OpenAI lanzo GPT-Live, una nueva clase de modelos de voz diseñados para que conversar con ChatGPT se sienta como hablar con una persona real. La novedad tecnica es una arquitectura full-duplex: el modelo puede escuchar y hablar al mismo tiempo, en lugar del rigido turno de "usuario habla, IA responde" al que estabamos acostumbrados.

Hay dos versiones desplegandose a nivel mundial de inmediato. GPT-Live-1 es para usuarios de pago en los planes Go, Plus y Pro, mientras que GPT-Live-1 mini esta disponible en cuentas gratuitas. Ambas funcionan en iOS, Android y en ChatGPT.com, y OpenAI adelanto que sumara acceso via API pronto.

¿Como logra sonar mas humano?

Segun OpenAI, GPT-Live toma decisiones varias veces por segundo sobre si hablar, seguir escuchando, pausar, interrumpir o llamar a una herramienta. El modelo puede usar frases de relleno como "mmm" o "entiendo" para señalar que esta siguiendo la conversacion, y el usuario puede interrumpirlo, tomarse un momento para pensar o pedirle que hable mas lento.

Los numeros de preferencia acompañan el cambio. Comparado con el anterior "Modo de voz avanzado", los evaluadores prefirieron GPT-Live-1 en el 75,7 por ciento de los casos y a GPT-Live-1 mini en el 69,2 por ciento. La actualizacion tambien agrega tarjetas visuales que la voz puede mostrar durante una conversacion para datos como clima, precios de acciones o resultados deportivos, y renueva las nueve voces disponibles.

¿Como cierra la brecha de inteligencia?

El cambio mas profundo es la separacion entre gestionar la conversacion en vivo y razonar de verdad. Cuando una pregunta necesita busqueda web, razonamiento o capacidades de agente, GPT-Live entrega la tarea a un modelo de fondo, hoy GPT-5.5, y mantiene la conversacion viva mientras ese modelo trabaja.

Esa delegacion corrige una debilidad grave de los modelos de voz anteriores, que respondian solo con sus propias capacidades y quedaban muy por detras de los modelos de frontera. Los benchmarks lo reflejan con claridad:

  • En la prueba GPQA de razonamiento cientifico, GPT-Live-1 alcanza 84,2 por ciento de precision en nivel de razonamiento alto, frente a 45,3 por ciento del Modo de voz avanzado.
  • En BrowseComp, un benchmark de busqueda web basada en agentes, GPT-Live-1 anota 75,2 por ciento, mientras que el Modo de voz avanzado apenas llega a 0,7 por ciento. La version mini alcanza 31,6 por ciento.
  • En el test interno tau3 Voice Telecom, GPT-Live-1 (High) resuelve cerca del 65 por ciento de las tareas de soporte en unos 385 segundos, contra el 30 por ciento del modo anterior.

El usuario ademas puede elegir un nivel de razonamiento, desde "Instant" para respuestas rapidas hasta "Medium" y "High" para tareas que ameritan mas tiempo de reflexion.

Sonar mas humano tambien sube las apuestas de seguridad

Existe una tendencia bien documentada de las personas a tratar a los modelos de IA como humanos y a dejarse convencer de todo tipo de acciones, a veces con consecuencias serias. Un sistema que suena y responde aun mas como una persona probablemente amplifica ese riesgo.

OpenAI dice haber incorporado medidas de seguridad que se activan incluso mientras el usuario todavia habla: el sistema puede orientar al modelo hacia respuestas mas seguras, mostrar informacion adicional o terminar la conversacion en situaciones de alto riesgo. Aparecen lineas de ayuda en crisis cuando surgen temas de autolesion, y para usuarios menores el modelo fue entrenado para comportarse de forma apropiada a la edad, con controles parentales asociados. Cabe notar que a comienzos de este año NVIDIA habia liberado un modelo similar de codigo abierto llamado PersonaPlex.