GPT-Live-1.1 se lanzó el 15 de octubre: seis nuevos idiomas, dos nuevos modelos y un documento incómodo.

Lo menos interesante de GPT-Live-1.1 es aquello con lo que OpenAI encabezó el anuncio. La publicación en X del 15 de octubre de 2026 anunció "nuevas voces, mejores acentos y menos 'checking...'" — tres afirmaciones sobre cómo suena un modelo de voz. Lo verdaderamente interesante está en el artefacto complementario que casi nadie lee el día del lanzamiento: la tarjeta de sistema de GPT-Live-1.1, publicada ese mismo día, que nombra un modelo sucesor para el nivel mini (GPT-Live-1.1 Quip), reasigna qué modelo reciben por defecto los distintos niveles de ChatGPT e informa de regresiones pequeñas pero estadísticamente significativas frente a GPT-Live-1 en una clase específica de evaluaciones.

Eso es mucha estructura escondida detrás de una publicación sobre acentos.

Qué se envió y a quién

El despliegue es, en primer lugar, un cambio en la superficie orientada al consumidor. GPT-Live-1.1 y GPT-Live-1.1 Quip se están desplegando en ChatGPT Voice para todos los usuarios a partir del 15 de octubre de 2026. Las notas de la versión y la página de ayuda de voz coinciden en cómo está planteado: trece nuevas opciones de voz, dos para cada uno de estos idiomas —francés, alemán, hindi, japonés, coreano y español mexicano—, además de Bubbie en inglés. Live también escoge entre una gama más amplia de frases cortas para indicar que está buscando, que es la corrección detrás del «menos comprobaciones…» del anuncio. La página de ayuda añade la advertencia que importa para el soporte: las voces que ves pueden variar según la región y la cuenta, y las eliges en Configuración → Voz, luego Voz.

La API explícitamente no forma parte de esto. El anuncio dice «próximamente en la API», y la documentación lo respalda: la página de modelos enumera gpt-live-1 y gpt-live-transcribe y nada más en la familia Live, y gpt-live-1.1 da un 404. No hay ID de modelo, ni precio, ni límite de velocidad. Cualquiera que te diga cuánto cuesta GPT-Live-1.1 por minuto está citando la cifra de $0.05 por minuto de voz de GPT-Live-1 y esperando que no lo compruebes.

La parte que importa para cualquiera que esté construyendo algo: la división por niveles

La tarjeta del sistema presenta la arquitectura con claridad. GPT-Live-1.1 es el sucesor de GPT-Live-1. GPT-Live-1.1 Quip es el sucesor de GPT-Live-1 mini. Y la asignación predeterminada ha cambiado: GPT-Live-1.1 es el modelo de voz predeterminado para los usuarios de Plus y niveles superiores —incluidos Codex y Dots—, mientras que GPT-Live-1.1 Quip es el predeterminado para todos los demás.

Vuelve a leer eso, porque significa que el producto que la mayoría de la gente experimentará no es el modelo que aparece en el titular. Los usuarios de nivel gratuito y de niveles inferiores reciben Quip. Si estás evaluando "GPT-Live-1.1" desde una cuenta gratuita, estás evaluando un modelo distinto del que evalúa un usuario Plus, y la tarjeta del sistema los trata como sistemas evaluados separados en todo momento.

La tarjeta también reitera el hecho estructural que da forma a toda esta familia: GPT-Live es un sistema de dos modelos, y los autores plantean la hipótesis de que los modelos GPT-Live "heredarían su comportamiento de alineación de sus modelos 'de pensamiento'" — los modelos de texto a los que delegan. Eso no es una nota al pie. Es la suposición fundamental que sustenta la evaluación de seguridad, y es la razón por la que la tarjeta compara los resultados con el modelo subyacente utilizado para esas evaluaciones, GPT-5.6 Terra.

Dónde la evidencia de la evaluación es sólida, y dónde no

El resultado de seguridad más destacado es genuinamente tranquilizador, y es limitado. En evaluaciones nativas de voz con prompts de producción —la distribución real del tráfico—, GPT-Live-1.1 y GPT-Live-1.1 Quip "rinden a la par de sus predecesores, sin regresiones estadísticamente significativas". Ese es el número que habla de lo que los usuarios encontrarán realmente.

En las evaluaciones con prompts sintéticos, el panorama es distinto, y la tarjeta lo dice directamente: ambos modelos muestran regresiones estadísticamente significativas en las categorías de contenido sexual, salud mental, dependencia emocional y gore en comparación con GPT-Live-1. También hay una ligera regresión en Respecting Warnings. En Blocker Deception, GPT-Live-1.1 rinde ligeramente mejor y Quip, ligeramente peor. En un escenario de herramienta de búsqueda averiada, GPT-Live-1.1 rinde ligeramente peor y Quip, ligeramente mejor.

La lectura honesta no es «los modelos se volvieron menos seguros». Es que los dos modos de evaluación no coinciden, y la ficha explica por qué los autores siguen considerando que el resultado del prompt de producción es el operativo: los prompts sintéticos sondean rincones que el tráfico de voz ordinario no alcanza. Pero este es exactamente el tipo de detalle que no sobrevive al viaje hacia la cobertura del lanzamiento, y conviene retenerlo: un salto de versión dentro de una familia de modelos no es automáticamente un evento neutro para la seguridad, y aquí la dirección del movimiento en las pruebas adversariales fue negativa.

En cuanto a los límites de capacidad, la ficha es inusualmente concreta. Ninguno de los dos modelos, al operar sin delegación, podría considerarse de manera plausible como Alto en ninguna de las Categorías Rastreadas del Preparedness Framework de OpenAI — y la razón que se da es arquitectónica, más que una cuestión de contención: estos modelos carecen de un acceso amplio a herramientas con independencia de los modelos a los que delegan, y no tienen capacidad de ejecución de código. El argumento de seguridad y el techo de capacidad son el mismo hecho expresado dos veces.

Lo que realmente aportan los seis idiomas

El planteamiento de OpenAI es que los acentos en idiomas distintos del inglés son más naturales. Detrás de esa afirmación no hay ningún benchmark público y reproducible —ninguna fila de índice, ninguna cifra de proveedor con un método adjunto—, solo la afirmación y, ahora, un conjunto de voces que puedes escuchar tú mismo.

Donde existe una medición independiente, esta corresponde al predecesor. En el Artificial Analysis Speech to Speech Index, GPT-Live-1 aparece dos veces —una con 83,2 con el backend Astra y esfuerzo de razonamiento medio, y otra con 80,1 con el backend Sol y esfuerzo bajo— frente a Gemini 3.8 Live Extended Thinking con 82,6 y Grok Voice 3.0 con 86,9. No hay una fila de GPT-Live-1.1 en esa tabla. El índice es un compuesto de razonamiento del habla, dinámicas conversacionales, rendimiento agéntico, preferencia de arena y éxito en tareas, y se revisa a medida que se añaden y se vuelven a evaluar modelos; las cifras anteriores provienen de una captura tomada el día después del lanzamiento.

Así que, por ahora, la afirmación sobre el acento es una afirmación del proveedor, y la única evidencia independiente disponible corresponde al modelo al que reemplaza. Eso no es una crítica — es simplemente el estado de la información en el día uno, y cambiará a medida que el consejo se ponga al día.

• Lo que está verificado — el despliegue, las trece nuevas opciones de voz, los valores predeterminados por nivel, los resultados de la evaluación de la tarjeta de sistema, la ausencia de un ID de modelo de API.

• Qué es solo lo reportado por el proveedor — mejores acentos, una delegación más natural y una gama más amplia de frases de señalización de búsqueda.

• Lo que aún no existe — cualquier fila de GPT-Live-1.1 en una clasificación independiente, cualquier precio por minuto, cualquier medición de latencia o coste por hora de terceros.

La capa que está debajo, y quién está expuesto a ella

Todo lo anterior describe un front-end de voz. El razonamiento en estas sesiones se ejecuta en un modelo de texto, y tanto la ficha técnica del sistema como la documentación de la API dejan claro que la capa de voz y la capa de razonamiento se miden por separado y son sustituibles por separado. La ficha nombra GPT-5.6 Terra como el modelo subyacente utilizado para sus evaluaciones. Esa es la capa donde reside la variabilidad de costes, donde se manifiestan las diferencias de calidad entre configuraciones y donde cambiar resulta económico porque no toca la integración de voz.

OrcaRouter ofrece más de 200 modelos detrás de una sola clave al precio de lista del proveedor y sin recargo, por lo que un cambio de precio del proveedor repercute en nuestro lado el mismo día en lugar de en la próxima renovación de contrato. Para ser totalmente precisos sobre lo que este artículo es y no es: no alojamos GPT-Live-1.1, GPT-Live-1.1 Quip ni GPT-Live-1 — esos endpoints de voz provienen de la propia API de OpenAI, y las versiones 1.1 todavía no están en ninguna API en absoluto. Los modelos de texto a los que estos sistemas delegan trabajo son otra historia, y ahí es donde la conmutación por error automática y el DSL de enrutamiento hacen algo real: puedes dirigir la delegación a un backend elegido, cambiarlo con tráfico en vivo y mantener una llamada activa cuando un proveedor da error.

Qué ver

Dos fechas importan más que el lanzamiento. La primera es cuando gpt-live-1.1 obtenga un ID de modelo y un precio — ese es el momento en que esto deja de ser una historia de consumo y comienza a ser una decisión de adquisición, y el número se comparará con los $0.05 por minuto de voz de GPT-Live-1 desde el momento en que aparezca. La segunda es la próxima revisión del Speech to Speech Index, porque es entonces cuando las afirmaciones sobre acentos y delegación o bien obtienen respaldo independiente, o no.

Hasta entonces, la postura útil es la aburrida: si tienes Plus o un plan superior, ya tienes el nuevo modelo y puedes juzgar los acentos por ti mismo; si tienes un nivel inferior, tienes Quip, y la diferencia entre ambos es el hecho del que menos se ha informado en este lanzamiento. Y si estás construyendo, nada de tu stack cambió el 15 de octubre de 2026 —lo cual es, en sí mismo, información.

Un resultado como este también sirve como recordatorio de que los errores de los modelos ya están documentados: los incidentes de IA y los fallos de agentes que hay detrás de los modelos de esta clase se recopilan en el Archivo de Incidentes de IA de OrcaRouter, donde cada entrada incluye sus propias fuentes, su gravedad, su grado de confianza y su indicador de disputa.