El 8 de julio, OpenAI lanzó GPT-Live-1 y GPT-Live-1 mini. Son los primeros modelos de voz full-duplex de la compañía: hablan y escuchan al mismo tiempo, sin turnos forzados, sin pausas artificiales. Si construís agentes de voz o estás evaluando hacerlo, esto cambia el piso mínimo de lo que se espera.
Por qué este lanzamiento no es solo otro modelo de voz
Los modelos de voz anteriores—incluyendo la propia Realtime API de OpenAI—operaban en modo half-duplex: el modelo habla, se detiene, escucha. Eso fuerza un ritmo artificial. Si interrumpís antes de que termine, el modelo pierde el hilo o ignora tu intervención. Es exactamente lo que hace que muchos agentes de voz en producción se sientan torpes, incluso cuando la calidad del audio es buena.
GPT-Live-1 procesa audio de entrada y genera audio de salida en paralelo. Podés interrumpir a mitad de una respuesta, decir "espera" o agregar contexto nuevo, y el modelo lo incorpora sin perder lo que ya venía procesando. Durante la conversación puede emitir señales de atención—"mhmm", "entiendo"—sin cortar el flujo. Para soporte técnico, coaching de voz o ventas conversacionales, eso es la diferencia entre algo que funciona y algo que frustra.
Un matiz importante: full-duplex no significa perfecto. Manejar interrupciones bien requiere distinguir una interrupción real de ruido de fondo o de un usuario que está pensando en voz alta. GPT-Live mejora eso, pero el diseño de cuándo el agente habla y cuándo espera sigue siendo responsabilidad del developer. El modelo no toma esas decisiones solo.
GPT-Live-1 y GPT-Live-1 mini: cuál es cuál
OpenAI lanzó dos versiones. GPT-Live-1 es el modelo principal, activado por defecto para usuarios de Plus, Pro y Go. Cuando la pregunta requiere búsqueda en la web, razonamiento profundo o trabajo complejo, delega en silencio al backend—actualmente GPT-5.5—y trae la respuesta de vuelta sin interrumpir el flujo. GPT-Live-1 mini es la versión de velocidad y costo optimizados, disponible por defecto para usuarios Free.
Un dato a tener en cuenta: al lanzamiento el backend de razonamiento es GPT-5.5, no el reciente GPT-5.6 Sol. Puede actualizarse en semanas, pero conviene verificarlo antes de comparar benchmarks de calidad entre modelos. La experiencia de voz y la calidad de razonamiento son cosas separadas en esta arquitectura.
Casos donde full-duplex cambia todo
No todos los casos de uso notan la diferencia por igual. Estos son los tres donde full-duplex importa más:
- ▸Atención al cliente y soporte: cuando un usuario explica un problema complejo, el agente puede confirmar que escucha sin interrumpir. Eso reduce la fricción y hace que la interacción se sienta más resolutiva.
- ▸Ventas conversacionales: cuando un cliente plantea una objeción a mitad de la presentación del producto, el agente puede responderla en el momento, sin esperar a que termine la frase. La ventana de oportunidad no se cierra.
- ▸Tutoring y coaching de voz: el back-and-forth natural es lo que hace que el aprendizaje funcione. Un sistema half-duplex que te obliga a esperar que termine destroza el ritmo de práctica. Full-duplex lo mantiene.
Qué cambia para developers y el acceso a la API
La API de GPT-Live no tiene fecha de apertura. OpenAI habilitó una lista de espera y confirmó que habrá acceso programático, pero sin detalles de cuándo. Mientras tanto, hay tres cosas que podés hacer ahora:
- ▸El estándar de experiencia subió. Los usuarios que interactúen con GPT-Live en ChatGPT van a esperar ese comportamiento de cualquier agente de voz que encuentren después. Si tu agente fuerza half-duplex, va a sentirse anticuado.
- ▸La lógica de orquestación del agente se hace más compleja. Full-duplex requiere manejar estados de conversación paralelos: interrupciones, cambios de contexto a mitad del flujo, timeouts. Eso implica revisar cómo diseñás los flujos de tu agente hoy.
- ▸Hay casos de borde nuevos. ¿Qué pasa cuando el usuario habla mientras el agente procesa una respuesta larga? ¿Cómo gestiona el sistema una interrupción parcial? Esas preguntas las resolvés en el diseño, no el modelo.
Lo que la mayoría no está diciendo: el mayor reto de full-duplex no es técnico sino de diseño conversacional. Cuándo el agente habla, cuándo espera, cómo maneja el silencio. Eso no lo resuelve el modelo—lo resolvés vos. Y es la habilidad que va a separar las implementaciones buenas de las mediocres cuando abra la API.
El stack de agentes de voz que se consolida en 2026
Hace dos años, construir un agente de voz en tiempo real era un proyecto de I+D. Hoy es producción viable. El stack que emerge como estándar combina cuatro capas:
- ▸Modelo de voz: GPT-Live, ElevenLabs, Deepgram (captura y síntesis de audio en tiempo real)
- ▸Framework de orquestación: LangGraph o LangChain (lógica del agente, manejo de estado, herramientas y memoria)
- ▸Backend de razonamiento: GPT-5.6 Sol, Claude Sonnet 5 o Gemini (para tareas que requieren más procesamiento que el modelo de voz)
- ▸Transporte de audio: WebSockets o WebRTC con latencia menor a 200ms para conversaciones fluidas
Si estás evaluando construir un agente de voz para atención al cliente, ventas o soporte interno, el momento de experimentar es ahora. Los developers que lleguen con arquitectura probada cuando abra la API de GPT-Live van a estar meses adelante de los que empiecen desde cero ese día.
Cómo prepararte mientras espera la API
Tres cosas concretas para empezar hoy:
- ▸Probá GPT-Live en ChatGPT (Plus/Pro) para entender qué espera un usuario de una conversación full-duplex. Ese es el benchmark de experiencia que vas a tener que alcanzar.
- ▸Explorá la Realtime API de OpenAI (la anterior a GPT-Live): sigue activa. Conceptos como streaming de audio, manejo de eventos y WebSockets se van a trasladar directamente cuando abra la nueva API.
- ▸Dominá LangGraph y LangChain ya. La orquestación del agente detrás del modelo de voz es donde se gana o se pierde la experiencia. Eso no cambia con qué modelo de voz usés.
Dónde aprender a construir estos agentes
En DataPath, el curso de Creación de Agentes de Voz con IA en Tiempo Real cubre el pipeline completo: captura de audio, manejo de latencia, lógica conversacional y despliegue. Es el punto de entrada más directo si querés construir algo funcional hoy con el stack que se está consolidando.
Para el contexto más amplio—cómo integrar estos agentes en sistemas multi-agente, orquestación compleja con LangGraph y CrewAI, y despliegue en producción—está la ruta de AI Agentic Engineer. Es el recorrido completo para developers que quieren trabajar en sistemas de agentes reales, no solo en un curso aislado.
El catálogo completo está en /cursos. Y si estás evaluando capacitar a tu equipo en agentes de voz o IA conversacional, en /empresas tienen programas a medida y una propuesta sin costo inicial.
