Índice
- 1. Qué es GPT-Live: voz full-duplex que «escucha mientras habla»
- 2. En qué se diferencia del anterior Advanced Voice Mode
- 3. Cómo funciona: decisiones por segundo y delegación en GPT-5.5
- 4. Dos modelos y disponibilidad por plan
- 5. Principales avances
- 6. Limitaciones actuales: seamos honestos
- 7. Dónde usarlo
- 8. Estado de la API y diferencia con GPT-Realtime
- Conclusión
- FAQ
El 8 de julio de 2026, OpenAI lanzó a todo el mundo un nuevo modelo que renueva la voz de ChatGPT: «GPT-Live» (anuncio oficial de OpenAI). Fue un anuncio previo a la disponibilidad general de GPT-5.6 al día siguiente, el 9, y su mayor rasgo distintivo es una arquitectura full-duplex: «puede escuchar y hablar al mismo tiempo».
Hasta ahora, la voz de la IA funcionaba por turnos: «espera a que termines de hablar y luego responde». GPT-Live, como en una conversación humana, asiente, encaja las interrupciones y no corta el silencio en el que estás pensando. En este artículo explicamos, basándonos en el anuncio oficial, qué es GPT-Live, en qué se diferencia del anterior Advanced Voice Mode, cómo funciona, en qué planes se puede usar y qué cosas todavía no puede hacer.
El fin de los turnos
— Escuchar mientras se habla, hacia una conversación humana
1. Qué es GPT-Live: voz full-duplex que «escucha mientras habla»
GPT-Live es una nueva serie de modelos de voz encargada de las conversaciones habladas de ChatGPT. Sustituye a la función de voz anterior (Advanced Voice Mode) y, desde el 8 de julio de 2026, se desplegó en todo el mundo en iOS, Android y la web de ChatGPT.
Su esencia está en el diseño «full-duplex». Como en una llamada telefónica, procesa la entrada (tu voz) mientras genera simultáneamente la salida (la voz de la IA). Por eso:
- Mientras estás hablando, puede devolverte señales de asentimiento como «ajá» o «claro»
- Si interrumpes mientras la IA habla, te escucha bien y cambia de rumbo
- Aunque te quedes en silencio pensando, no lo malinterpreta como «he terminado de hablar» ni te corta
En resumen, lo que logra GPT-Live es una conversación en tiempo real sin «esperar tu turno».
2. En qué se diferencia del anterior Advanced Voice Mode
La voz de IA anterior (Advanced Voice Mode) funcionaba por turnos (half-duplex). Por su diseño, tenía estas debilidades.
| Aspecto | Antes: Advanced Voice Mode | Nuevo: GPT-Live |
|---|---|---|
| Método básico | Por turnos (half-duplex): espera a que termines de hablar | Full-duplex: escucha y habla a la vez |
| Detección del fin del habla | Basada en el silencio | Se juzga por el tono de voz y los cambios en la respiración |
| Silencio para pensar | Tiende a interrumpir al creer que «has terminado» | Sabe esperar sin cortar |
| Asentimiento | Básicamente no lo hace | Devuelve «mhmm», «yeah», etc. |
| Interrupciones | A veces se corta de forma poco natural | Las encaja y se ajusta |
| Frecuencia de decisión | Por turno | Varias veces por segundo (hablar / escuchar / pausar / interrumpir / llamar a herramientas) |
Según OpenAI, en una comparación evaluada por personas sobre conversaciones de 5 a 10 minutos en igualdad de condiciones, tanto GPT-Live-1 como GPT-Live-1 mini fueron claramente preferidos frente a Advanced Voice Mode. Además, se reportan mejoras en GPQA (razonamiento científico especializado), BrowseComp (búsqueda web de tipo agente) y tareas de atención al cliente.
3. Cómo funciona: decisiones por segundo y delegación en GPT-5.5
GPT-Live genera la salida de voz mientras procesa de forma continua la entrada de voz, y decide «qué hacer ahora» varias veces por segundo: hablar, seguir escuchando, hacer una pausa, interrumpir o llamar a una herramienta. Esta toma de decisiones de alta frecuencia es la que produce un ritmo humano.
Otro diseño clave es que «el procesamiento profundo se delega en el modelo de fondo». La inmediatez de la conversación la asume GPT-Live y, cuando hacen falta búsqueda web, razonamiento profundo o tareas complejas, entrega el trabajo a un modelo mayor en segundo plano (en el lanzamiento, GPT-5.5) y, una vez obtenido el resultado, vuelve a la conversación. Es un mecanismo que compagina el «pensar» sin interrumpir la conversación.
4. Dos modelos y disponibilidad por plan
| Plan | Modelo de voz por defecto |
|---|---|
| Free (gratis) | GPT-Live-1 mini |
| Go / Plus / Pro | GPT-Live-1 |
La clave es que incluso en el plan gratuito se puede usar la versión mini de GPT-Live. La conversación natural full-duplex no queda limitada a los planes de pago. Si buscas conversaciones y razonamiento de mayor calidad, GPT-Live-1 es el predeterminado en Go/Plus/Pro. Se ofrece en iOS, Android y ChatGPT.com, con un despliegue mundial por fases.
5. Principales avances
Reacciona con un «ajá» mientras hablas. Aparece la sensación de que te está escuchando.
La respuesta es casi instantánea. El ritmo se acerca al de una conversación humana.
Aunque cortes a mitad de frase, te escucha y corrige el rumbo del contenido.
No confunde la pausa para pensar con el «fin del habla»: te espera.
6. Limitaciones actuales: seamos honestos
Como es fácil que las expectativas se adelanten, conviene reconocer con honestidad lo que no se puede hacer en el momento del lanzamiento.
- 🟡 Vídeo y pantalla compartida no soportados: en el lanzamiento se centra en la voz; no incluye entrada de vídeo ni compartir pantalla.
- 🟡 El soporte multilingüe completo está por llegar: todavía no alcanza el mismo nivel de calidad en todos los idiomas (aún no hay full multilingual parity).
- 🟡 La API no está disponible: la API para desarrolladores está «próximamente» y, a fecha de este artículo, no se ha publicado ni se ha anunciado su precio (detalles en el capítulo 8).
- 🟡 Despliegue por fases: puede haber diferencias de tiempo hasta que llegue a todos los usuarios.
Se espera que estas cosas se amplíen en futuras actualizaciones, pero conviene entender que no es «vídeo y pantalla ya mismo».
7. Dónde usarlo
- Consultas y lluvia de ideas manos libres: mientras caminas o trabajas, ordenas las ideas en voz alta. Como no te corta el silencio, cuesta menos que se rompa el hilo del pensamiento.
- Práctica de conversación en idiomas: con el asentimiento y las interrupciones naturales, la práctica se acerca a una conversación real.
- Búsqueda y resumen por voz: como la búsqueda profunda se delega en GPT-5.5 de fondo, puedes ir investigando mientras conversas.
- Accesibilidad: en situaciones en las que escribir resulta difícil, una interfaz de voz con buen ritmo resulta útil.
8. Estado de la API y diferencia con GPT-Realtime
La API de GPT-Live no está disponible a fecha de este artículo («próximamente», sin precio anunciado). Los desarrolladores y las empresas deben esperar registrándose para recibir aviso. Ten en cuenta que «integrar ahora mismo voz full-duplex en tu propia app» todavía no es posible.
Conclusión
- GPT-Live es un nuevo modelo que cambia la voz de ChatGPT de «por turnos» a full-duplex (escuchar mientras se habla) (8 de julio de 2026, a nivel mundial).
- Con asentimiento, interrupciones y tolerancia al silencio y una latencia <250ms, logra un ritmo de conversación cercano al humano. Fue claramente preferido frente a Advanced Voice Mode.
- La inmediatez de la conversación la asume GPT-Live, y el razonamiento profundo y la búsqueda se delegan en GPT-5.5 en segundo plano (la profundidad se elige con Instant/Medium/High).
- Por defecto: Free usa GPT-Live-1 mini; Go/Plus/Pro usan GPT-Live-1. Disponible en iOS/Android/web de ChatGPT.
- Limitaciones actuales: vídeo y pantalla compartida no soportados, soporte multilingüe completo no alcanzado, API no disponible. Para la API existe aparte GPT-Realtime-2.1.
FAQ
P1. ¿Se puede usar GPT-Live gratis?
Sí. En el plan gratuito, el modelo de voz por defecto es GPT-Live-1 mini. En Go/Plus/Pro, el predeterminado es el superior GPT-Live-1. Se puede usar en iOS, Android y la web de ChatGPT (despliegue por fases).
P2. ¿Qué es exactamente «full-duplex»?
Es un método que permite escuchar y hablar al mismo tiempo, como en una llamada telefónica. A diferencia del sistema por turnos anterior (esperar a que termines de hablar para responder), puede devolverte señales de asentimiento mientras hablas, encajar las interrupciones y esperar sin cortar el silencio en el que estás pensando.
P3. ¿Cuál es la mayor diferencia con el anterior Advanced Voice Mode?
El método para detectar el fin del habla. Antes se basaba en el silencio y tendía a interrumpir al malinterpretar la pausa para pensar como «he terminado». GPT-Live lo juzga por el tono de voz y los cambios en la respiración y toma decisiones varias veces por segundo, por lo que es más difícil que te corte y resulta más natural. También fue claramente preferido en la evaluación humana.
P4. ¿Puede responder también a preguntas difíciles?
Sí. La inmediatez de la conversación la asume GPT-Live y, cuando hacen falta búsqueda web o razonamiento profundo, delega el procesamiento en GPT-5.5 en segundo plano y devuelve el resultado a la conversación. La profundidad del razonamiento se puede elegir entre Instant, Medium y High.
P5. ¿Puede hacer vídeo o pantalla compartida?
En el momento del lanzamiento, no. GPT-Live se centra en la voz; el vídeo, la pantalla compartida y el soporte multilingüe completo no están disponibles por ahora. Se espera su ampliación en futuras actualizaciones.
P6. ¿Puedo integrarlo en mi propia app por API?
La API de GPT-Live no está disponible a fecha de este artículo (próximamente, sin precio anunciado). Si quieres implementar ya mismo voz de baja latencia por API, considera la familia aparte GPT-Realtime-2.1 / mini (base para agentes de voz orientada a la API). Los roles están separados: GPT-Live es para consumidores y GPT-Realtime, para desarrolladores.
P7. ¿Cómo se compara con Gemini Live de Google?
Gemini también tiene como punto fuerte la multimodalidad, con voz y vídeo, y admite conversación en vivo. El punto fuerte actual de GPT-Live es la naturalidad y la baja latencia de la conversación full-duplex, pero, como el vídeo y la pantalla compartida todavía no están soportados, hay áreas en las que Gemini lleva ventaja. Para más detalles, consulta también la comparación GPT-5.6 vs Gemini.
Artículos relacionados
- Guía completa del lanzamiento de GPT-5.6 — los modelos protagonistas de la misma época
- GPT-5.6 Sol vs Gemini — ejes de comparación de multimodalidad y voz
- Qué es Google Gemini — las bases del competidor
