A OpenAI apresentou o GPT-Live, uma nova geração de modelos de voz que agora alimenta o ChatGPT Voice. A capacidade principal parece simples e não é: o GPT-Live ouve e fala ao mesmo tempo.
Todas as experiências de voz anteriores do ChatGPT, incluindo o Modo de Voz Avançado, funcionavam em turnos. Você falava, ele esperava, ele respondia. O GPT-Live funciona em full-duplex: ele processa o áudio de entrada enquanto gera a saída, e decide muitas vezes por segundo se deve falar, continuar ouvindo, pausar, interromper ou chamar uma ferramenta. Ele pode soltar um "uhum" enquanto você explica algo, esperar enquanto você pensa e se recuperar naturalmente quando você o interrompe no meio de uma frase.
GPT-Live em resumo
| Detalhe | |
|---|---|
| Anunciado | 8 de julho de 2026 |
| O que é | Família de modelos de voz full-duplex que alimenta o ChatGPT Voice |
| Variantes | GPT-Live-1, GPT-Live-1 mini, GPT-Live-1 Medium, GPT-Live-1 High |
| Backend | GPT-5.5 Instant (1 e mini); GPT-5.5 Thinking (Médio e Alto) |
| Padrão para planos pagos (Go/Plus/Pro) | GPT-Live-1 |
| Padrão para camada Gratuita | GPT-Live-1 mini |
| Plataformas | iOS, Android, chatgpt.com (lançamento global) |
| Compartilhamento de vídeo / tela | Não no lançamento; "trabalhando para introduzir essas capacidades em breve" |
| API | Ainda não disponível; a OpenAI planeja trazê-lo para a API "em breve" |
As quatro variantes e o que as impulsiona
O GPT-Live é lançado como uma família, e a OpenAI é excepcionalmente clara sobre a arquitetura: "GPT-Live-1 (instantâneo) e GPT-Live-1 mini usam o modelo GPT-5.5 Instant em segundo plano, enquanto GPT-Live-1 Medium e GPT-Live-1 High usam o modelo GPT-5.5 Thinking com esforço de raciocínio médio e alto."
Assim, a camada de voz é o produto, e o GPT-5.5 faz o trabalho pesado de raciocínio por trás dela. Na prática:
- GPT-Live-1 é o principal modelo diário, agora o padrão para assinantes Go, Plus e Pro.
- GPT-Live-1 mini atende usuários da camada Gratuita com o mesmo estilo de interação full-duplex.
- GPT-Live-1 Medium e High trocam velocidade de resposta por raciocínio mais profundo, apoiados pelo GPT-5.5 Thinking com esforço médio e alto.
Delegação: a segunda ideia arquitetônica
O full-duplex é uma metade do design. A outra é a delegação. "Quando uma pergunta exige pesquisa, raciocínio ou mais capacidades de agente, o GPT-Live pode delegar a tarefa a outro modelo, como o GPT-5.5", e ele integra o resultado de volta à conversa quando estiver pronto.
Isso resolve o dilema clássico da IA de voz: modelos rápidos o suficiente para chat em tempo real são muito superficiais para perguntas difíceis, e modelos inteligentes o suficiente para perguntas difíceis são muito lentos para conversação. O GPT-Live divide o trabalho. O modelo de voz mantém a conversa viva, incluindo os sinais de retorno, enquanto um modelo mais forte trabalha em segundo plano. Você continua falando; a resposta chega quando existe.
O que o GPT-Live pode fazer no lançamento
Além da mecânica de conversação, o conjunto de recursos de lançamento inclui:
- Pesquisa na web, delegada e integrada de volta ao diálogo
- Tradução ao vivo entre idiomas na conversação
- Cartões visuais renderizados na tela para clima, ações e esportes
- Uploads de imagens e arquivos dentro de uma conversa por voz
- Memória, consistente com o restante do ChatGPT
E a lacuna de lançamento: "No lançamento, o GPT-Live não suportará voz com vídeo ou compartilhamento de tela no ChatGPT." O Modo de Voz Avançado mantém essas capacidades para assinantes elegíveis, e ambos os Modos de Voz Padrão e Avançado permanecem disponíveis. Se apontar sua câmera para objetos for importante para seu fluxo de trabalho, não mude ainda; os detalhes estão em GPT-Live vs Advanced Voice Mode.
Os benchmarks citados pela OpenAI
A OpenAI nomeia três avaliações, todas comparadas ao Modo de Voz Avançado em vez de produtos rivais:
- GPQA: O GPT-Live-1 "supera substancialmente" o Modo de Voz Avançado no raciocínio científico de nível especialista em biologia, química e física.
- BrowseComp: "grandes ganhos" na pesquisa web agêntica e informações difíceis de localizar.
- τ³-Voice Telecom (uma variante interna): melhor desempenho em tarefas realistas de suporte de telecomunicações com múltiplas interações.
A OpenAI também relata que os usuários "preferiram fortemente" o GPT-Live em conversas frente a frente de 5 a 10 minutos. Note o que está ausente: pontuações publicadas, números de latência e preços. As afirmações são direcionais e relatadas pelo fornecedor, então trate-as como uma forma, não como um placar. Números de rivais chegarão quando as peças de comparação puderem testar o produto final.
Onde os desenvolvedores se posicionam
Não há uma API do GPT-Live hoje. As palavras exatas da OpenAI: "Também planejamos trazê-los para a API em breve, e desenvolvedores e empresas podem se inscrever para serem notificados usando este formulário."
O que existe para construir agentes de voz no momento é a API Realtime, geralmente disponível com a família gpt-realtime-2.1, transporte WebSocket e WebRTC, chamadas telefônicas SIP e suporte a servidor MCP. Se você veio aqui planejando um produto de voz, o guia prático é Existe uma API do GPT-Live? O que os desenvolvedores podem usar hoje, e a confusão de nomes entre as duas pilhas é esclarecida em GPT-Live vs GPT-Realtime.
Enquanto isso, ao prototipar com a API Realtime, o Apidog lida com as partes menos glamourosas: testar sessões WebSocket, inspecionar eventos transmitidos e simular seu backend de voz para que o trabalho do cliente não seja bloqueado por uma conexão com um modelo ativo.
Como experimentar o GPT-Live
O lançamento é global, mas escalonado em iOS, Android e chatgpt.com. Usuários pagos recebem o GPT-Live-1 como o novo padrão de Voz; usuários gratuitos recebem o GPT-Live-1 mini. Atualize o aplicativo, abra a Voz e verifique qual modelo responde; se nada mudou ainda, o lançamento não chegou à sua conta. A configuração passo a passo, a troca de variantes e o caminho do CarPlay (todos os planos, iOS 26.4+) são abordados em como usar o GPT-Live.
Por que este lançamento importa
A voz tem sido a interface de IA mais amigável para demonstração e menos pronta para produção por dois anos. A alternância de turnos fazia com que todo assistente parecesse um walkie-talkie. O full-duplex mais delegação é a primeira arquitetura mainstream que trata a conversação como contínua em vez de transacional, e a OpenAI a enviou para centenas de milhões de usuários como padrão, não como uma prévia de laboratório.
A versão para desenvolvedores dessa arquitetura chegará "em breve". Quando ela for lançada, os agentes de voz em tempo real terão uma nova base de referência para testar; até então, o caminho da API Realtime é onde os sistemas funcionais são construídos. Baixe o Apidog gratuitamente se você estiver construindo um agora; a depuração de WebSocket por si só já justifica seu uso.
FAQ
O que é o GPT-Live em uma frase? A família de modelos de voz full-duplex da OpenAI que impulsiona o ChatGPT Voice: ele ouve enquanto fala, oferece sinais de retorno naturalmente e delega perguntas difíceis ao GPT-5.5 em segundo plano.
O GPT-Live é gratuito? Usuários da camada gratuita recebem o GPT-Live-1 mini como modelo de voz padrão. As camadas pagas (Go, Plus, Pro) recebem o GPT-Live-1.
O GPT-Live suporta vídeo ou compartilhamento de tela? Não no lançamento. O Modo de Voz Avançado mantém o compartilhamento de vídeo e tela para assinantes elegíveis; a OpenAI diz que está trabalhando para trazer essas funcionalidades para o GPT-Live em breve.
Existe uma API do GPT-Live? Ainda não. A OpenAI planeja trazer o GPT-Live para a API "em breve"; desenvolvedores podem construir agentes de voz hoje na API Realtime.
Qual modelo alimenta o GPT-Live? O GPT-Live-1 e o mini rodam no GPT-5.5 Instant; as variantes Medium e High usam o GPT-5.5 Thinking com esforço de raciocínio médio e alto.