OpenAI lanzó GPT-Live, el nuevo modo de voz de ChatGPT, con despliegue global desde hoy en iOS, Android y ChatGPT.com. El cambio no es cosmético: GPT-Live introduce una arquitectura llamada full-duplex que permite a la IA escuchar y generar respuestas al mismo tiempo, eliminando la rigidez de los turnos que caracterizaba a las versiones anteriores.
Para entender el alcance del cambio hay que mirar cómo funcionaban las generaciones previas. El primer modo de voz de ChatGPT operaba como un sistema en cascada: un modelo transcribía la voz, otro generaba la respuesta y un tercero la convertía de nuevo en audio. El modo avanzado de voz mejoró esa experiencia al procesar el audio dentro de un único modelo, pero seguía funcionando por turnos, esperando a que el usuario terminara de hablar antes de responder. GPT-Live rompe esa lógica: el sistema toma decisiones varias veces por segundo sobre si debe hablar, escuchar, pausar o delegar una tarea a otro modelo.
En la práctica, eso se traduce en una conversación diferente. El usuario puede interrumpir con una pregunta a mitad de una respuesta, hacer una pausa para pensar sin que el sistema interprete el silencio como el fin de la conversación, o pedirle que hable más despacio. La voz puede emitir señales breves como "mmm" o "sí" para indicar que sigue escuchando, y el sistema mejoró su capacidad para distinguir la voz del usuario cuando hay ruido de fondo. Para consultas rápidas como el tiempo, deportes o datos de bolsa, GPT-Live genera respuestas visuales en forma de tarjetas que aparecen en pantalla mientras habla.
Cuando la conversación requiere algo más que una respuesta inmediata, GPT-Live puede delegar búsquedas web, razonamiento extendido o tareas complejas al modelo GPT-5.5 en segundo plano, mientras mantiene la conversación activa con el usuario. OpenAI señaló que actualizará el modelo de soporte a medida que publique nuevas generaciones. El modo también permitirá elegir entre distintos niveles de razonamiento: Instant para respuestas rápidas, y Medium o High para tareas que requieren más profundidad.
La distribución por tipo de usuario es clara. GPT-Live-1 será el modelo por defecto para los planes Go, Plus y Pro. Los usuarios con cuentas gratuitas accederán a GPT-Live-1 mini, la versión más compacta. Según las evaluaciones internas de OpenAI, ambos modelos superan al modo avanzado de voz anterior en conversaciones de cinco a diez minutos, tanto en fluidez como en naturalidad percibida, manejo de interrupciones y turnos. Las nueve voces de ChatGPT fueron remasterizadas para esta versión. El lanzamiento también incluye soporte para búsqueda, memoria, imágenes y subida de archivos desde el modo de voz.
Hay una limitación relevante en esta primera versión: GPT-Live no admite voz con vídeo ni pantalla compartida por ahora, aunque OpenAI confirmó que trabaja en incorporar esas capacidades. El acceso por API tampoco tiene fecha de llegada todavía.
Para el equipo de next+, GPT-Live es probablemente el cambio más relevante en la interfaz de ChatGPT desde el lanzamiento de GPT-4o. No porque sea más inteligente, sino porque ataca el problema correcto: la fricción en la conversación. Un sistema de IA que sabe cuándo callarse, cuándo esperar y cuándo retomar sin que el usuario tenga que marcar turnos explícitos cambia la naturaleza de la interacción de forma más profunda que una mejora en benchmark. Para organizaciones que evalúan el uso de asistentes de voz con IA en atención al cliente, soporte interno o automatización de flujos de trabajo, la arquitectura full-duplex de GPT-Live resuelve uno de los problemas más citados como limitante para la adopción masiva: que la conversación no se siente natural. Cuando esa fricción desaparece, el umbral de adopción baja de forma significativa.