GPT-Live-1 es el nuevo modelo de voz de OpenAI, y la versión en una frase es esta: escucha y habla al mismo tiempo. Ese truco "full-duplex" es toda la historia. La IA de voz anterior esperaba a que dejaras de hablar para responder, y por eso te cortaba una y otra vez. GPT-Live-1 puede soltar un "mhm", dejarte pausar para pensar o seguir charlando mientras busca algo en segundo plano.
Está disponible de dos maneras. Dentro de ChatGPT, GPT-Live-1 pasó a ser la voz predeterminada para usuarios de Go, Plus y Pro (con GPT-Live-1 mini para el plan Free) desde el 8 de julio de 2026. Y desde el 10 de septiembre está en la API a $0,05 por minuto por la capa de voz, con soporte de telefonía dirigido de lleno a la atención al cliente por teléfono.
Esto conviene interiorizarlo antes de entusiasmarte con el soporte por voz: GPT-Live-1 son los oídos y la boca, no el cerebro. Delega el pensamiento real en un modelo aparte como GPT-5.5 o GPT-6 Astra. Así que el modelo te da una conversación con sonido natural, pero resolver un ticket real sigue requiriendo un agente que conozca tu negocio. Ese hueco es justo donde encaja una herramienta como eesel.
Qué es realmente GPT-Live-1
Construyo agentes de IA para ganarme la vida, así que cuando sale un modelo de voz nuevo me salto el vídeo de demo y voy directo a la arquitectura. GPT-Live-1 merece atención, porque el cambio aquí es estructural, no cosmético.
OpenAI lanza dos versiones: GPT-Live-1 y GPT-Live-1 mini. Ambas son lo que OpenAI llama una "nueva generación de modelos de voz para la interacción natural entre humanos e IA", y ambas están ahora dentro de ChatGPT Voice, que usan más de 150 millones de personas cada semana. GPT-Live-1 es el predeterminado para Go, Plus y Pro; el mini es el predeterminado para Free.
El modelo se basa en un diseño full-duplex, y además es el modelo de voz más inteligente que OpenAI ha lanzado. Cuando una pregunta necesita búsqueda web o razonamiento más profundo, GPT-Live-1 pasa discretamente ese trabajo a un modelo de frontera entre bastidores (GPT-5.5 en el lanzamiento dentro de ChatGPT) y mantiene la conversación fluyendo mientras espera. También incluye nueve voces remasterizadas y tarjetas de respuesta visuales para cosas como el tiempo, la bolsa, los deportes y los mapas. Es un gran salto respecto a la generación anterior de software de atención al cliente con IA que añadía una voz como ocurrencia tardía.
Un detalle agradable en seguridad: desde el 31 de julio, el audio generado con GPT-Live lleva una marca de agua SynthID, y OpenAI lanzó una herramienta pública para detectar sus señales de procedencia. El modelo también usa un conjunto fijo de voces predefinidas y está diseñado para no imitar a una persona real, lo que evita el problema de la clonación de voz que persigue a este sector.
Por qué full-duplex es el verdadero cambio
Para ver por qué importa, hay que mirar lo que vino antes. La IA de voz ha pasado por dos generaciones torpes, y GPT-Live-1 es la tercera.
La primera generación fue en cascada. El ChatGPT Voice original encadenaba tres modelos distintos: voz a texto para transcribirte, un modelo de lenguaje para pensar y texto a voz para responder. Funcionaba, pero cada traspaso añadía latencia y perdía un poco de contexto, así que las respuestas salían lentas y rígidas.
La segunda generación fue por turnos, como el Modo de voz avanzado de ChatGPT. Procesaba el audio dentro de un solo modelo, lo que era más fluido, pero seguía funcionando en turnos discretos. Tenía que esperar a que dejaras de hablar para responder, y como detectaba los turnos por el silencio, una pausa breve o un coche que pasaba podía confundirse con "tu turno ha terminado". Así es como el modelo te interrumpe a mitad de un pensamiento.
GPT-Live-1 elimina esos turnos por completo. En lugar de procesar una secuencia de mensajes separados, recibe audio de forma continua mientras genera audio, y toma una decisión de interacción muchas veces por segundo: hablar, seguir escuchando, pausar, interrumpir o llamar a una herramienta. Eso le permite mantener un ir y venir natural, conservar el sentido del ritmo e incluso manejar la traducción en directo.
El truco de la delegación: un hablador rápido con un cerebro listo entre bastidores
El segundo cambio de arquitectura es el ingenioso, y es lo que la mayoría de la cobertura pasa por alto. OpenAI separó la parte que gestiona la conversación de la parte que hace el pensamiento.
GPT-Live-1 dirige la conversación en vivo. Cuando una pregunta necesita búsqueda, razonamiento real o trabajo agéntico, delega esa tarea en un modelo backend aparte y sigue hablando contigo mientras tanto. Dentro de ChatGPT ese backend es GPT-5.5. En la API lo eliges tú: GPT-6 Astra para casos complejos, un modelo más ligero para tareas de alto volumen como la programación de citas o la consulta de pedidos, o incluso un modelo de terceros.
Hay una ventaja práctica más allá de "se siente inteligente". Como la capa de conversación y la de razonamiento están separadas, puedes ajustar el esfuerzo de razonamiento en cada interacción. ChatGPT ofrece tres niveles: Instant para respuestas rápidas, y luego Medium y High cuando quieres que piense de verdad. GPT-Live-1 Instant y el mini funcionan sobre GPT-5.5 Instant en segundo plano, mientras que Medium y High recurren a GPT-5.5 Thinking. Es la misma idea en la que me apoyo al construir agentes de IA: no hagas que un modelo lo haga todo, ajusta la profundidad al trabajo.
¿Qué tan bueno es de verdad?
OpenAI realizó evaluaciones humanas cara a cara, y los números son realmente abrumadores frente al antiguo Modo de voz avanzado (AVM). Así se ve el panorama.
| Benchmark | Qué mide | AVM | GPT-Live-1 mini | GPT-Live-1 (high) |
|---|---|---|---|---|
| Preferencia por pares | Qué conversación prefirió la gente | (referencia) | 69,2 % | 75,7 % |
| Fluidez de la conversación | Puntuación media sobre 7 | 3,80 | 4,33 | 4,96 |
| Agrado | Puntuación media sobre 7 | 3,82 | 4,47 | 5,19 |
| GPQA | Razonamiento científico de nivel experto | 45,3 % | 74,9 % | 84,2 % |
| BrowseComp | Búsqueda web agéntica | 0,7 % | 31,6 % | 75,2 % |
Ese salto en BrowseComp es lo que más llama la atención: de básicamente cero a 75,2 %. Es la arquitectura de delegación haciendo su trabajo, ya que la búsqueda agéntica es justo el tipo de "trabajo profundo" que GPT-Live-1 pasa al modelo backend.
El lanzamiento de la API añadió dos cifras más en las que confiaría para juzgar específicamente agentes de voz. GPT-Live-1 mejora Full Duplex Bench en 30 puntos porcentuales respecto a GPT-Realtime-2.1, y combinado con GPT-6 Astra con esfuerzo de razonamiento medio, ocupa el puesto n.º 1 en Tau3, un benchmark de inteligencia de agentes de voz de frontera en tareas de extremo a extremo de soporte en aerolíneas, retail, telecomunicaciones y banca. Si te importa el soporte, esas son las tareas que se corresponden con tu trabajo real, y las que moverán de verdad tus métricas de atención al cliente con IA.
Qué dice la gente en realidad
Los benchmarks son una cosa; convivir con el modelo es otra. El hilo de Hacker News donde se pregunta a la gente por su experiencia es una lectura buena y sin filtros. El consenso es "la calidad de la conversación es un salto real, la inteligencia es irregular".
Quien abrió el hilo expuso la parte positiva con claridad:
"Its conversational skills are an incredible leap from its predecessor: The acknowledgments it makes, and the natural flow it exhibits overall are awesome."
La traducción en directo y el uso con manos libres parecen ser donde más brilla para los usuarios habituales:
"I use it to help with learning a language (French) and have been leaning into the CarPlay app. The model has done surprisingly well in conversations where it has to go back and forth across languages in the same response."
Pero esas mismas señales de escucha que lo hacen parecer humano pueden cansar. Un comentarista señaló el reverso de tantos "mhm":
"The new gpt-live feature tends to interrupt with 'human' sounding injections like 'hmm', 'huh' a bit too much."
Eso concuerda con la propia honestidad de OpenAI sobre los límites: en el lanzamiento no admite voz con vídeo ni uso compartido de pantalla en ChatGPT, y algunos idiomas distintos del inglés aún tienen acento no nativo o carencias de fluidez. Conviene saberlo antes de prometer atención al cliente multilingüe con él.
GPT-Live-1 en la API: la parte interesante para quien construye
El lanzamiento de la API el 10 de septiembre es donde GPT-Live-1 deja de ser una función de ChatGPT y se convierte en algo sobre lo que puedes construir. El argumento para los desarrolladores es que condensa la antigua pila de voz a texto más razonamiento más texto a voz en una sola capa de voz, de modo que no tienes que programar a mano qué ocurre cuando alguien interrumpe o se queda callado a mitad de frase.
Las capacidades principales que destacó OpenAI:
- Gestión de interrupciones razonando sobre el audio entrante y saliente en un solo modelo, evitando los traspasos frágiles de las arquitecturas encadenadas.
- Delegación de razonamiento y llamadas a herramientas a un modelo de texto backend o a un modelo de terceros.
- Control del tono, el ritmo y el estilo mediante el prompt del sistema.
- Soporte de telefonía, para que puedas desplegar agentes de voz full-duplex en llamadas, desde reservas hasta atención al cliente.
- Transcripciones ASR nativas, comprensión alfanumérica y sesgo de palabras clave, además de detección de turnos para los equipos que aún quieren límites de turno explícitos.
Los primeros usuarios informan de mejoras de ingeniería reales, no solo de sensaciones. La app de aprendizaje de idiomas Speak comprobó que GPT-Live-1 redujo las interrupciones durante las pausas para pensar en casi un 80 % frente a los sistemas anteriores por turnos, según el cofundador y CTO Andrew Hsu. Alex Levy, de Yelp, dijo que usarlo para atender llamadas de reservas y pedidos de comida generó "mejoras significativas en las tasas de gestión de llamadas". Un equipo de salud incluso informó de que "simplificó nuestra base de código en un 80 % y eliminó 23 000 líneas de código" frente a su desarrollo en cascada.
El precio es sorprendentemente sencillo de enunciar y fácil de subestimar: $0,05 por minuto por la capa de voz frontal, y tú aportas el modelo backend y el agent harness que encajen con tu producto. Esa segunda mitad es el verdadero motor del coste, porque la capa de voz es barata y el razonamiento que le añades no. OpenAI también remitió a las empresas a OpenAI Presence, una forma de más alto nivel de desplegar agentes de voz de confianza sobre el mismo modelo.
Qué significa esto para el soporte al cliente
Aquí es donde yo frenaría, porque "OpenAI ha lanzado un gran modelo de voz" y "ya puedes ofrecer soporte por voz con IA" no son la misma frase.
GPT-Live-1 resuelve el problema de la conversación, y lo resuelve bien. El ritmo de arranque y parada que hacía que los bots telefónicos sonaran robóticos ha desaparecido en gran parte. En benchmarks de soporte hablado como Tau3 y su variante de telecomunicaciones, GPT-Live-1 supera claramente a la generación anterior. Si tu cuello de botella era que "la experiencia de voz parece un IVR de 2019", esto lo arregla.
Lo que no resuelve es el problema de la resolución. El modelo, por diseño, son los oídos y la boca. No tiene idea de cuál es tu política de reembolsos, de si el pedido de este cliente realmente se envió o de cuál de tus 400 artículos de ayuda responde a su pregunta. Todo eso vive en el modelo backend, en el agent harness y en el contexto de negocio que conectes, que es la parte realmente difícil de la IA para la automatización del servicio al cliente. Es la diferencia entre una demo brillante y un verdadero copiloto de IA para atención al cliente.
Así que la lectura honesta es: GPT-Live-1 es infraestructura. Es una preciosa capa de voz sobre la que ahora cualquier producto de soporte puede construir. El factor diferencial sube un nivel, hasta el compañero que de verdad conoce tu empresa y puede resolver el ticket. Es la misma razón por la que la cuestión de construir o comprar sigue importando: conectar la voz es el 20 % fácil, y conseguir un agente fiable al que confiarías clientes reales es el otro 80 %. Si estás planificándolo, nuestra guía de implementación de IA para soporte al cliente recorre la mitad más difícil.
Prueba eesel
Si estás mirando GPT-Live-1 y pensando en soporte, lo que hay que resolver no es la voz, sino el compañero que hay detrás. En eso trabajo yo. eesel es una plataforma de compañeros de IA donde contratas un compañero de soporte con IA listo para trabajar que aprende de tu centro de ayuda, tus tickets anteriores y tus macros, se incorpora a tu helpdesk actual y empieza a resolver conversaciones.
Lo que combina de forma natural con un modelo como GPT-Live-1 es la disciplina que lo rodea. Antes de que un compañero de eesel toque a un cliente real, puedes simularlo con miles de tus propios tickets históricos para ver exactamente qué habría dicho y qué habría resuelto. He visto bots de aspecto seguro dar respuestas erróneas sin que nadie lo notara, y por eso existe ese ensayo con historial real, en lugar de accionar un interruptor y esperar lo mejor.
Y como el tema de GPT-Live-1 es la voz programable, conviene saber que eesel se puede manejar de la misma manera. Además del panel, hay una CLI de eesel y un servidor MCP, para que puedas operar el mismo compañero desde un terminal, integrarlo en scripts o dejar que un agente de programación como Claude Code o Codex inspeccione sus instrucciones, proponga un cambio y revise las respuestas de prueba antes de que nada salga a producción. Es la forma amigable para agentes de gestionar la capa de resolución frente a la que se sitúa un modelo de voz como GPT-Live-1. Puedes probar eesel gratis y simularlo con tus propios tickets en unos minutos.