OpenAI ha presentado GPT-Live, que describe como una nueva generación de modelos de voz y que se convierte en la versión totalmente renovada de ChatGPT Voice. Está llegando a los usuarios de ChatGPT en todo el mundo a partir de hoy, en dos variantes, GPT-Live-1 y un GPT-Live-1 mini más ligero. La compañía lo adelantó como el totalmente renovado ChatGPT Voice antes de una transmisión en vivo, y el enfoque no trata tanto de que el asistente sepa más, sino de que por fin hable de una manera que se siente menos como dar órdenes y más como mantener una conversación.

El cambio que importa es el audio full-duplex. La mayoría de los asistentes de voz, incluido el propio modo de voz anterior de OpenAI, funcionan por turnos, tú hablas, el sistema espera a que termines, y luego responde, lo que crea esa sensación ligeramente rígida de walkie talkie que siempre ha hecho que la IA de voz sea un poco incómoda. GPT-Live escucha y habla al mismo tiempo. En la práctica eso significa que puede intercalar un rápido mhmm o yeah mientras todavía estás a mitad de una frase, manejar el ida y vuelta rápido sin pausas largas, intervenir o ser interrumpido, o simplemente quedarse en silencio cuando esa es la decisión correcta. Es una diferencia que suena pequeña pero que cambia la textura de toda la interacción.

La forma en que OpenAI lo ha construido también vale la pena destacar, porque GPT-Live está diseñado como una capa conversacional rápida en lugar de un único modelo que lo hace todo. Cuando una solicitud necesita algo más pesado, búsqueda web, razonamiento más profundo, o trabajo más complejo, GPT-Live delega esa tarea en modelos de frontera que se ejecutan en segundo plano, y en el lanzamiento usa GPT-5.5 para esas transferencias. El modelo de voz se mantiene ágil y con un sonido humano mientras el pensamiento más difícil ocurre en otro lugar y regresa a la conversación. ChatGPT Voice ahora también puede mostrar tarjetas visuales para cosas como el clima, las acciones, y los deportes mientras hablas, de modo que la experiencia hablada ya no es puramente audio.

Conviene ser preciso sobre lo que este lanzamiento es y lo que no es. GPT-Live es una experiencia de voz reconstruida, no un nuevo modelo de frontera, y la inteligencia pura en las preguntas difíciles proviene del modelo al que delega en lugar de la propia capa de voz. También llega con límites reales, en el lanzamiento GPT-Live no admite voz combinada con vídeo o pantalla compartida dentro de ChatGPT, dos funciones que OpenAI dice que todavía está trabajando para añadir. Así que el avance aquí está en la interacción y la arquitectura, en cómo habla el asistente y cómo se reparte el trabajo, en lugar de en un salto en cuán inteligente es el sistema subyacente.

La razón por la que importa es que la voz se ha convertido silenciosamente en uno de los frentes más disputados de la IA de consumo, con Google, la voz Grok de xAI, y una ola de startups empujando todos por hacer que la interacción hablada se sienta natural. Entregar un modelo de voz full-duplex a todos los usuarios de ChatGPT a la vez es un movimiento significativo en esa carrera, y la decisión de diseño de una interfaz rápida y siempre a la escucha que delega el trabajo pesado en un modelo de frontera es el tipo de patrón que otros productos probablemente copiarán. Nada de eso hace al asistente más inteligente por sí solo, pero eleva de forma significativa el listón de lo que se siente al hablar con uno, que para mucha gente es la parte que decide si usan la voz o no.