GPT-Bidi-1: así es el nuevo modelo de voz de OpenAI que escucha y habla al mismo tiempo
OpenAI prepara GPT Bidi 1, un modelo de voz bidireccional para ChatGPT que puede escuchar y hablar al mismo tiempo, manejando interrupciones sin congelarse. El modelo introduce tres niveles de inteligencia seleccionables: Alto, Medio e Instantáneo, para adaptar la velocidad y profundidad de las respuestas.
Publicado porEditado con DeepSeek-V4-FlashImágenes generadas con GPT Image 1.5
OpenAI prepara GPT Bidi 1, un modelo de voz bidireccional para ChatGPT que puede escuchar y hablar al mismo tiempo, manejando interrupciones sin congelarse.
El modelo introduce tres niveles de inteligencia seleccionables: Alto, Medio e Instantáneo, para adaptar la velocidad y profundidad de las respuestas.
La interfaz de voz cambiará a un color amarillo cuando se active GPT Bidi 1, y estará disponible como una opción adicional junto a los modos de voz actuales.
Search & fact-check with cited sources for What is OpenAI's GPT-Bidi-1 bidirectional voice model for ChatGPT, including how it was discovereConceptual representation of OpenAI's next-generation bidirectional voice model, GPT-Bidi-1, for ChatGPT.
Prompt de IA
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for What is OpenAI's GPT-Bidi-1 bidirectional voice model for ChatGPT, including how it was discovere. Article summary: OpenAI's **GPT-Bidi-1** is a next-generation bidirectional voice model for ChatGPT, discovered via code and UI references in the ChatGPT web and mobile apps. It represents the largest voice-mode upgrade ever for ChatGPT,. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
openai.com
OpenAI se prepara para lanzar la actualización de voz más importante de ChatGPT hasta la fecha: un modelo de audio bidireccional con nombre interno GPT-Bidi-1. A diferencia de los modos de voz anteriores, que esperan a que el usuario termine de hablar para responder, GPT-Bidi-1 puede escuchar y hablar al mismo tiempo — absorbiendo interrupciones, corrigiendo errores en tiempo real y ajustando sus respuestas sin cortar el audio.
Este artículo explica cómo se descubrió GPT-Bidi-1, qué lo diferencia del sistema de turnos de voz actual, los tres niveles de inteligencia que introduce, el cambio visual en la interfaz de ChatGPT y el contexto competitivo de su desarrollo. El modelo no ha sido anunciado oficialmente por OpenAI, por lo que todos los detalles provienen de avistamientos en el código, referencias en la interfaz de usuario, reportes de usuarios y análisis de medios.
Cómo se descubrió GPT-Bidi-1
La cadena de descubrimiento comenzó con el desarrollador M1Astra, quien encontró las primeras referencias a gpt-bidi-1 en el código de la aplicación de ChatGPT y compartió el hallazgo en X. El sitio de seguimiento TestingCatalog confirmó la cadena del modelo, junto con lo que parecía ser un texto de anuncio que describía "la próxima generación de Voz" y un "gran salto en inteligencia".
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
¿Cuál es la respuesta corta a "GPT-Bidi-1: así es el nuevo modelo de voz de OpenAI que escucha y habla al mismo tiempo"?
OpenAI prepara GPT Bidi 1, un modelo de voz bidireccional para ChatGPT que puede escuchar y hablar al mismo tiempo, manejando interrupciones sin congelarse.
¿Cuáles son los puntos clave a validar primero?
OpenAI prepara GPT Bidi 1, un modelo de voz bidireccional para ChatGPT que puede escuchar y hablar al mismo tiempo, manejando interrupciones sin congelarse. El modelo introduce tres niveles de inteligencia seleccionables: Alto, Medio e Instantáneo, para adaptar la velocidad y profundidad de las respuestas.
¿Qué debo hacer a continuación en la práctica?
La interfaz de voz cambiará a un color amarillo cuando se active GPT Bidi 1, y estará disponible como una opción adicional junto a los modos de voz actuales.
GPT-Bidi-1: así es el nuevo modelo de voz de OpenAI que escucha y habla al mismo tiempo
OpenAI prepara GPT Bidi 1, un modelo de voz bidireccional para ChatGPT que puede escuchar y hablar al mismo tiempo, manejando interrupciones sin congelarse. El modelo introduce tres niveles de inteligencia seleccionables: Alto, Medio e Instantáneo, para adaptar la velocidad y profundidad de las respuestas.
Publicado porEditado con DeepSeek-V4-FlashImágenes generadas con GPT Image 1.5
OpenAI prepara GPT Bidi 1, un modelo de voz bidireccional para ChatGPT que puede escuchar y hablar al mismo tiempo, manejando interrupciones sin congelarse.
El modelo introduce tres niveles de inteligencia seleccionables: Alto, Medio e Instantáneo, para adaptar la velocidad y profundidad de las respuestas.
La interfaz de voz cambiará a un color amarillo cuando se active GPT Bidi 1, y estará disponible como una opción adicional junto a los modos de voz actuales.
Search & fact-check with cited sources for What is OpenAI's GPT-Bidi-1 bidirectional voice model for ChatGPT, including how it was discovereConceptual representation of OpenAI's next-generation bidirectional voice model, GPT-Bidi-1, for ChatGPT.
Prompt de IA
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for What is OpenAI's GPT-Bidi-1 bidirectional voice model for ChatGPT, including how it was discovere. Article summary: OpenAI's **GPT-Bidi-1** is a next-generation bidirectional voice model for ChatGPT, discovered via code and UI references in the ChatGPT web and mobile apps. It represents the largest voice-mode upgrade ever for ChatGPT,. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
openai.com
OpenAI se prepara para lanzar la actualización de voz más importante de ChatGPT hasta la fecha: un modelo de audio bidireccional con nombre interno GPT-Bidi-1. A diferencia de los modos de voz anteriores, que esperan a que el usuario termine de hablar para responder, GPT-Bidi-1 puede escuchar y hablar al mismo tiempo — absorbiendo interrupciones, corrigiendo errores en tiempo real y ajustando sus respuestas sin cortar el audio.
Este artículo explica cómo se descubrió GPT-Bidi-1, qué lo diferencia del sistema de turnos de voz actual, los tres niveles de inteligencia que introduce, el cambio visual en la interfaz de ChatGPT y el contexto competitivo de su desarrollo. El modelo no ha sido anunciado oficialmente por OpenAI, por lo que todos los detalles provienen de avistamientos en el código, referencias en la interfaz de usuario, reportes de usuarios y análisis de medios.
Cómo se descubrió GPT-Bidi-1
La cadena de descubrimiento comenzó con el desarrollador M1Astra, quien encontró las primeras referencias a gpt-bidi-1 en el código de la aplicación de ChatGPT y compartió el hallazgo en X. El sitio de seguimiento TestingCatalog confirmó la cadena del modelo, junto con lo que parecía ser un texto de anuncio que describía "la próxima generación de Voz" y un "gran salto en inteligencia".
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
¿Cuál es la respuesta corta a "GPT-Bidi-1: así es el nuevo modelo de voz de OpenAI que escucha y habla al mismo tiempo"?
OpenAI prepara GPT Bidi 1, un modelo de voz bidireccional para ChatGPT que puede escuchar y hablar al mismo tiempo, manejando interrupciones sin congelarse.
¿Cuáles son los puntos clave a validar primero?
OpenAI prepara GPT Bidi 1, un modelo de voz bidireccional para ChatGPT que puede escuchar y hablar al mismo tiempo, manejando interrupciones sin congelarse. El modelo introduce tres niveles de inteligencia seleccionables: Alto, Medio e Instantáneo, para adaptar la velocidad y profundidad de las respuestas.
¿Qué debo hacer a continuación en la práctica?
La interfaz de voz cambiará a un color amarillo cuando se active GPT Bidi 1, y estará disponible como una opción adicional junto a los modos de voz actuales.
Posteriormente, se encontraron elementos de código y de interfaz de usuario tanto en la versión web como en la aplicación móvil de ChatGPT. A finales de junio de 2026, un pequeño grupo de usuarios comenzó a recibir las primeras pruebas. Entre el 22 y el 24 de junio de 2026, surgieron múltiples informes de usuarios y videos de demostración que mostraban el modelo funcionando de forma bidireccional en la práctica.
Advertencia: OpenAI no ha emitido un anuncio oficial. El nombre final del modelo, el comportamiento exacto de sus niveles y la fecha de lanzamiento siguen sin ser confirmados por la empresa.
En qué se diferencia la voz bidireccional de los modelos de turnos
Los modos de voz actuales de ChatGPT — Voz Estándar y Modo de Voz Avanzado — funcionan bajo un paradigma de turnos. El modelo debe esperar a que el usuario termine de hablar para poder responder. La arquitectura bidireccional (BiDi) de GPT-Bidi-1 permite al modelo procesar dos flujos de audio simultáneamente: el del usuario y el suyo propio.
Diferencias clave observadas en las demostraciones:
Manejo de interrupciones: El modelo puede absorber interrupciones a media frase y ajustar dinámicamente su respuesta sin congelarse ni cortar el audio.
Corrección en tiempo real: En las pruebas, GPT-Bidi-1 contó junto a un usuario del 1 al 10, y luego cambió inmediatamente a contar hacia atrás cuando el usuario lo interrumpió a mitad del proceso.
Superposición natural: El asistente puede hablar mientras el usuario aún está hablando, haciendo que los intercambios se asemejen más a una conversación humana.
El objetivo interno de OpenAI era cerrar la brecha entre el sistema de voz de ChatGPT — que iba por detrás de sus modelos de texto (ya con capacidad de razonamiento de clase GPT-5.5) — y lograr la paridad en inteligencia conversacional en tiempo real.
Tres niveles de inteligencia seleccionables
GPT-Bidi-1 es el primer modelo de voz de OpenAI en introducir tres niveles seleccionables de inteligencia y velocidad para la voz:
Nivel
Descripción
Alto
Máxima profundidad de razonamiento, respuesta más lenta — para tareas de análisis complejas
Medio
Equilibrio entre inteligencia y velocidad
Instantáneo
Respuesta más rápida posible, razonamiento reducido — para interacciones casuales o urgentes
El sistema de niveles permite a los usuarios ajustar la profundidad de la interacción frente a la latencia según la tarea, de manera similar a como los modelos de texto de ChatGPT ofrecen diferentes niveles de razonamiento. Por ejemplo, una consulta rápida del tiempo usaría el modo Instantáneo, mientras que una sesión profunda de lluvia de ideas cambiaría al modo Alto.
Cambios visuales en la interfaz de voz
Cuando se selecciona GPT-Bidi-1, el indicador de burbuja/forma de onda de voz cambia a color amarillo en lugar del color predeterminado actual. El modelo aparece en el selector de modelos de la configuración como una nueva opción etiquetada como "Bidi (Último)" junto a los modos Voz Estándar y Modo de Voz Avanzado existentes, sin reemplazarlos.
Cronograma de desarrollo y contexto competitivo
Principios de 2026: OpenAI comenzó a desarrollar la arquitectura BiDi internamente.
5 de marzo de 2026: The Information informó que OpenAI estaba desarrollando un modelo de audio bidireccional para mejorar sus asistentes de voz.
7 de mayo de 2026: OpenAI anunció GPT-Realtime-2 en la API — su primer modelo de voz con capacidad de razonamiento de clase GPT-5, que sentó las bases para las capacidades bidireccionales.
16 y 17 de junio de 2026: M1Astra y TestingCatalog detectaron por primera vez referencias de código a gpt-bidi-1 de forma pública.
22 al 24 de junio de 2026: Surgieron informes de usuarios y videos de demostración que mostraban un comportamiento bidireccional funcional. Varios medios informaron que un lanzamiento más amplio podría ocurrir dentro de la misma semana.
Contexto competitivo: El impulso hacia la voz bidireccional responde directamente a los avances de Google (Gemini Live con interrupciones), Anthropic y los agentes de voz en tiempo real de las startups. OpenAI está en una carrera por equiparar la interacción por voz con su inteligencia textual, que ya impulsa el razonamiento de nivel GPT-5.5.
openai.com
Advancing voice intelligence with new models in the API - OpenAI
Posteriormente, se encontraron elementos de código y de interfaz de usuario tanto en la versión web como en la aplicación móvil de ChatGPT. A finales de junio de 2026, un pequeño grupo de usuarios comenzó a recibir las primeras pruebas. Entre el 22 y el 24 de junio de 2026, surgieron múltiples informes de usuarios y videos de demostración que mostraban el modelo funcionando de forma bidireccional en la práctica.
Advertencia: OpenAI no ha emitido un anuncio oficial. El nombre final del modelo, el comportamiento exacto de sus niveles y la fecha de lanzamiento siguen sin ser confirmados por la empresa.
En qué se diferencia la voz bidireccional de los modelos de turnos
Los modos de voz actuales de ChatGPT — Voz Estándar y Modo de Voz Avanzado — funcionan bajo un paradigma de turnos. El modelo debe esperar a que el usuario termine de hablar para poder responder. La arquitectura bidireccional (BiDi) de GPT-Bidi-1 permite al modelo procesar dos flujos de audio simultáneamente: el del usuario y el suyo propio.
Diferencias clave observadas en las demostraciones:
Manejo de interrupciones: El modelo puede absorber interrupciones a media frase y ajustar dinámicamente su respuesta sin congelarse ni cortar el audio.
Corrección en tiempo real: En las pruebas, GPT-Bidi-1 contó junto a un usuario del 1 al 10, y luego cambió inmediatamente a contar hacia atrás cuando el usuario lo interrumpió a mitad del proceso.
Superposición natural: El asistente puede hablar mientras el usuario aún está hablando, haciendo que los intercambios se asemejen más a una conversación humana.
El objetivo interno de OpenAI era cerrar la brecha entre el sistema de voz de ChatGPT — que iba por detrás de sus modelos de texto (ya con capacidad de razonamiento de clase GPT-5.5) — y lograr la paridad en inteligencia conversacional en tiempo real.
Tres niveles de inteligencia seleccionables
GPT-Bidi-1 es el primer modelo de voz de OpenAI en introducir tres niveles seleccionables de inteligencia y velocidad para la voz:
Nivel
Descripción
Alto
Máxima profundidad de razonamiento, respuesta más lenta — para tareas de análisis complejas
Medio
Equilibrio entre inteligencia y velocidad
Instantáneo
Respuesta más rápida posible, razonamiento reducido — para interacciones casuales o urgentes
El sistema de niveles permite a los usuarios ajustar la profundidad de la interacción frente a la latencia según la tarea, de manera similar a como los modelos de texto de ChatGPT ofrecen diferentes niveles de razonamiento. Por ejemplo, una consulta rápida del tiempo usaría el modo Instantáneo, mientras que una sesión profunda de lluvia de ideas cambiaría al modo Alto.
Cambios visuales en la interfaz de voz
Cuando se selecciona GPT-Bidi-1, el indicador de burbuja/forma de onda de voz cambia a color amarillo en lugar del color predeterminado actual. El modelo aparece en el selector de modelos de la configuración como una nueva opción etiquetada como "Bidi (Último)" junto a los modos Voz Estándar y Modo de Voz Avanzado existentes, sin reemplazarlos.
Cronograma de desarrollo y contexto competitivo
Principios de 2026: OpenAI comenzó a desarrollar la arquitectura BiDi internamente.
5 de marzo de 2026: The Information informó que OpenAI estaba desarrollando un modelo de audio bidireccional para mejorar sus asistentes de voz.
7 de mayo de 2026: OpenAI anunció GPT-Realtime-2 en la API — su primer modelo de voz con capacidad de razonamiento de clase GPT-5, que sentó las bases para las capacidades bidireccionales.
16 y 17 de junio de 2026: M1Astra y TestingCatalog detectaron por primera vez referencias de código a gpt-bidi-1 de forma pública.
22 al 24 de junio de 2026: Surgieron informes de usuarios y videos de demostración que mostraban un comportamiento bidireccional funcional. Varios medios informaron que un lanzamiento más amplio podría ocurrir dentro de la misma semana.
Contexto competitivo: El impulso hacia la voz bidireccional responde directamente a los avances de Google (Gemini Live con interrupciones), Anthropic y los agentes de voz en tiempo real de las startups. OpenAI está en una carrera por equiparar la interacción por voz con su inteligencia textual, que ya impulsa el razonamiento de nivel GPT-5.5.
openai.com
Advancing voice intelligence with new models in the API - OpenAI
