OpenAI presentó GPT-Live, una nueva generación de modelos de voz que ahora impulsa ChatGPT Voice. La capacidad principal suena sencilla y no lo es: GPT-Live escucha y habla al mismo tiempo.
Cada experiencia de voz anterior de ChatGPT, incluyendo el Modo de Voz Avanzado, funcionaba por turnos. Tú hablabas, esperaba, respondía. GPT-Live funciona en modo dúplex completo: procesa el audio entrante mientras genera la salida, y decide muchas veces por segundo si hablar, seguir escuchando, pausar, interrumpir o llamar a una herramienta. Puede soltar un "mmm" mientras explicas algo, esperar mientras piensas y recuperarse naturalmente cuando lo interrumpes a mitad de la frase.
GPT-Live de un vistazo
| Detalle | |
|---|---|
| Anunciado | 8 de julio de 2026 |
| Qué es | Familia de modelos de voz dúplex completo que impulsa ChatGPT Voice |
| Variantes | GPT-Live-1, GPT-Live-1 mini, GPT-Live-1 Medium, GPT-Live-1 High |
| Backend | GPT-5.5 Instant (1 y mini); GPT-5.5 Thinking (Medio y Alto) |
| Predeterminado para de pago (Go/Plus/Pro) | GPT-Live-1 |
| Predeterminado para nivel Gratuito | GPT-Live-1 mini |
| Plataformas | iOS, Android, chatgpt.com (despliegue global) |
| Compartir vídeo / pantalla | No en el lanzamiento; "trabajando para introducir estas capacidades pronto" |
| API | No disponible aún; OpenAI planea llevarlo a la API "pronto" |
Las cuatro variantes y lo que las impulsa
GPT-Live se lanza como una familia, y OpenAI es inusualmente clara sobre la arquitectura: "GPT-Live-1 (instant) y GPT-Live-1 mini usan el modelo GPT-5.5 Instant en segundo plano, mientras que GPT-Live-1 Medium y GPT-Live-1 High usan el modelo GPT-5.5 Thinking con un esfuerzo de razonamiento medio y alto."
Así, la capa de voz es el producto, y GPT-5.5 realiza el trabajo pesado de pensamiento detrás de ella. En la práctica:
- GPT-Live-1 es el conductor diario, ahora el predeterminado para los suscriptores Go, Plus y Pro.
- GPT-Live-1 mini atiende a los usuarios del nivel Gratuito con el mismo estilo de interacción dúplex completo.
- GPT-Live-1 Medium y High intercambian velocidad de respuesta por un razonamiento más profundo, respaldado por GPT-5.5 Thinking con esfuerzo medio y alto.
Delegación: la segunda idea arquitectónica
El dúplex completo es una mitad del diseño. La otra es la delegación. "Cuando una pregunta requiere búsqueda, razonamiento o capacidades más agenciales, GPT-Live puede delegar la tarea a otro modelo como GPT-5.5", y reincorpora el resultado a la conversación cuando está listo.
Esto resuelve el dilema clásico de la IA de voz: los modelos lo suficientemente rápidos para el chat en tiempo real son demasiado superficiales para preguntas difíciles, y los modelos lo suficientemente inteligentes para preguntas difíciles son demasiado lentos para la conversación. GPT-Live divide el trabajo. El modelo de voz mantiene la conversación viva, incluyendo los canales de retroalimentación, mientras un modelo más potente trabaja en segundo plano. Tú sigues hablando; la respuesta llega cuando existe.
Lo que GPT-Live puede hacer en el lanzamiento
Más allá de la mecánica de conversación, el conjunto de características de lanzamiento incluye:
- Búsqueda web, delegada y reincorporada al diálogo
- Traducción en vivo entre idiomas en la conversación
- Tarjetas visuales mostradas en pantalla para el tiempo, la bolsa y los deportes
- Carga de imágenes y archivos dentro de una conversación de voz
- Memoria, consistente con el resto de ChatGPT
Y la brecha de lanzamiento: "En el lanzamiento, GPT-Live no admitirá voz con vídeo o pantalla compartida en ChatGPT." El Modo de Voz Avanzado mantiene esas capacidades para los suscriptores elegibles, y tanto el Modo de Voz Estándar como el Avanzado siguen estando disponibles. Si apuntar tu cámara a las cosas es importante para tu flujo de trabajo, no cambies todavía; los detalles están en GPT-Live vs Advanced Voice Mode.
Los benchmarks citados por OpenAI
OpenAI nombra tres evaluaciones, todas enmarcadas contra el Modo de Voz Avanzado en lugar de productos rivales:
- GPQA: GPT-Live-1 "supera sustancialmente" al Modo de Voz Avanzado en el razonamiento científico a nivel experto en biología, química y física.
- BrowseComp: "grandes avances" en la búsqueda web agencial y en la información difícil de localizar.
- τ³-Voice Telecom (una variante interna): mejor rendimiento en tareas realistas de soporte de telecomunicaciones de múltiples turnos.
OpenAI también informa que los usuarios "prefirieron fuertemente" GPT-Live en conversaciones cara a cara de 5 a 10 minutos. Ten en cuenta lo que está ausente: puntuaciones publicadas, cifras de latencia y precios. Las afirmaciones son direccionales y reportadas por el proveedor, así que trátalas como una forma, no como un marcador. Los números de los rivales llegarán cuando los artículos de comparación puedan probar el producto final.
Situación para los desarrolladores
No existe una API de GPT-Live hoy. Las palabras exactas de OpenAI: "También planeamos llevarlos a la API pronto, y los desarrolladores y empresas pueden registrarse para recibir notificaciones utilizando este formulario."
Lo que existe para construir agentes de voz ahora mismo es la API en Tiempo Real, generalmente disponible con la familia gpt-realtime-2.1, transporte WebSocket y WebRTC, llamadas telefónicas SIP y soporte de servidor MCP. Si llegaste aquí planeando un producto de voz, la guía práctica es ¿Existe una API de GPT-Live? Lo que los desarrolladores pueden usar hoy, y la confusión de nombres entre las dos pilas se aclara en GPT-Live vs GPT-Realtime.
Mientras tanto, cuando estés creando prototipos con la API en Tiempo Real, Apidog se encarga de las partes menos glamorosas: probar sesiones WebSocket, inspeccionar eventos transmitidos y simular tu backend de voz para que el trabajo del cliente no se bloquee por una conexión de modelo en vivo.
Cómo probar GPT-Live
El despliegue es global pero escalonado en iOS, Android y chatgpt.com. Los usuarios de pago obtienen GPT-Live-1 como el nuevo predeterminado de Voz; los usuarios gratuitos obtienen GPT-Live-1 mini. Actualiza la aplicación, abre Voz y comprueba qué modelo responde; si aún no ha cambiado nada, el despliegue no ha llegado a tu cuenta. La configuración paso a paso, el cambio de variante y la ruta de CarPlay (todos los planes, iOS 26.4+) se cubren en cómo usar GPT-Live.
Por qué es importante este lanzamiento
La voz ha sido la interfaz de IA más amigable para demostraciones y menos lista para producción durante dos años. Los turnos hacían que cada asistente se sintiera como un walkie-talkie. El dúplex completo más la delegación es la primera arquitectura convencional que trata la conversación como continua en lugar de transaccional, y OpenAI la ha lanzado a cientos de millones de usuarios como predeterminada, no como una vista previa de laboratorio.
La versión para desarrolladores de esa arquitectura llegará "pronto". Cuando llegue, los agentes de voz en tiempo real tendrán un nuevo punto de referencia para probar; hasta entonces, la ruta de la API en Tiempo Real es donde se construyen los sistemas operativos. Descarga Apidog gratis si estás construyendo uno ahora; solo la depuración de WebSocket ya vale la pena.
Preguntas Frecuentes
¿Qué es GPT-Live en una frase? La familia de modelos de voz dúplex completo de OpenAI que impulsa ChatGPT Voice: escucha mientras habla, realiza retroalimentación natural y delega preguntas difíciles a GPT-5.5 en segundo plano.
¿Es GPT-Live gratuito? Los usuarios del nivel gratuito obtienen GPT-Live-1 mini como su modelo de voz predeterminado. Los niveles de pago (Go, Plus, Pro) obtienen GPT-Live-1.
¿GPT-Live admite vídeo o pantalla compartida? No en el lanzamiento. El Modo de Voz Avanzado conserva las capacidades de vídeo y pantalla compartida para los suscriptores elegibles; OpenAI dice que está trabajando para llevarlas a GPT-Live pronto.
¿Existe una API de GPT-Live? Todavía no. OpenAI planea llevar GPT-Live a la API "pronto"; los desarrolladores pueden construir agentes de voz hoy con la API en Tiempo Real.
¿Qué modelo impulsa GPT-Live? GPT-Live-1 y mini funcionan con GPT-5.5 Instant; las variantes Medium y High utilizan GPT-5.5 Thinking con un esfuerzo de razonamiento medio y alto.