¿Qué es GPT-Live? La IA de voz en tiempo real de OpenAI, explicada

Qué es realmente GPT-Live

GPT-Live es una nueva generación de modelos de voz de OpenAI, anunciada el 8 de julio de 2026, que "hace que hablar con la IA se sienta mucho más como tener una conversación real". Ahora impulsa la experiencia de voz predeterminada de ChatGPT y se posiciona como el "modelo de voz más inteligente hasta la fecha" de OpenAI.

Si has usado ChatGPT por voz antes, has usado uno de dos enfoques anteriores. GPT-Live reemplaza a ambos como el predeterminado:

• La voz en cascada era la ChatGPT Voice original: tres modelos encadenados (voz a texto → LLM → texto a voz). Se perdía información entre los modelos y las respuestas eran lentas y forzadas.
• La voz por turnos era el Modo de Voz Avanzado: un solo modelo gestionaba el audio, pero aun así funcionaba en turnos discretos y esperaba el silencio para decidir que habías terminado. Una pausa o un autobús pasando podía interpretarse como "tu turno terminó", y el modelo interrumpía.

GPT-Live elimina el turno. Es el mismo cambio que el resto de la IA conversacional ha estado persiguiendo, y OpenAI es quien lo ha lanzado en un producto que más de 150 millones de personas ya usan semanalmente por voz. También es la respuesta más clara hasta ahora al planteamiento de "ChatGPT por fin alcanzó a Gemini Live" que verás en cualquier hilo de ChatGPT vs Gemini.

Cómo funciona el full-duplex (el mecanismo)

Creo que la arquitectura es la única parte de todo esto que realmente vale la pena entender, porque explica todo lo demás que hace GPT-Live.

Una arquitectura full-duplex significa que el modelo procesa continuamente la entrada mientras genera la salida en lugar de digerir un mensaje a la vez. Muchas veces por segundo, está tomando una decisión: hablar, seguir escuchando, hacer una pausa, interrumpir o llamar a una herramienta. Por eso puede soltar un "ajá" mientras estás a mitad de una frase, intercambiar réplicas rápidas o quedarse callado cuando claramente necesitas un segundo para pensar.

Ese bucle constante de escuchar y hablar es todo el truco. La voz por turnos tenía que adivinar cuándo habías terminado, usando el silencio como señal. El full-duplex no adivina, porque nunca deja de escuchar. Eso es también lo que le permite hacer traducción en vivo y mantener un mejor sentido del ritmo.

La división de delegación con GPT-5.5

Esta es la segunda decisión de diseño, y es la que más importa para quien piense en trabajo real.

OpenAI desacopló GPT-Live (que gestiona la interacción continua) del razonamiento profundo. Cuando una pregunta necesita búsqueda web, un pensamiento más complejo o algo agéntico, GPT-Live se lo delega a otro modelo en segundo plano y trae la respuesta de vuelta cuando está lista. Mientras eso se ejecuta, GPT-Live sigue hablando para que la conversación nunca se estanque.

En el lanzamiento, el modelo en segundo plano es GPT-5.5, y OpenAI dice que seguirá sustituyéndolo por modelos de vanguardia más nuevos con el tiempo. Este es el punto que los operadores más agudos han señalado: la inteligencia no es nueva, la interacción sí lo es.

"GPT-Live is not just a better voice mode. It is OpenAI separating two jobs: One model handles the human conversation. Another model handles deep thinking in the background... Voice was the interface. Now it is becoming the workflow."

Vaibhav Sisinty, X

También puedes elegir el nivel de razonamiento que se ajuste al momento. Según la nota al pie de OpenAI, Instant y mini funcionan sobre GPT-5.5 Instant, mientras que Medium y High funcionan sobre GPT-5.5 Thinking con esfuerzo medio y alto:

• Instant — las respuestas más rápidas, el mínimo de razonamiento.
• Medium — más tiempo de razonamiento.
• High — el máximo tiempo de razonamiento (y más lento, especialmente cuando busca en la web).

¿Qué plan incluye GPT-Live?

OpenAI está implementando dos modelos a nivel mundial: GPT-Live-1 se convierte en el predeterminado para Go, Plus y Pro, y GPT-Live-1 mini se convierte en el predeterminado para los usuarios Free. Pero la página de precios en vivo no vende "GPT-Live" como un producto; expone Voice como una función graduada por plan. Así es como coinciden las dos vistas. Elige tu plan:

Dos advertencias que vale la pena señalar: los espacios de trabajo Business, Enterprise y Edu no obtienen Live en el lanzamiento (mantienen sus opciones de voz existentes), y los precios por asiento de Business/Enterprise están detrás de una pestaña de contacto con ventas. Si estás comparando planes, mi desglose completo de precios de ChatGPT tiene la matriz de modelo por nivel.

Los benchmarks

OpenAI creó nuevas evaluaciones humanas para esto, midiendo lo agradable y el flujo de la conversación en lugar de solo la precisión pura. En chats comparativos de 5 a 10 minutos, ambos modelos nuevos fueron "fuertemente preferidos" frente al Modo de Voz Avanzado (AVM):

El salto de razonamiento frente a AVM es la cifra más llamativa, y viene directamente de esa delegación con GPT-5.5. En GPQA (razonamiento científico experto) y BrowseComp (búsqueda web agéntica):

Que BrowseComp pase de 0.7% a 75.2% es la división de delegación haciendo su trabajo: la capa de voz se mantiene ligera, el modelo pesado hace la búsqueda. OpenAI también ejecutó una evaluación interna de soporte de telecomunicaciones (τ³-Voice) donde GPT-Live-1 (High y Medium) superó a AVM en éxito de tareas. Ese es el número que los equipos de soporte deberían vigilar, aunque sea una prueba realizada por el proveedor, porque un agente de IA de voz full-duplex que realmente pueda cerrar un ticket de telecomunicaciones es un producto muy distinto de una demo conversacional.

Las nueve voces y las salvaguardas de seguridad

OpenAI remasterizó nueve voces para GPT-Live: Arbor, Breeze, Cove, Ember, Juniper, Maple, Sol, Spruce y Vale. Cabe destacar que está "diseñado para la conversación, no para la imitación de voz": las voces son predefinidas, con salvaguardas para evitar que imite a una persona real.

En materia de seguridad, GPT-Live añadió entrenamiento específico de voz y salvaguardas en tiempo real que pueden actuar mientras el modelo está hablando: orientar hacia una respuesta más segura, mostrar recursos de crisis o terminar la conversación en casos de mayor riesgo. Existen protecciones para adolescentes vinculadas a los Controles Parentales, y una supervisión posterior al lanzamiento centrada en la dependencia emocional. El detalle completo está en la ficha del sistema.

Lo que todavía no puede hacer

Aquí es donde el brillo del día del lanzamiento necesita una lectura fría. GPT-Live tiene límites reales:

• Sin video ni compartir pantalla en el lanzamiento. Esta es la queja más repetida. Si lo necesitas, ChatGPT mantiene el Modo de Voz Avanzado heredado específicamente para esas funciones.
• Brechas de idioma. Está optimizado para los idiomas más populares de ChatGPT; para otros puede tener un acento no nativo o carencias de fluidez.
• No disponible en espacios de trabajo Business/Enterprise/Edu, Chats Temporales, la app de escritorio, Work, Codex ni GPTs personalizados en el lanzamiento.
• Todavía sin API. GPT-Live-1 y mini están "próximamente" en la API sin precios publicados, que es exactamente la pieza que desbloquearía los casos de uso telefónicos y de agentes. Por ahora, los desarrolladores construyen voz sobre la API de audio y voz existente y la conectan a la API de Assistants.

Lo que la gente realmente está diciendo

La reacción inicial ha sido mayoritariamente positiva, y lo interesante es qué elogia la gente: la sensación, no el coeficiente intelectual. Un recuento del día del lanzamiento de Digg lo situó en 78% positivo entre 482 reacciones, con críticos que señalan la latencia y alguna respuesta incorrecta ocasional. Si estás mapeando el panorama más amplio, mis resúmenes de plataformas de IA conversacional y los mejores asistentes de voz ponen a GPT-Live en contexto.

El planteamiento de "el walkie-talkie ha muerto" apareció por todas partes:

"Old voice AI worked like a walkie-talkie. GPT-Live works more like a real conversation. It can listen and speak at the same time. So you can pause, interrupt, think out loud, or change direction without the whole thing feeling awkward."

Vaibhav Sisinty, X

Y la lectura de los desarrolladores se centró en la pieza que todavía no se ha lanzado: la API para agentes de voz y llamadas telefónicas:

"This model and a smaller version — GPT-Live-Mini — will be available soon in the API, meaning anyone can build apps or agents using this conversational system, including to answer or make phone calls. For now there's no pricing."

Maximiliano Firtman, X

Qué significa GPT-Live para la atención al cliente

Esta es mi opinión real, después de haber pasado los últimos tres años y medio construyendo agentes de IA que operan sobre colas de soporte en vivo.

GPT-Live es un paso genuino para la interfaz. Una vez que la API se lance, "llamar a una línea de soporte y hablar con una IA que no se sienta como un IVR" se vuelve mucho más real, y eso es algo bueno. La categoría de IA de voz ha estado esperando exactamente esto, y ya puedes ver su forma en herramientas como los agentes de IA de voz de Zendesk y los agentes de voz de Freshcaller.

Pero la demo esconde la parte difícil. Lo que rompe la IA de soporte en producción no es la torpeza al tomar turnos, es la confianza. He visto a un bot de sonido fluido responder mal a un cliente, que es precisamente la razón por la que cada implementación de eesel se simula contra los tickets históricos de un cliente antes de que se le permita responder en vivo a nadie. Una voz más natural hace que una respuesta equivocada suene más convincente, no menos. Es la misma razón por la que las cuentas de costes de la IA en soporte solo funcionan cuando la IA conoce sus propios límites. Una responsable de CX resumió toda la tesis en una sola frase durante una llamada de ventas con el equipo:

"The AI will never be able to answer 100% of the questions, but if it tries and just answers 'sorry I don't know this,' I cannot go and check all my 7,000 tickets to see if the AI actually made a good answer, then the point is a little bit gone. I need an AI who is only handling the tickets that it's confident to handle and all the other ones, leave them alone."

una responsable de CX de una marca DTC que gestiona ~7,000 tickets al mes

Ese es el nivel a superar. Y es por eso que, hoy, la victoria práctica para un equipo de soporte no es esperar a una API de voz, es automatizar los tickets de correo electrónico y chat que conforman la mayor parte de tu volumen, dentro del helpdesk que ya usas. Ese es el trabajo que hace ahora un agente de IA para helpdesk, y es cómo las herramientas de mejor IA de atención al cliente ya se ganan su lugar, mucho antes de que alguien descuelgue un teléfono.

En eso es en lo que trabajo. eesel es una IA para atención al cliente que se conecta a tu stack existente (Zendesk, Freshdesk, Gorgias, Help Scout y más), se entrena con tus tickets pasados y tu centro de ayuda, y luego solo responde automáticamente cuando tiene confianza, dejando discretamente el resto para tu equipo. Antes de que se active, puedes simularlo con miles de tus tickets reales pasados para ver exactamente qué habría respondido. Cuando la API de GPT-Live finalmente llegue, un agente de IA para atención al cliente agnóstico de modelo es lo que te permite integrarlo basándote en evidencia y no en el bombo publicitario. Prueba eesel gratis, sin necesidad de llamada de ventas.