OpenAI ha comenzado a implementar GPT-Live, una nueva generación de modelos de voz que impulsan ChatGPT Voice. Durante una conversación, GPT-Live puede enviar una pregunta a su último modelo de frontera, como GPT-5.5, para un razonamiento más profundo o una búsqueda en la web.
Qué se lanzó
GPT-Live-1 se convierte en el modelo predeterminado que impulsa ChatGPT Voice para usuarios Go, Plus y Pro, y GPT-Live-1 mini se convierte en el modelo predeterminado para usuarios gratuitos.
OpenAI describe los modelos como full-duplex, lo que significa que pueden recibir audio y producir voz al mismo tiempo, interrumpir menos y esperar cuando un usuario hace una pausa.
La búsqueda y las respuestas visuales pasan a la conversación
Cuando una pregunta hablada necesita un razonamiento más profundo o información actual, GPT-Live puede pasarla a un modelo de vanguardia, GPT-5.5 en el lanzamiento, y devolver la respuesta a la conversación.
ChatGPT Voice también puede mostrar tarjetas visuales para temas como el clima, las acciones y los deportes, y OpenAI dijo que Voice continúa admitiendo búsqueda, memoria, imágenes y carga de archivos. Los usuarios pueden establecer un nivel de razonamiento, con Instantáneo para respuestas rápidas y Medio o Alto para preguntas más complicadas. OpenAI dijo que las respuestas instantáneas y el modelo mini se ejecutan en GPT-5.5 Instant, mientras que Medium y High usan GPT-5.5 Thinking.
Cómo lo midió OpenAI
En las evaluaciones directas de OpenAI, GPT-Live-1 y GPT-Live-1 mini fueron preferidos a su modo de voz avanzado en conversaciones que duraron de cinco a diez minutos. OpenAI dijo que las evaluaciones analizaron la preferencia general, los turnos, las interrupciones, el flujo de la conversación y qué tan naturales se sentían las interacciones. La compañía dijo que más de 150 millones de personas hablan con ChatGPT cada semana utilizando funciones como voz y dictado.
Lo que aún no hace
En el lanzamiento, GPT-Live no admite voz con video ni pantalla compartida en ChatGPT. OpenAI dijo que está trabajando para agregar esas capacidades y que sus modos de voz estándar y avanzado anteriores permanecen disponibles donde se admite el uso compartido de video y pantalla.
Por qué esto importa
Ahora, cuando haces una pregunta en voz alta, es posible que veas una respuesta directamente en el flujo de voz, a veces acompañada de una tarjeta visual en la pantalla. Esto proporciona a ChatGPT otra forma de presentar una respuesta sin visitar un sitio de origen. Dado que el proceso de razonamiento y búsqueda ocurre detrás de escena en GPT-5.5, lo que aparece allí depende de cómo el modelo recupera información y cita sus fuentes.
Mirando hacia el futuro
OpenAI dijo que el lanzamiento está comenzando a nivel mundial y que el video y el uso compartido de pantalla no están en esta versión, pero se está trabajando en ello.
La publicación de OpenAI no dice cómo maneja GPT-Live las citas cuando responde una pregunta hablada de una búsqueda web GPT-5.5. Las respuestas de texto de ChatGPT muestran enlaces de origen junto a la respuesta. El detalle que hay que observar es si una respuesta hablada nombra sus fuentes, las muestra en la pantalla o las omite. Eso es lo que decide si una búsqueda dentro de una conversación de voz aún puede enviar a un lector a su sitio.
Imagen destacada: OpenAI
