GPT-Live-1.1 ya está disponible en la API de OpenAI. El anuncio salió el 19 de noviembre de 2026 por la cuenta de OpenAI Developers y el modelo quedó abierto a desarrolladores al día siguiente. Si llevas meses peleando con el costo de dejar una sesión de voz abierta mientras el usuario piensa, esta es la noticia que te interesa: ahora hay un modo de espera que cobra 0.02 USD por minuto en vez de los 0.05 de inferencia activa.
No es un modelo nuevo salido de la nada. GPT-Live-1 llegó el 10 de septiembre y GPT-Live-1.1 venía moviendo la voz de ChatGPT Plus y Pro desde el 15 de octubre. Lo que cambió ahora es el acceso: lo que antes solo escuchabas dentro de la app, hoy lo puedes meter en tu producto.
Qué trae GPT-Live-1.1 en concreto
OpenAI resumió el lanzamiento en tres mejoras, y vale la pena traducirlas a lo que significan cuando tienes un cliente real del otro lado del teléfono:
- ▸Acentos más naturales y consistentes entre idiomas. En español esto es media batalla: el típico agente que arranca neutro y a los dos minutos suena a doblaje raro era un problema de retención, no de estética.
- ▸Mejor comprensión de detalles precisos: letras y números. Si alguna vez transcribiste un DNI, una placa o un código de reserva por voz, sabes que ahí se caía todo el flujo.
- ▸Mayor fiabilidad al completar tareas, no solo al conversar. El modelo puede seguir hablando mientras procesa una llamada a herramienta por detrás.
El modo standby es el cambio que mueve la caja
Hasta ahora, una sesión de voz abierta te cobraba igual si el usuario estaba hablando o si se había ido a buscar su tarjeta. Con el nuevo standby defines un tiempo de inactividad de entre 5 y 60 segundos; pasado ese umbral, la sesión baja a 0.02 USD por minuto y sube de vuelta cuando alguien vuelve a hablar. Según el anuncio, la opción sirve tanto para GPT-Live-1 como para la 1.1.
Hagamos la cuenta rápida, que es donde se entiende. Una llamada de soporte de 10 minutos donde la gente habla la mitad del tiempo: antes pagabas 10 minutos a 0.05 (0.50 USD). Ahora pagas 5 a 0.05 y 5 a 0.02, o sea 0.35. Son 15 centavos por llamada. En mil llamadas al mes son 150 dólares que dejas de quemar en silencio literal. No te cambia el negocio, pero sí cambia el cálculo de si vale la pena dejar un agente de voz escuchando mientras el cliente llena un formulario.
El cuello de botella de los agentes de voz nunca fue el modelo. Fue el costo del tiempo muerto y la latencia de la interrupción.
Full-duplex: escuchar mientras habla
GPT-Live es una API full-duplex: el modelo escucha mientras habla, así que interrumpirlo funciona parecido a interrumpir a una persona. Suena menor hasta que pruebas los dos enfoques uno detrás de otro. En un pipeline clásico de transcripción, LLM y síntesis, cortar al bot deja ese medio segundo de voz zombi que termina la frase sola; el usuario cree que no lo escucharon y repite. En full-duplex el corte es limpio.
Lo que nadie te dice es que esto te obliga a rediseñar el guion. Un agente que puede ser interrumpido en cualquier momento no puede depender de monólogos largos: tienes que escribir respuestas cortas, confirmar en voz alta lo que entendió y asumir que el usuario va a pisar la frase. Es más parecido a diseñar una conversación que a diseñar un árbol de decisiones.
Cuidado con el endpoint: no es la Realtime API
Este es el detalle que te va a costar una tarde si lo pasas por alto. GPT-Live vive en /v1/live/sessions, no en /v1/realtime. Una integración hecha contra la Realtime API no es automáticamente compatible: cambia el contrato de la sesión, y el código que armaste para el WebSocket anterior necesita trabajo. Si ya tienes un agente en producción, trátalo como una migración con su propia rama y sus pruebas, no como un cambio de nombre de modelo en una variable de entorno.
Qué construirías con esto en LATAM
En la región la voz sigue siendo el canal de menor fricción para quien no quiere escribir: adultos mayores, trabajo de campo, conductores. Tres casos donde el nuevo esquema de precios recién empieza a cerrar números:
- ▸Confirmación y reagendamiento de citas. Llamadas cortas, muchísimo silencio mientras la persona revisa su calendario.
- ▸Toma de pedidos por teléfono en restaurantes y bodegas, donde el agente tiene que entender números y direcciones dictadas, justo lo que esta versión dice haber mejorado.
- ▸Primer filtro de soporte técnico: el agente escucha, abre el ticket, consulta el estado por API y pasa a un humano cuando se complica.
En los tres, el modelo es la parte fácil. Lo difícil es el resto del sistema: la memoria de la conversación, las herramientas que el agente puede llamar, el punto donde se rinde y escala a una persona, y las trazas para saber por qué respondió lo que respondió. Eso no te lo resuelve ningún proveedor de voz.
Cómo aprender a construir esto
Si quieres pasar del demo al agente que atiende de verdad, el camino corto es armar uno completo de punta a punta. En Creación de agentes de voz con IA en tiempo real trabajas justamente el pedazo difícil: latencia, interrupciones, llamadas a herramientas y traspaso a humano. Y si lo tuyo es el canal de texto antes que el teléfono, el camino equivalente pasa por agentes de IA para WhatsApp con n8n, que es donde la mayoría de equipos en Perú y Colombia están poniendo su primer agente productivo.
Ahora, si tu meta no es un agente suelto sino el oficio completo (arquitectura, evaluación, memoria, despliegue), la ruta AI Agentic Engineer cubre el ciclo entero y es la que mejor se paga hoy en la región. Un agente de voz bien hecho es, al final, un agente bien hecho que además habla.
Por dónde empezar esta semana
Toma un flujo que ya tengas por escrito (un formulario, un chatbot, un guion de call center) y conviértelo en una sesión de voz de tres turnos. Mide dos cosas: cuántas veces el usuario interrumpe y cuánto tiempo pasa la sesión en silencio. Con esos dos números sabrás si el standby te sirve y si tu guion aguanta el full-duplex, antes de gastar en infraestructura.
Mira el catálogo completo de cursos si quieres ubicar en qué punto estás, o entra directo al curso de agentes de voz. Y si prefieres aprender en grupo y con práctica semanal, cada semana hacemos un taller en vivo de IA en la Comunidad AI Builders (desde 19 USD al mes): es el escalón intermedio entre leer una noticia como esta y meterte a un bootcamp.



