Nuevo ChatGPT Live de OpenAI permite interrumpirse al hablar

Sam Altman escribió el 8 de julio de 2026 en su cuenta de X que la nueva voz de ChatGPT le pareció "mágica" y que, por primera vez, iba a dejar de preferir escribirle a la inteligencia artificial antes que hablarle. La frase resume la apuesta de OpenAI con GPT-Live, la arquitectura que le permite al asistente escuchar y hablar al mismo tiempo, sin esperar una pausa para responder. Detrás del entusiasmo hay una decisión de diseño más discreta: separar la conversación fluida del razonamiento pesado. Mientras GPT-Live sostiene el diálogo, delega las preguntas difíciles a GPT-5.5 en segundo plano y devuelve la respuesta sin que se note la costura. OpenAI dice que el resultado es más natural y más inteligente. Los números que deberían probarlo, sin embargo, no están del todo a la vista.

Escuchar y hablar sin esperar el turno

Durante años, hablarle a ChatGPT implicó un intercambio de postas. El primer modo de voz encadenaba tres modelos distintos: uno transcribía el audio a texto, otro generaba la respuesta y un tercero la convertía de nuevo en habla. Cada posta perdía información y sumaba demora. El Advanced Voice Mode que lo sucedió unificó esos pasos en un solo modelo, pero seguía funcionando por turnos: esperaba un silencio limpio para intervenir, y confundía una pausa para pensar o un ruido de fondo con el final de una frase. GPT-Live cambia la lógica de base. Su arquitectura full-duplexprocesa el audio de entrada mientras genera la respuesta, así que decide muchas veces por segundo si hablar, seguir escuchando, callarse, interrumpir o activar una herramienta. Eso le permite murmurar un "mhmm" mientras el usuario piensa, tolerar silencios y hasta traducir una conversación en tiempo real sin esperar a que el otro termine de hablar.

La tarjeta Nexo llega a Argentina con beneficios y cashback.

La voz que delega el trabajo pesado

OpenAI lanzó dos versiones el 8 de julio: GPT-Live-1, que pasó a ser el modo de voz predeterminado para los planes pagos Go, Plus y Pro, y GPT-Live-1 mini, la variante que reciben por defecto los usuarios gratuitos. La diferencia no es solo de tamaño: cuando una consulta exige buscar en la web, razonar en varios pasos o ejecutar una tarea más compleja, el modelo delega ese trabajo a GPT-5.5 y sigue charlando mientras espera el resultado, que después incorpora a la conversación sin pausas visibles. El usuario puede elegir además el nivel de razonamiento —Instant, Medium o High— según si prioriza velocidad o profundidad.

La actualización también sumó respuestas visuales durante el audio: tarjetas con el clima, cotizaciones bursátiles o resultados deportivos que aparecen en pantalla mientras la conversación sigue su curso. La expansión llega a iOS, Android y la web de forma global, pero todavía no está disponible para las cuentas ChatGPT Business, Enterprise o Edu, y quienes necesiten video o compartir pantalla deben seguir usando las versiones anteriores del modo de voz. OpenAI adelantó, además, que la tecnología llegará "pronto" a su API para desarrolladores y empresas.

Mejoras que la empresa no cuantifica

La compañía asegura que, en evaluaciones humanas de conversaciones de entre cinco y diez minutos, tanto GPT-Live-1 como su versión mini fueron preferidos con claridad frente al Advanced Voice Mode en fluidez, manejo de turnos e interrupciones. También afirma que el modelo mejora sustancialmente en GPQA, la prueba de razonamiento científico avanzado, y que muestra ganancias fuertes en BrowseComp, el test que mide la capacidad de encontrar información difícil de localizar en la web. Sin embargo, el anuncio oficial no incluye los puntajes concretos de esas pruebas: habla de mejoras "sustanciales" y "fuertes", pero no de cuánto. Es una asimetría habitual en los lanzamientos de modelos de lenguaje, aunque en este caso conviene tratarla como lo que es: una promesa de la propia empresa, todavía sin verificación externa independiente.

Newsletter gratuito ¿Te está resultando útil esta nota? Suscribite gratis y recibí cada semana el mejor análisis de tecnología, IA y mercados directamente en tu correo.

Salvaguardas para una voz más humana

El diseño de GPT-Live incluye salvaguardas pensadas específicamente para la voz: evaluaciones con audio sintético en áreas de riesgo como autolesión, psicosis, violencia y contenido sexual, más un sistema que puede reorientar la respuesta, ofrecer ayuda o directamente cortar la conversación cuando detecta una señal de alarma. Para usuarios adolescentes hay controles parentales que permiten habilitar o restringir la voz, y los padres pueden recibir un aviso ante indicios de riesgo. El modelo, además, usa únicamente voces predefinidas y tiene bloqueos para no imitar la voz de una persona real.

La compañía insiste en que no busca crear un compañero emocional, algo que repitió en la presentación a la prensa del lanzamiento. Pero esa distinción convive con una tensión que la propia OpenAI documentó antes de esta actualización: un estudio conjunto con el MIT Media Lab había encontrado que el uso moderado del modo de voz reducía la sensación de soledad, mientras que el uso intensivo y diario se asociaba con más soledad y mayor dependencia emocional. GPT-Live está diseñado, precisamente, para sonar más cercano y sostener charlas más largas.

Meta arma su negocio en nube y desafía a Google y Amazon

La paradoja queda planteada sin resolver: cuanto más humana suena una voz artificial, más tiempo la gente tiende a usarla, y ese mismo uso intensivo es el que OpenAI vincula con mayor soledad. Hay, además, una derivada que todavía no llegó a la Argentina pero que se acerca con la promesa de una API "pronto": el país sostiene un sector de servicios de exportación basado en centros de contacto que emplea a unas 280.000 personas y factura cerca de USD 7.900 millones al año, con salarios entre 60% y 75% más bajos que los de Estados Unidos. Una voz artificial que escucha, interrumpe, espera y resuelve tareas complejas al mismo tiempo imita, en el fondo, el trabajo que hoy hacen las 85.000 personas que atienden llamadas de exportación desde el país. ¿Qué pasa con esa ventaja cuando la voz que la iguala deja de ser una demo y se convierte en una línea de código disponible para cualquier empresa?