GPT-Bidi-1: así es el nuevo modelo de voz de OpenAI que escucha y habla al mismo tiempo

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:

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.