O GPT-Live-1 é o novo modelo de voz da OpenAI, e a versão em uma frase é esta: ele ouve e fala ao mesmo tempo. Esse truque "full-duplex" é a história toda. As IAs de voz antigas esperavam você parar de falar para responder, e por isso viviam te cortando. O GPT-Live-1 consegue soltar um "hum-hum", deixar você pausar para pensar ou continuar conversando enquanto busca algo em segundo plano.
Ele está no ar de duas formas. Dentro do ChatGPT, o GPT-Live-1 virou a voz padrão para usuários Go, Plus e Pro (com o GPT-Live-1 mini para o plano Free) a partir de 8 de julho de 2026. E desde 10 de setembro ele está na API por US$ 0,05 por minuto pela camada de voz, com suporte a telefonia voltado diretamente ao atendimento ao cliente por telefone.
Eis o que vale internalizar antes de se empolgar com suporte por voz: o GPT-Live-1 são os ouvidos e a boca, não o cérebro. Ele delega o pensamento de verdade a um modelo separado, como o GPT-5.5 ou o GPT-6 Astra. Então o modelo entrega uma conversa de som natural, mas resolver um ticket real ainda exige um agente que conheça o seu negócio. Essa lacuna é exatamente onde uma ferramenta como a eesel se encaixa.
O que o GPT-Live-1 realmente é
Eu construo agentes de IA para viver, então, quando um novo modelo de voz sai, pulo o vídeo de demonstração e vou direto à arquitetura. O GPT-Live-1 merece atenção, porque a mudança aqui é estrutural, não cosmética.
A OpenAI está lançando duas versões: o GPT-Live-1 e o GPT-Live-1 mini. Ambos são o que a OpenAI chama de "nova geração de modelos de voz para interação natural entre humanos e IA", e ambos agora ficam sob o ChatGPT Voice, que mais de 150 milhões de pessoas usam por semana. O GPT-Live-1 é o padrão para Go, Plus e Pro; o mini é o padrão para Free.
O modelo é construído sobre um design full-duplex e também é o modelo de voz mais inteligente que a OpenAI já lançou. Quando uma pergunta exige busca na web ou raciocínio mais profundo, o GPT-Live-1 passa discretamente esse trabalho a um modelo de fronteira nos bastidores (o GPT-5.5 no lançamento dentro do ChatGPT) e mantém a conversa fluindo enquanto espera. Você também ganha nove vozes remasterizadas e cartões de resposta visuais para coisas como clima, ações, esportes e mapas. É um grande salto em relação à última geração de software de atendimento ao cliente com IA, que acoplava uma voz como se fosse um detalhe de última hora.
Um toque interessante na parte de segurança: desde 31 de julho, o áudio gerado pelo GPT-Live carrega uma marca d'água SynthID, e a OpenAI lançou uma ferramenta pública para detectar seus sinais de procedência. O modelo também usa um conjunto fixo de vozes predefinidas e foi projetado para não imitar uma pessoa real, o que contorna o problema de clonagem de voz que assombra esse setor.
Por que o full-duplex é a mudança de verdade
Para entender por que isso importa, é preciso olhar o que veio antes. A IA de voz passou por duas gerações desajeitadas, e o GPT-Live-1 é a terceira.
A primeira geração foi em cascata. O ChatGPT Voice original encadeava três modelos separados: fala para texto para transcrever você, um modelo de linguagem para pensar e texto para fala para responder. Funcionava, mas cada passagem adicionava latência e perdia um pouco de contexto, então as respostas saíam lentas e travadas.
A segunda geração foi por turnos, como o Modo de voz avançado do ChatGPT. Ela processava o áudio dentro de um único modelo, o que era mais suave, mas ainda funcionava em turnos discretos. Precisava esperar você parar de falar para responder e, como detectava turnos pelo silêncio, uma pausa breve ou um carro passando podia ser confundido com "seu turno acabou". É o modelo interrompendo você no meio do raciocínio.
O GPT-Live-1 elimina esses turnos por completo. Em vez de processar uma sequência de mensagens separadas, ele recebe áudio continuamente enquanto gera áudio, e toma uma decisão de interação muitas vezes por segundo: falar, continuar ouvindo, pausar, interromper ou chamar uma ferramenta. É isso que permite um vaivém natural, manter a noção de tempo e até lidar com tradução ao vivo.
O truque da delegação: um falante rápido com uma retaguarda inteligente
A segunda mudança de arquitetura é a engenhosa, e é o que a maior parte da cobertura deixa passar. A OpenAI separou a parte que cuida da conversa da parte que faz o pensamento.
O GPT-Live-1 conduz a conversa ao vivo. Quando uma pergunta exige busca, raciocínio real ou trabalho agêntico, ele delega a tarefa a um modelo de backend separado e continua falando com você nesse meio-tempo. Dentro do ChatGPT, esse backend é o GPT-5.5. Na API, você mesmo escolhe: o GPT-6 Astra para casos complexos, um modelo mais enxuto para tarefas de alto volume como agendamento ou consulta de pedidos, ou até um modelo de terceiros.
Há uma vantagem prática além de "parece inteligente". Como a camada de conversa e a de raciocínio são separadas, você pode ajustar o esforço de raciocínio a cada interação. O ChatGPT oferece três níveis: Instant para respostas rápidas, depois Medium e High quando você quer que ele realmente pense. O GPT-Live-1 Instant e o mini rodam no GPT-5.5 Instant em segundo plano, enquanto o Medium e o High recorrem ao GPT-5.5 Thinking. É a mesma ideia em que me apoio ao construir agentes de IA: não faça um modelo fazer tudo, ajuste a profundidade ao trabalho.
Quão bom ele é, de verdade?
A OpenAI fez avaliações humanas frente a frente, e os números são realmente desiguais contra o antigo Modo de voz avançado (AVM). Aqui está o panorama.
| Benchmark | O que mede | AVM | GPT-Live-1 mini | GPT-Live-1 (high) |
|---|---|---|---|---|
| Preferência pareada | Qual conversa as pessoas preferiram | (base) | 69,2% | 75,7% |
| Fluidez da conversa | Nota média de 7 | 3,80 | 4,33 | 4,96 |
| Agradabilidade | Nota média de 7 | 3,82 | 4,47 | 5,19 |
| GPQA | Raciocínio científico em nível de especialista | 45,3% | 74,9% | 84,2% |
| BrowseComp | Busca agêntica na web | 0,7% | 31,6% | 75,2% |
Esse salto no BrowseComp é o que chama a atenção: de basicamente zero para 75,2%. É a arquitetura de delegação fazendo seu trabalho, já que a busca agêntica é exatamente o tipo de "trabalho pesado" que o GPT-Live-1 passa ao modelo de backend.
O lançamento da API trouxe mais dois números em que eu confiaria para julgar agentes de voz especificamente. O GPT-Live-1 melhora o Full Duplex Bench em 30 pontos percentuais em relação ao GPT-Realtime-2.1 e, combinado com o GPT-6 Astra em esforço de raciocínio médio, fica em 1º lugar no Tau3, um benchmark de inteligência de agentes de voz de fronteira em tarefas de ponta a ponta de suporte em companhias aéreas, varejo, telecomunicações e bancos. Se você se importa com suporte, essas são as tarefas que correspondem ao seu trabalho real, e as que de fato vão mexer nas suas métricas de atendimento ao cliente com IA.
O que as pessoas estão realmente dizendo
Benchmarks são uma coisa; conviver com o modelo é outra. O tópico do Hacker News que pergunta às pessoas sobre a experiência é uma leitura boa e sem filtros. O consenso é "a qualidade da conversa é um salto real, a inteligência é irregular".
Quem abriu o tópico expôs o lado positivo com clareza:
"Its conversational skills are an incredible leap from its predecessor: The acknowledgments it makes, and the natural flow it exhibits overall are awesome."
A tradução ao vivo e o uso com as mãos livres parecem ser onde ele mais brilha para usuários comuns:
"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."
Mas os mesmos sinais de escuta que o fazem parecer humano podem irritar. Um comentarista apontou o outro lado de todos esses "hum-hum":
"The new gpt-live feature tends to interrupt with 'human' sounding injections like 'hmm', 'huh' a bit too much."
Isso combina com a franqueza da própria OpenAI sobre os limites: no lançamento, ele não oferece voz com vídeo ou compartilhamento de tela no ChatGPT, e alguns idiomas além do inglês ainda têm sotaque não nativo ou lacunas de fluência. Vale saber antes de prometer atendimento ao cliente multilíngue com ele.
GPT-Live-1 na API: a parte interessante para quem desenvolve
O lançamento da API em 10 de setembro é onde o GPT-Live-1 deixa de ser um recurso do ChatGPT e passa a ser algo em que você pode construir. O argumento para os desenvolvedores é que ele condensa a antiga pilha de fala para texto, mais raciocínio, mais texto para fala em uma única camada de voz, então você não precisa programar à mão o que acontece quando alguém interrompe ou se cala no meio da frase.
As principais capacidades que a OpenAI destacou:
- Tratamento de interrupções raciocinando sobre o áudio de entrada e de saída em um único modelo, evitando as passagens frágeis das arquiteturas encadeadas.
- Delegação de raciocínio e de chamadas de ferramentas a um modelo de texto de backend ou a um modelo de terceiros.
- Controle de tom, ritmo e estilo pelo prompt do sistema.
- Suporte a telefonia, para você implantar agentes de voz full-duplex em ligações, de reservas ao atendimento ao cliente.
- Transcrições ASR nativas, compreensão alfanumérica e viés de palavras-chave, além de detecção de turnos para equipes que ainda querem limites de turno explícitos.
Os primeiros usuários relatam ganhos reais de engenharia, não só impressões. O aplicativo de aprendizado de idiomas Speak constatou que o GPT-Live-1 reduziu em quase 80% as interrupções durante pausas para pensar em comparação com sistemas anteriores por turnos, segundo o cofundador e CTO Andrew Hsu. Alex Levy, do Yelp, disse que usá-lo para atender ligações de reservas e pedidos de comida gerou "melhorias significativas nas taxas de tratamento de chamadas". Uma equipe da área de saúde chegou a relatar que "simplificou nossa base de código em 80% e removeu 23 mil linhas de código" em comparação com a versão em cascata.
O preço é surpreendentemente simples de enunciar e fácil de subestimar: US$ 0,05 por minuto pela camada de voz de front-end, e você traz o modelo de backend e o agent harness que combinam com o seu produto. Essa segunda metade é o que realmente move o custo, porque a camada de voz é barata e o raciocínio que você combina com ela não é. A OpenAI também indicou às empresas o OpenAI Presence, uma forma de nível mais alto de implantar agentes de voz confiáveis sobre o mesmo modelo.
O que isso significa para o suporte ao cliente
Aqui eu puxaria o freio, porque "a OpenAI lançou um ótimo modelo de voz" e "agora você pode ter suporte por voz com IA" não são a mesma frase.
O GPT-Live-1 resolve o problema da conversa, e resolve bem. O ritmo de pára-e-anda que fazia os bots de telefone parecerem robóticos em grande parte sumiu. Em benchmarks de suporte falado como o Tau3 e sua variante de telecomunicações, o GPT-Live-1 supera claramente a geração anterior. Se o seu gargalo era "a experiência de voz parece uma URA de 2019", isso resolve.
O que ele não resolve é o problema da resolução. O modelo, por design, são os ouvidos e a boca. Ele não sabe qual é a sua política de reembolso, se o pedido deste cliente de fato foi enviado ou qual dos seus 400 artigos de ajuda responde à pergunta. Tudo isso vive no modelo de backend, no agent harness e no contexto de negócio que você conecta, que é a parte realmente difícil da IA para automação do atendimento ao cliente. É a diferença entre uma demo polida e um verdadeiro copiloto de IA para atendimento ao cliente.
Então a leitura honesta é: o GPT-Live-1 é infraestrutura. É uma bela camada de voz sobre a qual qualquer produto de suporte agora pode construir. O diferencial sobe um nível, para o colega que realmente conhece a sua empresa e consegue resolver o ticket. É o mesmo motivo pelo qual a questão de construir ou comprar continua importando: conectar a voz é os 20% fáceis, e ter um agente confiável a quem você confiaria clientes reais são os outros 80%. Se você está mapeando isso, nosso guia de implementação de IA para suporte ao cliente percorre a metade mais difícil.
Experimente a eesel
Se você está olhando para o GPT-Live-1 e pensando em suporte, o que precisa ser resolvido não é a voz, e sim o colega por trás dela. É nisso que eu trabalho. A eesel é uma plataforma de colegas de IA em que você contrata um colega de suporte com IA pronto para trabalhar, que aprende com a sua central de ajuda, tickets anteriores e macros, entra no seu helpdesk existente e começa a resolver conversas.
O que combina naturalmente com um modelo como o GPT-Live-1 é a disciplina em volta dele. Antes de um colega da eesel tocar em um cliente real, você pode simulá-lo com milhares dos seus próprios tickets históricos para ver exatamente o que ele teria dito e o que teria resolvido. Já vi bots de aparência confiante darem respostas erradas em silêncio, e é justamente por isso que existe esse ensaio com histórico real, em vez de apertar um botão e torcer.
E como o tema do GPT-Live-1 é a voz programática, vale saber que a eesel também pode ser controlada assim. Além do painel, há uma CLI da eesel e um servidor MCP, para você operar o mesmo colega a partir de um terminal, integrá-lo a scripts ou deixar um agente de programação como o Claude Code ou o Codex inspecionar suas instruções, propor uma mudança e revisar as respostas de teste antes de qualquer coisa ir ao ar. É a forma amigável a agentes de gerenciar a camada de resolução diante da qual um modelo de voz como o GPT-Live-1 se posiciona. Você pode experimentar a eesel de graça e simulá-la nos seus próprios tickets em poucos minutos.