Dos semanas después de estrenar su modelo de IA de audio GPT-Live más naturalista Con capacidades full-duplex (escuchar y hablar al mismo tiempo), OpenAI las incorpora directamente a los flujos de trabajo de los desarrolladores.
La empresa anunció que GPT-Live ahora impulsa la aplicación de escritorio ChatGPT en macOS y Windows, integrándose directamente con sistemas agentes como Codex y ChatGPT Work (que son experiencias independientes disponibles en la aplicación de escritorio ChatGPT).
Cuando OpenAI lanzó inicialmente GPT-Live el 8 de julio de 2026, introdujo un modelo de audio continuo capaz de escuchar y hablar simultáneamente, eliminando la rigidez de los turnos y delegando razonamientos complejos a modelos en segundo plano como GPT-5.5.
El lanzamiento de hoy amplía esa capa conversacional a tareas técnicas, lo que permite a los ingenieros de software organizar trabajos de codificación de subprocesos múltiples, revisar solicitudes de extracción y depurar aplicaciones mediante comandos de voz naturales.
Como tal, podría marcar el comienzo de una nueva era de desarrollo de software «manos libres» e incluso fiestas grupales de codificación en vivo y en persona para los más de 10 millones de usuarios activos semanales en todo el Codex y Trabajo de ChatGPT. Codex, por supuesto, es el nombre que reciben los modelos y arnés de OpenAI centrados en la codificación, pero que la compañía ha ampliado este año a una versión más plataforma de productividad general. Un portavoz de OpenAI le dijo a VentureBeat que esta es la primera vez que se activa por voz.
OpenAI publicó un vídeo promocional mostrando a algunos de sus empleados, el ingeniero de experiencia de desarrollador de Codex Jason Liu y el miembro del personal técnico de Codex Guinness Chen, hablando en la misma sesión de la aplicación de escritorio ChatGPT en la misma sala, cada uno dando diferentes instrucciones y conversando con el mismo modelo.
Nuevas capacidades desbloqueadas
En esencia, esta integración se basa en desacoplar la capa de voz en tiempo real de los motores de ejecución subyacentes.
Si bien GPT-Live mantiene una conversación fluida (insertando reconocimientos verbales naturales como «lo tengo» sin interrumpir al usuario), pasa pesadas cargas de trabajo computacional a modelos de razonamiento en segundo plano.
En macOS, la aplicación de escritorio incorpora «Appshots» y funciones de contexto de pantalla, lo que permite a ChatGPT Voice analizar la ventana frontal junto con archivos locales, estructuras de código base y complementos activos.
Esta arquitectura crea una dinámica de programación en pareja en la que los desarrolladores hablan de los problemas de forma conversacional mientras los agentes ejecutan tareas de forma asincrónica.
En lugar de detener manualmente las sesiones de codificación para escribir instrucciones detalladas o cambiar de ventana, los desarrolladores dirigen el sistema con manos libres.
El motor full-duplex decide dinámicamente cuándo hablar, pausar o invocar herramientas, manteniendo el estado de conversación incluso cuando los agentes en segundo plano procesan modificaciones de código complejas.
Dirigir codificación y compilaciones complejas solo con tu voz
La capacidad operativa central de esta actualización se centra en la ejecución de múltiples tareas en los entornos de trabajo Codex y ChatGPT.
Los ingenieros de software pueden iniciar múltiples subprocesos de tareas simultáneas desde un único mensaje hablado. Por ejemplo, un desarrollador que se prepara para lanzar una función puede indicarle al sistema que investigue un error de autenticación abierto, revise una solicitud de extracción de migración de API pendiente y genere pruebas unitarias faltantes simultáneamente.
La aplicación de escritorio coordina estas acciones en contextos dispares, rastreando problemas a través de conversaciones de Slack, repositorios de GitHub y bases de código locales.
Los desarrolladores también pueden convertir verbalmente maquetas de diseño en código de trabajo, dividiendo las tareas entre las capas de frontend, backend y prueba.
Con soporte para proyectos de múltiples carpetas (compilación 26.715) y ejecución remota a través de iOS, los ingenieros pueden verificar el progreso de las tareas, responder a las solicitudes de los agentes y redirigir los trabajos activos sin cambiar de aplicación ni administrar procesos individuales línea por línea.
licencia propietaria
La versión de escritorio habilitada por voz de OpenAI opera bajo un modelo empresarial comercial patentado. El acceso está restringido a suscriptores pagos en los planes Plus, Pro, Business, Enterprise y Education.
Para los desarrolladores individuales y los departamentos de ingeniería corporativos, esta estructura comercial significa que los pesos de los modelos, los canales de procesamiento de voz y las arquitecturas de estado de los agentes permanecen completamente cerrados.
Las organizaciones no pueden modificar ni alojar por sí mismas los sistemas subyacentes. Además, las tareas iniciadas a través de ChatGPT Voice consumen asignaciones de uso estándar directamente de las cuotas existentes del plan de trabajo Codex y ChatGPT, y tratan las acciones activadas por voz de manera idéntica a las cargas de trabajo agentes estándar.
Reacciones de la comunidad
Las comunidades de desarrolladores notaron de inmediato las implicaciones de llevar voz continua full-duplex a los flujos de trabajo de codificación autónomos.
En reacción al anuncio del lanzamiento de la compilación 26.715, que detalla la integración de voz y el soporte de proyectos de múltiples carpetas, periodista de AI Insider @ChrisGPT anotó en X: «¡Hoy OpenAI lanzará guía remota y por voz para el códice! Un paso más hacia el AGI personal».
Los primeros comentarios técnicos destacan el entusiasmo generalizado por orquestar tareas complejas de agente con manos libres, especialmente cuando se aleja de la estación de trabajo o se administran procesos de construcción de forma remota.
Suscríbete y recibe las historias más importantes del día.
Al suscribirte aceptas nuestros términos y condiciones y política de privacidad.
