¿Qué es GPT-Live-1 (and GPT-Realtime-2.1)?
GPT-Live-1 es el modelo de voz de OpenAI para conversación en directo, el modelo por defecto de ChatGPT Voice desde julio de 2026 y disponible en la API desde el 10 de septiembre. Se encarga de escuchar, hablar y gestionar los turnos en un solo modelo, y es full-duplex: sigue escuchando mientras habla, así que quien llama puede interrumpir con naturalidad. No razona por sí mismo. Se le conecta un modelo de texto, como GPT-6 Astra, GPT-6 Luna o un modelo de terceros, que se ocupa del razonamiento y de las llamadas a herramientas mientras la voz mantiene la conversación.
Incluye 12 voces, sesgo por palabras clave y un mejor reconocimiento de números de pedido y códigos postales, y admite llamadas telefónicas. Solo acepta audio y texto, sin entrada de imágenes, a través del endpoint v1/live/sessions.
Cuesta 0,05 $ por minuto de sesión, facturado por segundo, más los tokens del modelo de texto conectado. La alternativa por turnos de OpenAI, GPT-Realtime-2.1, se cobra por token: 32 $ por millón de tokens de entrada de audio y 64 $ de salida, con una versión mini más barata a 10 $ y 20 $, y acepta imágenes. GPT-Realtime-Translate, un traductor de voz en directo, cuesta 0,034 $ el minuto.
¿Cuánto cuesta GPT-Live-1 (and GPT-Realtime-2.1)?
| Plan | Precio | Qué incluye |
|---|---|---|
| GPT-Live-1 | $0.05 per session minute | Más el uso del modelo de backend y de las herramientas |
| GPT-Realtime-2.1 | $32 in / $64 out per 1M audio tokens | Entrada en caché 0,40 $; acepta imágenes |
| GPT-Realtime-2.1 mini | $10 in / $20 out per 1M audio tokens | |
| GPT-Realtime-Translate | $0.034 a minute | Traducción de voz a voz |
GPT-Live-1 0,05 $ por minuto de sesión, facturado por segundo, más los tokens del modelo de backend. GPT-Realtime-2.1 audio 32 $ de entrada / 64 $ de salida por 1 M de tokens (0,40 $ en caché); mini 10 $ / 20 $. GPT-Realtime-Translate 0,034 $ el minuto.
¿Merece la pena GPT-Live-1 (and GPT-Realtime-2.1)?
La mejora de GPT-Live-1 es conversacional, no intelectual. Como escucha mientras habla, gestiona las pausas, las interrupciones y el habla superpuesta que hacen que los agentes de voz por turnos suenen robóticos. OpenAI informa de una mejora de 30 puntos en Full Duplex Bench frente a GPT-Realtime-2.1, aunque solo publicó la diferencia, y Speak, un cliente, informa de un 80 % menos de interrupciones. Son cifras de OpenAI y de sus clientes.
El diseño separa la voz del razonamiento. La capa de voz cuesta una tarifa fija de 0,05 $ el minuto, 3 $ la hora, y tú eliges el modelo de texto que hay detrás: uno barato para avisos de pedidos, GPT-6 Astra para reclamaciones complicadas. Es flexible, pero significa que el precio por minuto es solo parte del coste. El mejor resultado de OpenAI en el benchmark de agentes Tau3 se obtiene combinándolo con Astra en esfuerzo medio, su modelo más caro.
GPT-Realtime-2.1 sigue siendo la opción cuando el agente necesita ver imágenes, algo que GPT-Live-1 eliminó. Cuesta aproximadamente entre 0,05 $ y 0,11 $ el minuto en un uso típico, y su versión mini unos 0,016 $. GPT-Realtime-Translate, a 0,034 $ el minuto, traduce la voz de más de 70 idiomas de entrada a 13 idiomas de salida a medida que llega.
Las carencias son las cifras de latencia, que OpenAI no ha publicado, y la entrada de imágenes. GPT-Live-1.1 ya se está desplegando en ChatGPT y figura como próximo en la API.
Dónde se gana su sitio
Un minorista con líneas telefónicas de atención al cliente
Atender llamadas sobre pedidos y entregas sin interrupciones incómodas
Combina GPT-Live-1 con GPT-6 Luna para las llamadas rutinarias. 1.000 horas de llamadas cuestan 3.000 $ en la capa de voz, más los tokens de Luna; deriva los casos escalados a Astra.
Un equipo cuyo agente necesita ver lo que envía quien llama
Comentar una foto o una captura de pantalla durante una llamada
Usa GPT-Realtime-2.1, que acepta imágenes, a unos 0,05 $ a 0,11 $ el minuto; o la versión mini, a unos 0,016 $, para llamadas más sencillas.
Una empresa que organiza eventos o da soporte en varios idiomas
Traducir voz en directo entre idiomas
GPT-Realtime-Translate transmite audio traducido y transcripciones de más de 70 idiomas de entrada a 13 idiomas de salida a 0,034 $ el minuto.
Antes de decidirte
- Puesta en marcha
- Crea una sesión en v1/live/sessions con gpt-live-1, elige una voz y conecta un modelo de texto de backend para el razonamiento y las herramientas; GPT-Realtime-2.1 usa en su lugar la Realtime API.
- Integraciones
- APIs Realtime y Live de OpenAI, function calling, soporte de telefonía; cualquier modelo de texto de OpenAI o de terceros como backend. GPT-Live-1 es el ChatGPT Voice por defecto en Go, Plus y Pro.
- Datos y privacidad
- OpenAI no entrena con datos de la API salvo que lo autorices; los registros de control de abusos se guardan hasta 30 días. Los endpoints con residencia de datos cuestan un 10 % más en los modelos publicados después de marzo de 2026.
- Coste a escala
- Capa de voz: 3.000 $ por cada 1.000 horas de llamadas, sin contar los tokens del modelo de backend. GPT-Realtime-2.1 sale por unos 3 $ a 6,60 $ la hora en un uso típico; su versión mini, por aproximadamente 1 $.
- Límites
- Solo audio y texto; 12 voces, voces personalizadas a través de ventas. 25 sesiones simultáneas en Tier 1, 500 en Tier 5. Fecha de corte de conocimiento: 31 de julio de 2025. GPT-Realtime y GPT-Realtime-mini se retiran el 20 de enero de 2027.
Lo bueno
- Full-duplex: escucha mientras habla, así que las interrupciones funcionan con naturalidad
- Tarifa fija de 0,05 $ el minuto para la capa de voz
- Cualquier modelo de texto puede encargarse del razonamiento y las herramientas por detrás
- Hasta 500 sesiones simultáneas en Tier 5
Lo malo
- Sin entrada de imágenes, a diferencia de GPT-Realtime-2.1
- Sin cifras de latencia publicadas
- El coste total depende del modelo de backend que conectes
- No disponible en el nivel gratuito de la API
Ideal para
Equipos que construyen agentes telefónicos de soporte o ventas de gran volumen y quieren turnos naturales y libertad para elegir el modelo de razonamiento.
Alternativas a GPT-Live-1 (and GPT-Realtime-2.1)
GPT-Live-1 (and GPT-Realtime-2.1): preguntas frecuentes
- ¿Merece la pena GPT-Live-1 (and GPT-Realtime-2.1)?
- La forma más natural de OpenAI de construir un agente telefónico, con las interrupciones bien resueltas; la factura es más sencilla por minuto, pero no necesariamente menor. Le damos un 4.3 sobre 5.
- ¿Cuánto cuesta GPT-Live-1 (and GPT-Realtime-2.1)?
- GPT-Live-1 0,05 $ por minuto de sesión, facturado por segundo, más los tokens del modelo de backend. GPT-Realtime-2.1 audio 32 $ de entrada / 64 $ de salida por 1 M de tokens (0,40 $ en caché); mini 10 $ / 20 $. GPT-Realtime-Translate 0,034 $ el minuto.
- ¿Qué inconvenientes tiene GPT-Live-1 (and GPT-Realtime-2.1)?
- Sin entrada de imágenes, a diferencia de GPT-Realtime-2.1; sin cifras de latencia publicadas; el coste total depende del modelo de backend que conectes; no disponible en el nivel gratuito de la API.
- ¿Para quién es GPT-Live-1 (and GPT-Realtime-2.1)?
- Equipos que construyen agentes telefónicos de soporte o ventas de gran volumen y quieren turnos naturales y libertad para elegir el modelo de razonamiento.
- ¿Cuánto cuesta GPT-Live-1 (and GPT-Realtime-2.1) para un equipo o en producción?
- Capa de voz: 3.000 $ por cada 1.000 horas de llamadas, sin contar los tokens del modelo de backend. GPT-Realtime-2.1 sale por unos 3 $ a 6,60 $ la hora en un uso típico; su versión mini, por aproximadamente 1 $.
- ¿Es GPT-Live-1 (and GPT-Realtime-2.1) seguro para los datos de la empresa?
- OpenAI no entrena con datos de la API salvo que lo autorices; los registros de control de abusos se guardan hasta 30 días. Los endpoints con residencia de datos cuestan un 10 % más en los modelos publicados después de marzo de 2026.
- ¿Cuáles son las mejores alternativas a GPT-Live-1 (and GPT-Realtime-2.1)?
- Las alternativas más cercanas que hemos analizado son Eleven v4 and v4 Turbo, Voxtral 3 (Transcribe and TTS), Gemini 3.8 Flash TTS y Cartesia Sonic 3.6.
Respuestas comprobadas el 25 oct 2026.