OpenAI anunciou GPT‑Live, uma nova geração de modelos de voz construídos em arquitetura full-duplex que habilita escuta e fala simultânea. Ao contrário de abordagens em cascata anteriores (transcrever→gerar→sintetizar) ou modelos baseados em turnos que esperam silêncio, GPT‑Live toma decisões de interação muitas vezes por segundo: se falar, pausar, continuar ouvindo ou invocar ferramentas. O modelo pode produzir sinais de backchannel ('mhmm', 'yeah') e se envolver em fluxo conversacional natural em vez de trocas rígidas de back-and-forth.
GPT‑Live inclui mecanismo de delegação para tarefas complexas: quando uma pergunta requer busca na web, raciocínio mais profundo ou trabalho agentico, GPT‑Live delega para modelos de fronteira (inicialmente GPT‑5.5 Instant) enquanto mantém o fluxo de conversação. Esse desacoplamento permite que a camada de interação de voz permaneça responsiva enquanto modelos de background lidam com tarefas computacionalmente intensivas. Duas versões lançadas: GPT‑Live‑1 e GPT‑Live‑1 mini. OpenAI planeja trazê-los para a API em breve para desenvolvedores e empresas. Os modelos estão sendo implantados em ChatGPT Voice globalmente.
Avaliações humanas mostram que GPT‑Live‑1 é fortemente preferido sobre ChatGPT Advanced Voice Mode em agradabilidade conversacional, tom-taking, manejo de interrupção e naturalidade. Em GPQA (raciocínio científicio em nível de especialista), GPT‑Live‑1 supera substancialmente Advanced Voice Mode. Em BrowseComp (busca na web agentica), GPT‑Live‑1 mostra ganhos fortes. A mudança aborda limitações arquiteturais de gerações anteriores: modelos em cascata perderam informação entre handoffs e se sentiram lentos; modelos baseados em turnos exigiam detecção de silêncio e se sentiam rígidos.
Para arquitetos construindo agentes nativos de voz e sistemas multimodais, GPT‑Live sinaliza mudança de OpenAI em direção a interações de voz contínuas e com estado que podem manter contexto entre múltiplas tarefas background assíncronas. O padrão full-duplex + delegação é arquitetonicamente significativo: separa a camada de interação (voz baixa-latência) da camada de raciocínio (modelos e ferramentas latência mais alta), habilitando responsividade em tempo real mesmo quando o backend está ocupado. Esse design espelha padrões agenticos onde agentes precisam mostrar atividade ('pensando em voz alta') enquanto executam ferramentas em paralelo.