراضي المعقول، والفوترة بالدقيقة هي ثمن ذلك. أما إذا كنت تبني السرد، أو القراءة بصوت عالٍ، أو أي شيء ينتج صوتًا من نص عند الطلب، فإن هذا النموذج مسعّر ومصمّم للمهمة الخطأ، ومقارنة تحويل النص إلى كلام مقال مختلف تمامًا.