OpenAI ha lanzado el 8 de julio de 2026 la reescritura más profunda de su modo de voz desde que existe ChatGPT: GPT-Live, disponible ya en iOS, Android y ChatGPT.com para más de 150 millones de personas que usan funciones de voz cada semana.

El problema real que resolvía el Modo de Voz Avanzado

Hasta ahora, ChatGPT hablaba en cascada: un modelo transcribía tu voz a texto, otro generaba la respuesta, y un tercero la convertía de vuelta en audio — cada paso añadía latencia y perdía matices, dando ese tono de «teleoperadora de los 90» que cualquiera que haya usado un asistente de voz reconoce al instante.
GPT-Live elimina esa cascada con una arquitectura full-duplex de verdad: procesa el audio de entrada y genera la salida de forma simultánea, tomando decisiones conversacionales (hablar, escuchar, pausar, usar una herramienta) varias veces por segundo.

Full-duplex, no solo una palabra de marketing

La diferencia se nota en lo concreto: puedes interrumpir a mitad de una explicación con una pregunta, y el sistema para, escucha y responde. Si te quedas callado pensando, GPT-Live espera en vez de lanzarse a hablar sobre tu silencio. Durante la conversación, emite señales activas de escucha ("mmm", «sí», «ya veo») — no es cosmético, es lo que en una llamada real te confirma que la otra persona sigue ahí.

La pieza inteligente: separar conversación de razonamiento

Lo que hace técnicamente interesante a GPT-Live no es solo la voz en sí, es la delegación: el modelo mantiene el hilo conversacional ligero y rápido, y cuando una pregunta exige búsqueda web, razonamiento profundo o capacidades agénticas, delega en segundo plano a GPT-5.5 — mientras ese trabajo pesado ocurre, GPT-Live sigue hablando contigo sin cortar la conversación. Esta separación es la que explica un salto de rendimiento notable: en BrowseComp (búsqueda web agéntica), pasa de un 0,7% del Modo de Voz Avanzado a un 75,2% — la capa de voz se queda ligera, el modelo pesado hace el trabajo real por detrás.

Los números que respaldan la mejora

OpenAI construyó nuevas evaluaciones humanas centradas específicamente en naturalidad y fluidez conversacional (no solo precisión), comparando conversaciones de 5 a 10 minutos. GPT-Live-1 fue preferido en un 75,7% de las comparaciones frente al modo anterior. En GPQA (razonamiento científico de nivel experto), pasa de un 45,3% a un 84,2% — casi el doble, gracias precisamente a esa delegación a GPT-5.5.

Quién recibe qué modelo

GPT-Live-1 mini sustituye por defecto al Modo de Voz Avanzado para usuarios gratuitos. GPT-Live-1 (el modelo completo) es el predeterminado para planes Go, Plus y Pro, con tres niveles de razonamiento seleccionables (Instant, Medium, High) según cuánta profundidad necesites en cada pregunta.

Lo que todavía no incluye

No hay soporte de vídeo ni pantalla compartida en el lanzamiento —para eso, el Modo de Voz Avanzado anterior sigue disponible—, y la API para desarrolladores está anunciada como «próximamente» sin fecha ni precio concretos, así que construir un agente telefónico propio sobre GPT-Live todavía no es posible.

El matiz honesto: el idioma importa, y no todos están igual de pulidos

Aquí está el punto que conviene tener en cuenta antes de asumir que funciona igual de bien en cualquier idioma: la propia OpenAI reconoce que la calidad varía según el idioma, y en la demostración de traducción al hindi la voz mostró un acento marcado y un tono poco natural. Para español con acentos y modismos regionales, conviene probarlo con conversaciones reales antes de asumir el mismo nivel de pulido que en inglés.