La arquitectura que cambia la forma de hablar con la inteligencia artificial

ElNotariado.com — Editor Jurídico y Tecnológico de Radio Nodo IA

Fuente primaria: OpenAI
Publicación oficial: 8 de julio de 2026
Producto anunciado: GPT-Live
Fecha del presente informe: 4 de agosto de 2026

Hablar con una inteligencia artificial podría dejar de parecer una conversación con un asistente que espera pacientemente a que el usuario termine de hablar. OpenAI presentó GPT-Live, una nueva generación de modelos de voz capaces de escuchar y hablar simultáneamente, mantener conversaciones fluidas y delegar tareas complejas a modelos de razonamiento sin interrumpir el diálogo. La compañía sostiene que esta arquitectura inaugura una nueva etapa en la interacción entre personas y sistemas de IA.

Un cambio de paradigma en la interacción por voz

Durante años, la mayoría de los asistentes conversacionales funcionaron bajo una lógica relativamente simple: primero hablaba el usuario, luego el sistema procesaba el audio, generaba una respuesta y finalmente la reproducía.

Ese esquema, conocido como interacción por turnos (turn-based interaction), obligaba a esperar silencios para determinar cuándo una persona había terminado de hablar.

OpenAI sostiene que esa arquitectura producía conversaciones poco naturales, interrupciones innecesarias y una sensación permanente de estar dialogando con una máquina.

La compañía afirma:

“We’re launching GPT-Live, a new generation of voice models that make talking with AI feel much more like having a real conversation.”

Traducción:

“Estamos lanzando GPT-Live, una nueva generación de modelos de voz que hace que conversar con la inteligencia artificial se parezca mucho más a una conversación real.”

El problema que OpenAI buscó resolver

Según OpenAI, los sistemas anteriores presentaban limitaciones estructurales.

Entre ellas:

• esperaban pausas para responder;
• confundían silencios breves con el final de una intervención;
• interrumpían al usuario;
• no podían escuchar mientras hablaban;
• y debían completar una etapa antes de iniciar la siguiente.

En una conversación humana ocurre exactamente lo contrario.

Las personas:

• escuchan mientras hablan;
• perciben matices;
• responden con expresiones breves;
• saben cuándo esperar;
• pueden interrumpirse naturalmente;
• e interpretan el ritmo de la conversación.

GPT-Live intenta aproximarse a ese comportamiento.

La arquitectura full-duplex

El cambio tecnológico más importante consiste en abandonar el modelo tradicional de intercambio por turnos.

OpenAI explica:

“GPT-Live is built on a full-duplex architecture, meaning it can listen and speak at the same time.”

Traducción:

“GPT-Live está construido sobre una arquitectura full-duplex, lo que significa que puede escuchar y hablar al mismo tiempo.”

La expresión full-duplex proviene del ámbito de las telecomunicaciones.

Describe sistemas capaces de transmitir y recibir información simultáneamente.

Aplicada a la inteligencia artificial, esta arquitectura permite que el modelo:

• continúe escuchando mientras responde;
• detecte interrupciones naturales;
• reaccione inmediatamente;
• decida si debe seguir hablando;
• guardar silencio;
• continuar escuchando;
• pausar;
• o utilizar herramientas externas.

OpenAI señala que el modelo puede tomar esas decisiones muchas veces por segundo, en lugar de esperar al final de cada intervención.

Conversación continua

OpenAI describe el nuevo enfoque como continuous interaction.

La diferencia es profunda.

En lugar de procesar una secuencia de mensajes independientes, GPT-Live mantiene un flujo permanente de información.

La compañía explica:

“Instead of processing a sequence of separate messages, GPT-Live continuously processes input while generating output.”

Traducción:

“En lugar de procesar una secuencia de mensajes separados, GPT-Live procesa continuamente la información de entrada mientras genera la salida.”

Esta modificación permite:

• conversaciones más naturales;
• menor latencia;
• interrupciones fluidas;
• pausas espontáneas;
• continuidad temporal;
• y traducción simultánea.

Un modelo que decide cuándo hablar

OpenAI sostiene que GPT-Live no responde automáticamente cada vez que detecta una pausa.

El sistema evalúa continuamente si conviene:

• responder;
• continuar escuchando;
• esperar;
• interrumpir;
• o utilizar una herramienta.

Ese comportamiento busca acercarse al modo en que dos personas administran el ritmo de una conversación.

El segundo gran cambio: separar conversación e inteligencia profunda

La innovación no se limita al audio.

OpenAI modificó también la arquitectura interna.

GPT-Live se ocupa exclusivamente de mantener la conversación en tiempo real.

Cuando el usuario formula una pregunta que requiere:

• búsqueda web;
• razonamiento complejo;
• planificación;
• o tareas más elaboradas,

el modelo delega automáticamente esa actividad a otro sistema.

La empresa explica:

“When a question requires search, reasoning, or more agentic capabilities, GPT-Live can delegate the task to another model like GPT-5.5.”

Traducción:

“Cuando una pregunta requiere búsqueda, razonamiento o capacidades más avanzadas propias de un agente, GPT-Live puede delegar la tarea a otro modelo, como GPT-5.5.”

Mientras tanto, la conversación continúa.

El usuario no necesita esperar en silencio.

Una conversación que no se detiene

Este diseño permite que el sistema siga interactuando mientras otro modelo procesa información en segundo plano.

OpenAI resume el objetivo de esta arquitectura:

“This allows it to keep the conversation going, even as it handles multiple tasks in the background.”

Traducción:

“Esto le permite mantener la conversación mientras gestiona múltiples tareas en segundo plano.”

Desde la perspectiva del usuario, el diálogo deja de interrumpirse cada vez que el sistema necesita pensar durante más tiempo.

GPT-5.5 trabaja detrás de escena

Al momento del lanzamiento, OpenAI informó que GPT-Live utilizará GPT-5.5 como modelo de razonamiento de fondo.

La empresa también anunció que, a medida que publique nuevos modelos de frontera (frontier models), GPT-Live podrá utilizarlos automáticamente sin modificar la experiencia conversacional.

Una experiencia más cercana a una conversación humana

OpenAI afirma que GPT-Live puede demostrar que continúa escuchando mediante expresiones breves como:

• “mhmm”;
• “yeah”;
• o permanecer en silencio cuando el usuario necesita pensar.

No se trata únicamente de agregar sonidos conversacionales.

La finalidad es comunicar atención y continuidad sin interrumpir el intercambio.

La compañía sostiene:

“Talking with ChatGPT should now feel much more like a real conversation.”

Traducción:

“Hablar con ChatGPT debería sentirse ahora mucho más parecido a una conversación real.”

Evaluaciones internas

OpenAI informa haber desarrollado nuevas evaluaciones humanas para medir aspectos como:

• fluidez;
• interrupciones;
• naturalidad;
• toma de turnos;
• preferencia general;
• y calidad conversacional.

Según la empresa, GPT-Live-1 y GPT-Live-1 mini fueron preferidos frente al anterior Advanced Voice Mode en conversaciones comparables de entre cinco y diez minutos. Asimismo, reporta mejoras en pruebas internas relacionadas con razonamiento científico (GPQA), búsqueda compleja en la web (BrowseComp) y tareas conversacionales del ámbito de telecomunicaciones. Estas evaluaciones corresponden a resultados comunicados por OpenAI y no constituyen verificaciones independientes.

Disponibilidad

OpenAI anunció el lanzamiento de dos versiones:

• GPT-Live-1
• GPT-Live-1 mini

La distribución comenzó el 8 de julio de 2026 para usuarios de ChatGPT en iOS, Android y ChatGPT.com.

GPT-Live-1 pasa a ser el modelo de voz predeterminado para los planes Go, Plus y Pro, mientras que GPT-Live-1 mini se utiliza como modelo predeterminado para usuarios del plan gratuito. En el lanzamiento no estaba disponible con video ni con uso compartido de pantalla, funcionalidades que OpenAI indicó que incorporará posteriormente.

GPT-Live representa uno de los cambios arquitectónicos más importantes desde la incorporación de la voz a ChatGPT.

La innovación no consiste únicamente en responder más rápido.

OpenAI propone un modelo que mantiene conversaciones continuas, escucha mientras habla, delega tareas complejas a otros modelos y busca reproducir la dinámica natural de un diálogo humano.

Si esta arquitectura confirma en la práctica los resultados anunciados por la compañía, la interacción por voz podría dejar de ser un complemento para convertirse en una de las principales interfaces entre las personas y la inteligencia artificial.

Fuentes primarias

• OpenAI, “Introducing GPT-Live”, publicado el 8 de julio de 2026.
• OpenAI Help Center, ChatGPT Release Notes, actualización del 8 de julio de 2026. ElNotariado.com utiliza herramientas de inteligencia artificial como apoyo para la investigación, organización documental, traducción y producción de contenidos. Todos los informes son objeto de revisión editorial antes de su publicación. Radio Nodo IA podrá utilizar voces sintéticas generadas mediante inteligencia artificial en sus emisiones.