La principal novedad reside en un cambio de arquitectura que permite al sistema escuchar mientras genera respuestas, eliminando gran parte de la rigidez que caracterizaba a las interacciones por voz hasta ahora.
La presentación comenzó con una demostración sencilla protagonizada por Greg Brockman, presidente de OpenAI. Durante el directo interrumpió varias veces a ChatGPT mientras respondía y en lugar de detenerse de forma brusca, el sistema adaptó la conversación de manera continua, pausó la respuesta y retomó el diálogo con naturalidad. La escena sirvió para ilustrar el objetivo de GPT-Live: convertir el modo de voz en una conversación continua, más cercana a una interacción humana.
La principal diferencia respecto a generaciones anteriores se encuentra en el funcionamiento interno del modelo. OpenAI explica que el primer modo de voz de ChatGPT utilizaba un sistema en cascada: un modelo convertía la voz en texto, otro generaba la respuesta y un tercero sintetizaba nuevamente el audio.
Posteriormente, el modo avanzado de voz integró esos procesos dentro de un único modelo, aunque la conversación seguía organizada por turnos. GPT-Live modifica ese planteamiento gracias a una arquitectura full-duplex que permite procesar la entrada y generar la salida de forma simultánea. De este modo, el sistema decide varias veces por segundo si debe responder, esperar, escuchar o ejecutar alguna herramienta adicional. En la práctica, el usuario puede interrumpir una respuesta, hacer una pausa para pensar o cambiar el ritmo de la conversación sin necesidad de reiniciarla continuamente.
El modelo incorpora señales conversacionales breves, como pequeños sonidos o confirmaciones verbales
Asimismo, OpenAI señala que el modelo incorpora señales conversacionales breves, como pequeños sonidos o confirmaciones verbales que indican que continúa escuchando, además de mejorar la capacidad para centrarse en la voz del usuario incluso cuando existe ruido ambiental.
GPT-Live también amplía las capacidades disponibles durante una conversación, de manera que el sistema puede mostrar tarjetas visuales para consultas relacionadas con el tiempo, resultados deportivos, cotizaciones bursátiles u otra información rápida.
La plataforma mantiene igualmente el acceso a funciones como búsqueda web, memoria, generación de imágenes y subida de archivos. Cuando una petición requiere razonamientos más complejos o consultas externas, GPT-Live delega automáticamente esas tareas en modelos de mayor capacidad. En el lanzamiento, esa función recaerá sobre GPT-5.5, aunque OpenAI asegura que actualizará el modelo de respaldo conforme publique nuevas generaciones. Además, los usuarios podrán seleccionar distintos niveles de razonamiento según la complejidad de la consulta: Instant para respuestas inmediatas y Medium o High cuando la tarea requiera un análisis más profundo.
El despliegue comienza desde hoy para ChatGPT en iOS, Android y la versión web. GPT-Live-1 será el modelo predeterminado para los usuarios de los planes Go, Plus y Pro, mientras que las cuentas gratuitas utilizarán GPT-Live-1 mini.