
GPT-Live-1.1: agentes de voz más baratos para tu negocio
OpenAI liberó GPT-Live-1.1 en su API el 19 de noviembre de 2026. Es su modelo de voz «full-duplex»: escucha mientras habla y delega el trabajo en otro modelo. La voz de ChatGPT Plus y Pro desde el 15 de octubre se puede llevar a tu teléfono o app, a 0.05 USD por minuto activo. Para quien contesta llamadas, la conversación deja de ser un gasto fijo.

Hay dos cambios que importan. El precio: el modo «standby» cobra 0.02 USD por minuto en silencio, frente a 0.05 USD activo. La arquitectura: GPT-Live-1.1 atiende la voz y delega en un backend que tú eliges, donde viven tus herramientas y tu lógica.
Qué es GPT-Live-1.1
GPT-Live-1.1 es un modelo de voz full-duplex para conversaciones multilingües: sigue pausas, interrupciones y cambios de ritmo, y decide en el momento si responde o escucha. Acepta y devuelve audio y texto, con streaming y function calling delegado al backend. Usa el ID gpt-live-1.1 y el endpoint v1/live/sessions (Live API); no está en Chat Completions, Responses ni Realtime.
GPT-Live-1.1 y GPT-Live-1 tienen límites de sesiones simultáneas separados; confírmalo en tu cuenta antes de un piloto.
| Concepto | Detalle |
|---|---|
| Qué es | Voz full-duplex multilingüe; delega en un backend. |
| Fecha en la API | 19 nov 2026 (anuncio: 20 nov, 4:12 UTC). |
| ID del modelo | gpt-live-1.1. |
| Qué mejora | Acento, voz y transcripción más precisos entre idiomas; letras y números. |
| Precio activo | 0.05 USD/min. |
| Precio standby | 0.02 USD/min tras 5-60 s de silencio. |
| Cómo se conecta | WebRTC o WebSocket en v1/live/sessions. |
| Teléfono | SIP; llamadas salientes desde el 2 nov 2026. |
| Herramientas/backend | Delega; se cobra aparte. |
| Datos de entrenamiento | No se usan para entrenar por defecto. |
Qué cambia
Más natural en varios idiomas, con letras y números
Frente a GPT-Live-1, la versión 1.1 transcribe con más precisión y mantiene acento y voz más consistentes entre idiomas, según la documentación. También entiende letras y números, sigue instrucciones y completa tareas de forma más confiable.
En el hilo del anuncio, un usuario de la comunidad señala que la referencia de la API lista 38 voces, varias nuevas (como «calandria», «compas», «destello», «hornero» y «luciernaga»). La voz por defecto es «marin» y no se puede cambiar una vez iniciada la sesión.

Standby: pagas menos por los silencios
Standby es una configuración para GPT-Live-1 y GPT-Live-1.1. Defines un tiempo de inactividad de 5 a 60 segundos; tras ese silencio, el modelo se pausa mientras la llamada WebRTC sigue abierta. Cuando alguien vuelve a hablar, la conversación continúa. Cuesta 0.02 USD por minuto frente a 0.05 USD activo: 60% menos. Backend y herramientas se cobran aparte.
Voz al frente, cerebro atrás: delegación al backend
La arquitectura tiene dos capas. GPT-Live-1.1 se queda con la conversación: escucha, habla e interpreta el turno. Cuando la tarea pide razonamiento o herramientas, delega en un backend que tú eliges. Lo describes en lenguaje natural: «para consultar o mover citas, pasa la tarea al backend». La voz no resume ni reinterpreta la petición: la reenvía directo, y las salvaguardas del backend aplican.
Ahí entra tu lógica: n8n, tus APIs, tu CRM, tu agenda. El backend puede ser GPT-6.2 Sol para flujos del día a día o GPT-6.2 Astra para razonamiento y código exigente, como en la nota sobre GPT-6.2 Astra y Sol.
¿Cuánto cuesta una llamada?
Los precios son por duración de sesión: 0.05 USD por minuto activo y 0.02 USD en standby. Este es un cálculo aproximado propio, solo de minutos de voz:
| Escenario | Costo aproximado |
|---|---|
| 1 minuto activo | 0.05 USD |
| 5 minutos activos | 0.25 USD |
| 1 hora activa | 3.00 USD |
| 1 minuto en standby | 0.02 USD (60% menos) |
El total suma backend, herramientas y tu telefonía SIP: una llamada de cinco minutos no cuesta 0.25 USD «todo incluido», es eso de voz más el cerebro y la línea. Para comparar, la nota sobre cómo calcular costos de agentes conversacionales en n8n propone medir por tarea.
Cómo se conecta: WebRTC, WebSocket y teléfono por SIP
La Live API acepta dos caminos: WebSocket desde tu servidor en wss://api.openai.com/v1/live/sessions o WebRTC, que OpenAI recomienda, incluso servidor a servidor. La API key se queda en tu servidor; el audio del ejemplo va en PCM a 24 kHz.
Para teléfono, la vía es SIP: conectas GPT-Live a un número a través de tu proveedor. Desde el 2 de noviembre de 2026, las llamadas salientes por SIP están disponibles para todas las organizaciones en la Live API. La telefonía se paga aparte.
Seguridad y límites: qué no hace el modelo de voz
Tres límites antes de diseñar:
- GPT-Live-1.1 no llama herramientas por sí mismo: reenvía la petición al backend sin resumirla ni reinterpretarla, y las salvaguardas del backend aplican.
- OpenAI tiene monitores automáticos que pueden interrumpir y terminar la llamada si detectan conversaciones potencialmente dañinas.
- Por defecto, OpenAI no usa entradas ni salidas de clientes de la API para entrenar, salvo que el cliente lo active.
Si el agente solo consulta horarios, no le des permiso de borrar citas.
El modelo puede escuchar mientras habla y delegar flujos complejos al backend que elijas sin romper el ritmo de la conversación. La voz se queda en la conversación; el razonamiento y las herramientas, en el backend.
OpenAI, anuncio de GPT-Live-1.1 en la API
Qué significa para tu negocio: casos y arquitectura con n8n
Cuatro llamadas que ya ocurren a diario:
- Recepción telefónica: responder horarios, ubicación y preguntas frecuentes, y pasar a una persona si hace falta.
- Agendar citas: confirmar nombre, fecha y servicio antes de escribir en la agenda.
- Seguimiento de prospectos: llamar, calificar y registrar la siguiente acción.
- Soporte de primer nivel: resolver lo repetible y escalar con contexto.
En varios idiomas, con la misma voz y guion; prueba cada idioma con hablantes reales antes de producción.
La arquitectura «voz al frente, cerebro atrás» encaja con n8n. GPT-Live atiende el audio; el backend recibe la tarea y llama a tu CRM, agenda o API. Una forma concreta —sugerencia, no integración anunciada— es que el backend dispare un webhook o llame a la API de n8n. OpenAI no anunció integración nativa con n8n ni con WhatsApp: la conexión es por API, WebRTC, WebSocket o SIP.
Para montar el agente, el taller de agentes de voz con IA y n8n es el punto de partida. Para que el backend llame a tus sistemas, el taller de APIs en n8n te enseña a conectar n8n con APIs externas. Si el mismo cerebro atiende texto, el taller de agente de WhatsApp desde cero muestra el otro canal.
Qué hacer mañana en tu negocio
- Elige UN tipo de llamada repetitiva (citas, horarios, estatus de pedido) para tu primer piloto.
- Escribe un guion corto y las reglas de cuándo delegar al backend.
- Conecta el backend a tus datos con permisos mínimos (por ejemplo, vía webhooks o APIs de n8n).
- Haz que el agente confirme datos clave (nombre, fecha, número) antes de actuar.
- Activa standby y mide minutos activos vs. en espera.
- Avisa al cliente que habla con un asistente de IA y ofrece pasar con una persona.
Conclusión
GPT-Live-1.1 no es solo una voz más bonita: cambia la economía de la llamada. La conversación baja a 0.05 USD por minuto activo, los silencios a 0.02 y el trabajo se va al backend que controlas. La ventaja está en el guion, los permisos y la medición: empieza con una llamada.

Respuestas