GPT-Live-1, el modelo de voz que OpenAI estrenó dentro de ChatGPT, llegó a la API el 10 de septiembre a 0,05 dólares por minuto, cobrados por segundo. El modelo escucha y habla en un solo paso full-duplex en vez de encadenar reconocimiento de voz, un modelo de razonamiento y síntesis de voz, y delega el razonamiento y las llamadas a herramientas en un modelo backend distinto que elige quien lo integra: GPT-6 Astra, un modelo de OpenAI más barato, o un modelo o harness de agentes de otro proveedor, facturado aparte.
Un relevo de tres pasos convertido en uno, con una costura nueva
Los agentes de voz construidos como relevo encadenan tres sistemas, y cada traspaso suma latencia y pierde el ritmo de la conversación, lo que explica que se atropellen con quien llama o dejen silencios muertos. GPT-Live-1 junta el escuchar y el hablar en un solo modelo capaz de oír una interrupción mientras todavía está hablando, y empuja todo lo que exige pensar —consultar un pedido, invocar una herramienta, decidir qué contestar— hacia el backend que conecte el desarrollador.
OpenAI ofrece dos formas de conectar ese backend, según su guía de la API: la delegación por Responses entrega la conversación a un modelo Responses compatible, y la delegación por cliente deja que la aplicación conecte «cualquier modelo, harness de agentes o servicio» que ya tenga en marcha. Que el cerebro pueda ser un producto ajeno es una apertura poco habitual en un lanzamiento insignia de OpenAI.
Precio, límites y telefonía
La capa de voz cuesta 0,05 dólares por minuto sin importar qué backend responda detrás, cobrados por segundo y sin redondeo al alza; el modelo backend y las llamadas a herramientas se facturan aparte. Los límites de sesiones simultáneas escalan por nivel de uso, de 25 sesiones en el nivel 1 a 500 en el nivel 5, según la ficha del modelo. Acepta audio y texto de entrada y de salida —imagen y vídeo quedan fuera— y su conocimiento llega hasta el 31 de julio de 2025.
La telefonía figura como vía de despliegue con nombre propio: OpenAI menciona usos que van «de reservas de restaurante a soporte al cliente», y la guía lista telefonía y SIP como opción de conexión junto a las doce voces nuevas que llegaron con el lanzamiento. OpenAI Presence, el producto empresarial de agentes de voz de la compañía que se vende a través de sus directores de cuenta, también corre sobre GPT-Live-1.
La costura que nadie documenta
La separación abre un punto de fallo nuevo. Lo que oye quien llama y lo que decide el agente salen ahora de dos sistemas distintos unidos por un paso de delegación: la voz sigue hablando mientras el backend trabaja, y si la respuesta del backend cambia el rumbo de la llamada, la voz tiene que ponerse al día. El anuncio de OpenAI y su documentación no describen cómo se detecta o se resuelve un conflicto entre ambos más allá de las transcripciones que genera cada lado.
Las cifras de benchmark detrás del lanzamiento son las de OpenAI: una mejora de 30 puntos sobre GPT-Realtime-2.1 en un benchmark de full duplex, y el primer puesto en el benchmark de agentes de voz Tau3. El resultado en Tau3 se midió con GPT-6 Astra como backend, así que describe esa pareja y no a GPT-Live-1 por separado, y no se ha publicado ninguna réplica independiente de esas cifras.
El material publicado deja sin responder dos preguntas que cualquier despliegue telefónico necesitaría resueltas. Ni el anuncio ni la documentación listan qué idiomas soporta el modelo —OpenAI dice sólo que «ampliará las opciones de voz y la disponibilidad de idiomas en los próximos meses», lo que deja sin documentar la calidad en español—. Y ni el material de lanzamiento ni la guía dicen si, o cómo, se avisa a quien llama que habla con una IA y no con una persona.