¿Qué es GPT-Live?

OpenAI presentó GPT-Live, una nueva generación de modelos de voz que ahora impulsa ChatGPT Voice. La idea clave: GPT-Live escucha y habla al mismo tiempo.

Prueba Apidog hoy

Hasta ahora, las experiencias de voz de ChatGPT, incluido el Modo de Voz Avanzado, funcionaban por turnos: hablabas, el sistema esperaba y luego respondía. GPT-Live cambia ese patrón a dúplex completo: procesa audio entrante mientras genera salida, y decide muchas veces por segundo si debe hablar, seguir escuchando, pausar, interrumpir o llamar a una herramienta.

En la práctica, esto permite interacciones más parecidas a una conversación humana: puede soltar un “mmm” mientras explicas algo, esperar si estás pensando y recuperarse cuando lo interrumpes a mitad de 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 (Medium y High)
Predeterminado para planes 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; OpenAI dice que está trabajando para introducir estas capacidades pronto
API	No disponible aún; OpenAI planea llevarlo a la API pronto

Las cuatro variantes y cuándo usarlas

GPT-Live se lanza como una familia. OpenAI describe la arquitectura así: GPT-Live-1 y GPT-Live-1 mini usan GPT-5.5 Instant en segundo plano, mientras que GPT-Live-1 Medium y GPT-Live-1 High usan GPT-5.5 Thinking con esfuerzo de razonamiento medio y alto.

La capa de voz es la interfaz; GPT-5.5 realiza el trabajo de razonamiento detrás de ella.

Como regla práctica:

• GPT-Live-1: opción diaria para conversación rápida. Es el predeterminado para usuarios Go, Plus y Pro.
• GPT-Live-1 mini: opción para usuarios del nivel gratuito, manteniendo el estilo de interacción dúplex completo.
• GPT-Live-1 Medium: útil cuando priorizas mejor razonamiento frente a velocidad.
• GPT-Live-1 High: pensado para tareas más complejas donde la latencia puede ser aceptable a cambio de razonamiento más profundo.

Si estás diseñando un producto de voz, esta distinción importa: no todos los turnos de conversación necesitan el mismo coste computacional. Un saludo, una confirmación o una aclaración breve deberían resolverse rápido; una búsqueda, diagnóstico o comparación compleja puede delegarse.

Delegación: la idea arquitectónica clave

El dúplex completo es solo una parte 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 reincorporar el resultado cuando esté listo.

Esto resuelve un problema común en productos de voz:

• Los modelos rápidos mantienen la conversación fluida, pero pueden quedarse cortos en preguntas difíciles.
• Los modelos más potentes razonan mejor, pero pueden ser demasiado lentos para una conversación natural.

GPT-Live divide el trabajo:

1. El modelo de voz mantiene el canal activo.
2. La tarea compleja se delega en segundo plano.
3. El resultado vuelve a la conversación cuando está disponible.
4. El usuario no queda bloqueado esperando en silencio.

Para equipos que construyen agentes de voz, este patrón es más importante que el nombre del modelo. La arquitectura recomendada es separar:

• Interacción en tiempo real
• Razonamiento pesado
• Herramientas externas
• Estado de conversación
• Memoria o contexto persistente

Qué puede hacer GPT-Live en el lanzamiento

El conjunto inicial de funciones incluye:

• Búsqueda web, delegada y reincorporada al diálogo.
• Traducción en vivo entre idiomas durante la conversación.
• Tarjetas visuales para información como tiempo, bolsa y deportes.
• Carga de imágenes y archivos dentro de una conversación de voz.
• Memoria, consistente con el resto de ChatGPT.

La limitación importante: GPT-Live no admite voz con vídeo o pantalla compartida en el lanzamiento.

El Modo de Voz Avanzado conserva esas capacidades para los suscriptores elegibles. Si tu flujo de trabajo depende de apuntar la cámara a objetos, documentos o pantallas, revisa la comparación en GPT-Live vs Advanced Voice Mode antes de cambiar.

Benchmarks citados por OpenAI

OpenAI menciona tres evaluaciones, comparando GPT-Live con el Modo de Voz Avanzado:

• GPQA: GPT-Live-1 “supera sustancialmente” al Modo de Voz Avanzado en razonamiento científico experto en biología, química y física.

• BrowseComp: OpenAI reporta “grandes avances” en búsqueda web agencial y recuperación de información difícil de localizar.

• τ³-Voice Telecom: una variante interna orientada a tareas realistas de soporte de telecomunicaciones de múltiples turnos.

OpenAI también indica que los usuarios “prefirieron fuertemente” GPT-Live en conversaciones cara a cara de 5 a 10 minutos.

Aun así, hay datos importantes que no están publicados:

• Puntuaciones detalladas.
• Cifras de latencia.
• Costes.
• Comparaciones directas contra productos rivales.

Para desarrolladores, la lectura correcta es: las afirmaciones son direccionales y reportadas por el proveedor. Úsalas como señal, no como benchmark final. Las comparaciones serán más útiles cuando existan pruebas reproducibles sobre el producto final, como en futuros artículos de comparación.

Situación para desarrolladores

Hoy no existe una API pública de GPT-Live. OpenAI dice que planea llevar estos modelos a la API pronto.

Lo que sí existe para construir agentes de voz ahora es la API en Tiempo Real, disponible con la familia gpt-realtime-2.1, transporte WebSocket y WebRTC, llamadas telefónicas SIP y soporte de servidor MCP.

Si estás diseñando un producto de voz, la ruta práctica es:

1. Define el canal de audio

   • WebRTC para baja latencia en navegador o móvil.
   • WebSocket para control explícito de eventos.
   • SIP si tu caso de uso es telefonía.

2. Separa la conversación del razonamiento

   • Usa el modelo en tiempo real para turnos inmediatos.
   • Delega tareas complejas a servicios internos o modelos más potentes.
   • Devuelve el resultado al flujo de conversación.

3. Diseña eventos observables

   • Inicio de sesión.
   • Audio entrante.
   • Audio saliente.
   • Transcripción parcial.
   • Llamada a herramienta.
   • Respuesta de herramienta.
   • Errores y reconexión.

4. Prueba la sesión antes de conectar el modelo real

   • Simula respuestas.
   • Inspecciona eventos transmitidos.
   • Verifica estados de conexión.
   • Reproduce casos de interrupción y latencia.

Para más contexto, revisa ¿Existe una API de GPT-Live? Lo que los desarrolladores pueden usar hoy y la comparación entre pilas en GPT-Live vs GPT-Realtime.

Flujo práctico para prototipar un agente de voz hoy

Aunque GPT-Live todavía no tenga API, puedes preparar tu arquitectura con la API en Tiempo Real.

Un flujo mínimo sería:

Cliente de voz
  -> captura audio
  -> envía eventos por WebSocket o WebRTC
  -> recibe audio/transcripción/respuestas parciales

Backend
  -> autentica la sesión
  -> enruta eventos
  -> llama herramientas internas
  -> guarda estado de conversación
  -> gestiona errores y reconexiones

Modelo en tiempo real
  -> procesa audio
  -> genera respuesta
  -> solicita herramientas cuando sea necesario

Para probarlo de forma incremental:

1. Simula una sesión de voz sin modelo.
2. Envía eventos de audio ficticios.
3. Verifica que el backend emite eventos esperados.
4. Añade llamadas a herramientas.
5. Prueba interrupciones del usuario.
6. Añade el modelo en tiempo real.
7. Mide latencia extremo a extremo.

Durante esta fase, Apidog puede ayudarte con las partes menos visibles del desarrollo:

• Probar sesiones WebSocket.
• Inspeccionar eventos transmitidos.
• Simular respuestas del backend.
• Desbloquear el desarrollo del cliente aunque el modelo real todavía no esté conectado.

Cómo probar GPT-Live en ChatGPT

El despliegue es global pero escalonado en iOS, Android y chatgpt.com.

Pasos prácticos:

1. Actualiza la app de ChatGPT.
2. Abre el modo Voz.
3. Comprueba qué modelo responde.
4. Si eres usuario de pago, deberías recibir GPT-Live-1 como predeterminado.
5. Si usas el nivel gratuito, deberías recibir GPT-Live-1 mini.
6. Si todavía no ves cambios, espera a que el despliegue llegue a tu cuenta.

La configuración paso a paso, el cambio de variante y la ruta de CarPlay para todos los planes en iOS 26.4+ están cubiertos en cómo usar GPT-Live.

Por qué importa para productos de voz

Durante los últimos años, la voz ha sido una interfaz atractiva para demos, pero difícil de llevar a producción. El modelo por turnos hacía que muchos asistentes se sintieran como un walkie-talkie: el usuario hablaba, esperaba y luego recibía respuesta.

GPT-Live apunta a otro patrón:

• Conversación continua.
• Interrupciones naturales.
• Retroalimentación mientras el usuario habla.
• Delegación de tareas complejas.
• Respuestas reincorporadas cuando están listas.

Para desarrolladores, la lección no es solo “usar GPT-Live cuando llegue la API”. La lección es diseñar agentes de voz como sistemas concurrentes:

voz en tiempo real + herramientas + razonamiento + estado + observabilidad

Cuando la API de GPT-Live esté disponible, habrá un nuevo punto de referencia para evaluar agentes de voz. Hasta entonces, la ruta de la API en Tiempo Real es donde se construyen los sistemas operativos.

Preguntas frecuentes

¿Qué es GPT-Live en una frase?

Es la familia de modelos de voz dúplex completo de OpenAI que impulsa ChatGPT Voice: escucha mientras habla, permite retroalimentación natural y delega preguntas difíciles a GPT-5.5 en segundo plano.

¿GPT-Live es gratuito?

Los usuarios del nivel gratuito obtienen GPT-Live-1 mini como modelo de voz predeterminado. Los planes de pago Go, Plus y Pro obtienen GPT-Live-1.

¿GPT-Live admite vídeo o pantalla compartida?

No en el lanzamiento. El Modo de Voz Avanzado conserva vídeo y pantalla compartida para suscriptores elegibles. OpenAI dice que está trabajando para llevar esas capacidades a GPT-Live pronto.

¿Existe una API de GPT-Live?

Todavía no. OpenAI planea llevar GPT-Live a la API pronto. Mientras tanto, los desarrolladores pueden construir agentes de voz con la API en Tiempo Real.

¿Qué modelo impulsa GPT-Live?

GPT-Live-1 y GPT-Live-1 mini usan GPT-5.5 Instant. GPT-Live-1 Medium y GPT-Live-1 High usan GPT-5.5 Thinking con esfuerzo de razonamiento medio y alto.