GPT-Live-1: a OpenAI aposenta o walkie-talkie e faz a voz ouvir e falar ao mesmo tempo

Toda conversa com uma máquina, até esta semana, funcionava como um walkie-talkie: você fala, solta o botão, a máquina responde. O botão era invisível — um detector de silêncio decidia quando seu turno acabou —, mas estava lá, e qualquer pausa para pensar era interpretada como convite para o assistente atropelar seu raciocínio. Com o GPT-Live-1 e o GPT-Live-1 mini, lançados pela OpenAI na quarta-feira, esse botão desaparece.

Os novos modelos são full-duplex — termo emprestado das telecomunicações para sistemas que transmitem e recebem simultaneamente. Na prática: o modelo processa o que você diz enquanto gera a própria fala, e toma decisões de interação várias vezes por segundo — falar, continuar ouvindo, pausar, interromper ou acionar uma ferramenta. É a diferença entre um interlocutor e uma secretária eletrônica sofisticada.

O que muda em relação ao Advanced Voice Mode?

O modo de voz anterior do ChatGPT, por mais fluido que soasse, operava em turnos discretos. A detecção de fim de fala era baseada em silêncio — uma pausa breve ou um ruído de fundo bastava para o modelo concluir que era a vez dele. Daí as interrupções em momentos errados, familiares a qualquer usuário.

O GPT-Live-1 escuta de forma contínua. Se você para no meio da frase para organizar uma ideia, ele espera. Enquanto você fala, ele sinaliza que acompanha com interjeições curtas — o "mhmm" e o "entendi" que a linguística chama de backchannel e que até agora nenhum assistente comercial fazia de forma convincente. E, como ouve enquanto fala, aceita ser interrompido no meio da resposta sem se perder — o que também habilita tradução simultânea de verdade.

Como funciona a delegação ao GPT-5.5

A arquitetura tem uma divisão de trabalho explícita. O modelo de voz cuida da conversa — prosódia, timing, turnos —, mas não tenta ser o cérebro de tudo: quando a tarefa exige raciocínio mais profundo, delega a modelos de texto em segundo plano. O GPT-Live-1 padrão e o mini usam o GPT-5.5 Instant; as variantes Medium e High acionam o GPT-5.5 Thinking com esforço de raciocínio correspondente.

É uma admissão interessante: o modelo que fala bem não é o que pensa melhor, e vice-versa. Em vez de um modelo único onipotente, a OpenAI montou um sistema — a voz como interface, o raciocínio como serviço.

Os números que a OpenAI mostra — e os que não mostra

Nas avaliações humanas divulgadas, os dois modelos foram "fortemente preferidos" sobre o Advanced Voice Mode em conversas pareadas de cinco a dez minutos, medindo preferência geral, qualidade dos turnos, interrupções e naturalidade. Em benchmarks automatizados, a OpenAI reporta ganhos em GPQA (raciocínio científico), BrowseComp (busca na web) e tarefas de suporte em telecomunicações — estas últimas um aceno claro ao mercado de call centers.

O que falta é o de sempre: os testes de preferência foram conduzidos pela própria OpenAI, sem avaliação independente até aqui; não há preço divulgado; e a API — onde a tese da "voz como interface do trabalho agêntico" seria de fato testada por terceiros — ficou para depois. Vídeo, compartilhamento de tela e paridade multilíngue completa também não chegaram no lançamento, um detalhe relevante para quem conversa em português.

Por que isso importa mais que um modelo novo?

Modelos de voz full-duplex existem na pesquisa há anos — o Moshi, da francesa Kyutai, demonstrou o conceito em 2024. A diferença é escala e polimento: é a primeira vez que a abordagem chega como padrão a centenas de milhões de usuários, substituindo a arquitetura de turnos que definiu assistentes de voz desde a Siri.

Se a aposta estiver certa, o teclado perde mais um pouco de território. Interfaces de voz falharam historicamente não por falta de compreensão, mas por falta de timing — a conversa robótica, cheia de pausas erradas, cansava. Resolver o timing pode ser mais transformador do que resolver mais alguns pontos de benchmark.

Perguntas Frequentes

O que significa "full-duplex" num modelo de voz?

É a capacidade de ouvir e falar ao mesmo tempo, como numa ligação telefônica entre humanos. Os assistentes anteriores eram "half-duplex": alternavam entre escutar e responder em turnos delimitados por silêncio, o que causava interrupções em momentos errados.

O GPT-Live-1 raciocina sozinho?

Não. Ele cuida da conversa em tempo real e delega tarefas que exigem raciocínio profundo a modelos de texto em segundo plano — o GPT-5.5 Instant no modo padrão, ou o GPT-5.5 Thinking nos níveis Medium e High.

Já dá para usar o GPT-Live-1 via API?

Ainda não. Os modelos chegaram ao ChatGPT globalmente em 8 de julho de 2026, mas a API foi apenas "planejada para breve", sem data nem preço divulgados.

Funciona bem em português?

A OpenAI admite que a paridade multilíngue completa não está disponível no lançamento. O modelo funciona em português, mas os ganhos de naturalidade foram medidos majoritariamente em inglês.