Perplexity pone GPT-Live-1 detrás de su modo de voz: qué cambia realmente el cambio en Mac y Web

El modo de voz de Perplexity en la app para Mac y en la web ahora funciona con GPT-Live-1, el modelo de voz dúplex completo de OpenAI, y la capacidad asociada a ese cambio es la parte que vale la pena leer dos veces: una sola sesión hablada puede controlar varias sesiones de Perplexity Computer a la vez, iniciar nuevas tareas a mitad de frase y crear o gestionar Projects sin tocar un teclado. El anuncio se publicó desde la cuenta @AskPerplexity de Perplexity el 28 de octubre de 2026 y se aplicaba a los suscriptores de pago Pro y Max en ambas plataformas.

Eso es un evento de distribución, no un lanzamiento de modelo. GPT-Live-1 está disponible de forma general desde que OpenAI lo puso en la API el 10 de septiembre de 2026, a 0,05 dólares por minuto de voz, y ha estado en ChatGPT Voice desde el 8 de julio. Lo que cambió esta semana es quién lo está alquilando y hacia qué lo están orientando.

¿Por qué merece un titular un cambio de modelo de voz?

Las interfaces de voz solían montarse dentro de cada empresa. Se compraba la transcripción, se llamaba al propio modelo de lenguaje y se compraba la síntesis, y luego la parte difícil de la construcción se dedicaba a la detección de turno: la regla que decide cuándo el usuario ha terminado de hablar. Esa regla es donde mueren la mayoría de los productos de voz: demasiado impaciente y el agente habla por encima de la gente; demasiado lenta y cada llamada se siente como una mala línea internacional.

GPT-Live-1 elimina esa costura. Es un único modelo que escucha mientras genera, decide muchas veces por segundo si hablar o esperar, y delega el razonamiento pesado a un modelo de texto en segundo plano sin pausar el audio. Perplexity no tuvo que construir una política de interrupción para que funcionara el control de múltiples sesiones; la heredó.

La consecuencia práctica para los lectores que construyen sus propios productos de voz es contundente: la capa de alternancia de turnos que ibas a escribir ahora es algo que alquilas. Que eso sea más barato depende enteramente de cuántos minutos tu agente pasa escuchando en lugar de hablar —una cuestión sobre la que vale la pena hacer números antes de comprometerte, porque el medidor corre durante toda la sesión, incluido el silencio.

La parte de Computer es el verdadero cambio de producto.

Los cambios de modelo son invisibles para los usuarios. El control multisesión de Computer no lo es. Hasta esta actualización, Perplexity Computer era un único bucle de agente que supervisabas en pantalla. La nueva capa de voz te permite mantener una conversación mientras se ejecutan varias sesiones en segundo plano, iniciar una nueva diciéndolo y gestionar Proyectos por nombre. Eso se acerca más a un despachador que a un chatbot, y es la primera interfaz de voz para consumidores que hemos visto que trata las sesiones de agentes en paralelo como la norma y no como la excepción.

Tres detalles están haciendo el trabajo aquí:

• Una sesión, muchos trabajadores — un turno de voz puede dirigirse a más de una sesión de Computer sin terminar la actual.

• Creación de tareas por voz — se puede encolar nuevo trabajo en mitad de la conversación en lugar de después.

• Gestión de proyectos por nombre — Los proyectos se convierten en objetos que puedes crear y renombrar en voz alta, lo que significa que la capa de voz necesita resolver referencias, no solo transcribir.

Nada de eso requiere, en teoría, un modelo full-duplex. Todo es mucho más fácil con uno, porque el agente puede acusar recibo de una solicitud con un «mhmm» mientras empieza el trabajo real, en lugar de quedarse en silencio durante ocho segundos y esperar que el usuario aguante.

Perplexity lo llamó v1. Desde entonces, OpenAI ha lanzado v1.1.

El detalle clave del anuncio es la cadena de versión. Perplexity afirma que su modo de voz funciona con GPT-Live-1. En ChatGPT Voice, OpenAI comenzó a implementar GPT-Live-1.1 el 15 de octubre de 2026, dos semanas antes de este cambio. Perplexity no ha dicho si evaluó la 1.1, si está fijada deliberadamente a la v1 por estabilidad o si hay una actualización programada.

Interprétalo como ingeniería normal y no como un escándalo. A una plataforma que integra un modelo de voz en una aplicación de consumo le importa mucho más una instantánea congelada con latencia predecible que el checkpoint más reciente, y OpenAI no ha publicado una guía de migración que haga que 1.1 sea de sustitución directa. Pero sí significa que el modelo que está hoy en la aplicación de Perplexity no es el modelo que está hoy en ChatGPT, y cualquier comparación entre las dos experiencias de voz está midiendo pesos diferentes.

La economía de la que Perplexity no ha hablado

La documentación propia de OpenAI indica un único precio para este modelo: $0.05 por minuto de voz, facturado por segundo y sin redondear hacia arriba, con un cargo de inicialización de sesión de 15 segundos que se compensa con la duración posterior. El razonamiento, las herramientas y la búsqueda web se ejecutan en un modelo de texto aparte y se facturan por separado. Perplexity vende una suscripción de tarifa plana.

Esos dos modelos de facturación no encajan de forma natural. Un suscriptor de Max que usa la voz durante dos horas a la semana —una cantidad no inusual para alguien que acaba de obtener control manos libres de varias sesiones de agente— consume aproximadamente 520 minutos al mes. A precio de lista, eso supone unos $26 solo en voz, antes de las llamadas de razonamiento detrás de cada tarea de Computer. Un suscriptor que deja una sesión abierta mientras piensa, o que la mantiene en funcionamiento como control ambiental, cuesta más, porque el silencio se factura a la misma tarifa que el habla.

Toda plataforma que revende un modelo de voz medido por uso bajo un plan de tarifa plana está haciendo esta apuesta, y la apuesta suele ser acertada en el lanzamiento: la mayoría de los suscriptores usan mucho menos que la cola pesada. El número interesante que hay que observar no es el promedio, sino el percentil 95, y ninguna de las dos empresas lo publica.

En el caso de OpenAI, la cifra por hora que importa para la planificación de capacidad es el costo del audio de entrada, no el tiempo de conversación. Artificial Analysis midió GPT-Live-1 a $5.83 por hora de audio de entrada en su configuración de razonamiento alto y a $4.47 en la baja, usando un conjunto fijo de 40 preguntas para benchmarking — un recordatorio útil de que la cifra destacada de $0.05 cubre solo la voz.

¿Qué tan bueno es el modelo que Perplexity acaba de adoptar?

En el Índice de Voz a Voz de Artificial Analysis, ejecutado de forma independiente, GPT-Live-1 obtiene 83,2 en su configuración Astra-medium, segundo de 21 modelos puntuados por detrás de Grok Voice 3.0 con 86,9, y 80,1 en su configuración Sol-low, en quinto lugar. En la Speech Agent Arena del mismo laboratorio —preferencia a ciegas sobre conversaciones reales tipo reserva—, las dos configuraciones se sitúan en 1037 y 1041 Elo, con tasas de éxito en tareas del 87,4% y 90,9%.

La cadena de configuración no es un adorno. GPT-Live-1 no razona internamente; delega en un backend concreto, y el backend que elijas cambia tanto la puntuación como la factura. Perplexity no ha revelado qué backend combina con la capa de voz, así que su calidad efectiva se desconoce desde fuera aunque su modelo de voz ahora sea de conocimiento público.

La pregunta sobre enrutamiento que nadie hizo

Este es el punto estructural que hace visible este anuncio. El componente de voz de Perplexity ahora está alquilado de OpenAI y no puede sustituirse — GPT-Live-1 expone exactamente un endpoint, v1/live/sessions, y explícitamente no es un sustituto directo de la Realtime API. Ese componente está bloqueado. El componente de razonamiento que hay detrás no lo está.

Es ahí donde un router se gana su lugar: el modelo de texto que hace el razonamiento de cada tarea de Computer puede intercambiarse, conmutarse por error o dividirse según el tipo de tarea sin tocar la capa de voz. En OrcaRouter, la misma clave llega a GPT-6 Astra, GPT-5.6 Terra y GPT-5.6 Sol — los niveles que OpenAI usa como objetivos de delegación — junto con modelos Claude, Gemini, Qwen y GLM, con precios de lista de los proveedores repercutidos con 0% de margen y conmutación automática por error cuando un backend se degrada. Cuando un proveedor baja un precio, el segmento enrutado lo refleja el mismo día.

Para ser precisos sobre lo que no hacemos: OrcaRouter no ofrece GPT-Live-1. El tramo de voz permanece en la API de OpenAI. Lo que enrutamos es todo lo que está aguas abajo de esta, que es donde realmente reside la variabilidad de costes y confiabilidad de un agente de voz.

Qué ver a continuación

Tres cosas cambiarían esta historia. Si Perplexity pasa a GPT-Live-1.1, la nota de versión anterior deja de importar y la calidad de voz de la aplicación debería mejorar con lo que sea que 1.1 haya cambiado. Si OpenAI publica controles de coste por sesión —un límite máximo, un tiempo de espera por silencio, una tarifa más barata por inactividad—, los cálculos de la suscripción de tarifa plana se vuelven más sencillos para cada revendedor. Y si un modelo dúplex completo rival aparece en un índice comparable, la dependencia de un único proveedor en esta integración se convierte en una opción en lugar de una configuración predeterminada.

Para los desarrolladores, la conclusión práctica es más acotada. Si estás construyendo una interfaz de voz con muchas interrupciones —recepción, reservas, despacho, cualquier cosa en la que el usuario hable más que el agente—, un modelo full-duplex es ahora la opción predeterminada sensata, y la facturación por minuto es el precio que hay que pagar por ello. Si estás construyendo narración, lectura en voz alta o cualquier cosa que genere audio a partir de texto bajo demanda, este modelo está tarifado y diseñado para otro tipo de tarea, y la comparativa de TTS es un artículo completamente distinto.