GPT-Live-1 está pasando de ser una experiencia integrada en ChatGPT a una pieza que desarrolladores pueden incorporar en sus propias aplicaciones. OpenAI anunció su disponibilidad en la API el 10 de septiembre de 2026 con un enfoque específico en conversaciones full-duplex.
El modelo puede escuchar y hablar simultáneamente. La arquitectura también está diseñada para manejar interrupciones sin depender de una cadena separada de reconocimiento de voz, modelo de lenguaje y síntesis de voz. OpenAI afirma que esa integración reduce puntos de latencia y permite que la conversación continúe mientras un modelo posterior realiza trabajo más profundo.
Una de las funciones centrales es la delegación. GPT-Live-1 puede enviar razonamiento y llamadas a herramientas a un modelo de backend como GPT-6 Astra o a otro modelo elegido por el desarrollador. Así, la capa de voz no tiene que cargar con todo el trabajo de razonamiento.
La API incorpora además soporte para telefonía, transcripciones, texto de respuesta, detección de turnos y control de tono, ritmo y estilo mediante instrucciones. Esto amplía el tipo de aplicaciones posibles: desde asistentes de atención al cliente hasta sistemas de reservas y tutoría.
OpenAI publicó también resultados de evaluaciones internas. Según la compañía, GPT-Live-1 mejora en 30 puntos porcentuales el rendimiento de Full Duplex Bench frente a GPT-Realtime-2.1. En una evaluación temprana de Speak, el sistema redujo las interrupciones durante pausas de pensamiento casi 80 por ciento frente a sistemas anteriores basados en turnos.
El precio anunciado para la capa de voz es de 0.05 dólares por minuto, facturado por segundo. El modelo de backend y el uso de herramientas se cobran aparte. Esa estructura importa porque el costo final de una aplicación de voz dependerá de cuánto trabajo se delegue y cuánto tiempo permanezcan activas las sesiones.
La lectura editorial es que OpenAI está tratando de convertir la conversación natural en una capa de interfaz, no en una función aislada. Si el modelo puede escuchar, hablar, aceptar interrupciones y delegar tareas sin romper el ritmo, la voz deja de ser un simple canal de entrada y salida.
La prueba será operacional. Los benchmarks de laboratorio son una señal, pero aplicaciones reales tendrán ruido, llamadas largas, usuarios que cambian de idea y herramientas que fallan. GPT-Live-1 tiene una arquitectura diseñada para esos casos; ahora toca comprobar si esa arquitectura mantiene su ventaja cuando sale de la demostración y entra en producción.
La separación entre voz y razonamiento puede ser la pieza más importante para aplicaciones empresariales. Un agente no necesita que el modelo conversacional haga todo: puede mantener una charla natural mientras otro sistema consulta datos, ejecuta una herramienta o prepara una respuesta. Esa arquitectura permite ajustar velocidad y costo según la tarea. También introduce puntos nuevos de coordinación, porque una interrupción de voz no necesariamente cancela el trabajo del backend. La experiencia real de telefonía será una prueba especialmente exigente de esa separación, ya que las conversaciones humanas rara vez siguen turnos perfectos.