OpenAI puso GPT-Live-1 disponible en general en su API el 10 de septiembre. Es un modelo de voz de dúplex completo: escucha mientras habla, y cuando hace falta consultar un dato o usar una herramienta le pasa el trabajo a un modelo de respaldo sin cortar la conversación. Se conecta por WebRTC, WebSockets o SIP.
El precio que circula es el de la lista: 0,05 dólares por minuto, facturado por segundo. La misma nota de OpenAI aclara que el modelo de respaldo y las herramientas se cobran aparte. Esa segunda línea es la que cambia la cuenta.
La misma tabla para tres laboratorios
| Modelo (configuración medida) | Laboratorio | Precio de lista | Coste medido (USD por hora) | En pesos por hora | Casos resueltos (τ-Voice) | Razonamiento en audio (Big Bench Audio) | Primer audio | Español documentado |
|---|---|---|---|---|---|---|---|---|
| GPT-Live-1 (Astra, medio) | OpenAI | 0,05 USD/min más respaldo | 5,83 | 17.907 | 67,9 % | 90,1 % | 1,34 s | No publicado |
| GPT-Live-1 (Sol, bajo) | OpenAI | 0,05 USD/min más respaldo | 4,47 | 13.719 | 59,3 % | 89,0 % | 1,24 s | No publicado |
| Grok Voice Think Fast 2.0 (alto) | xAI | 0,08 USD/min de audio | 4,80 | 14.747 | 56,5 % | 97,2 % | 0,70 s | No publicado |
| Gemini 3.1 Flash Live Preview (alto) | 0,005 USD/min entrada, 0,018 USD/min salida | 1,75 | 5.375 | 37,7 % | 96,6 % | 2,99 s | Sí, 97 idiomas | |
| Gemini 3.1 Flash Live Preview (mínimo) | 0,005 USD/min entrada, 0,018 USD/min salida | 1,50 | 4.620 | 26,2 % | 71,3 % | 0,96 s | Sí, 97 idiomas |
Mediciones de Artificial Analysis al 14 de septiembre; el coste es por hora de audio de entrada de su prueba. Pesos con la TRM de 3.072,27. Los resultados de GPT-Live-1 salen de una ronda; los demás, de hasta tres.
No hay un ganador, hay tres
Si el agente atiende llamadas de soporte con herramientas, gana GPT-Live-1: once puntos por encima de Grok en casos resueltos. Si la tarea es entender y razonar sobre lo que se dice, Grok y Gemini, en su configuración alta, puntúan más alto. Si manda el coste, Gemini cuesta menos de la mitad por hora que cualquiera de los otros. Y si manda la espera, Grok contesta en 0,7 segundos.
La lista de OpenAI equivale a 3 dólares la hora de sesión; la medición, con respaldo incluido, dio entre 4,47 y 5,83. Presupuestar con el precio del minuto deja corta la cuenta.
Armar el mismo agente por piezas, con transcripción, modelo y voz por separado, mueve el problema a otras unidades: los tres precios de Microsoft, convertidos a pesos por minuto.
Qué cambia para una empresa en Colombia
Compara por caso resuelto, no por minuto. Entre el primero y el último de la tabla hay casi 42 puntos de casos resueltos y unos 13.000 pesos por hora. Pesan más los puntos cuando cada llamada que el agente no cierra termina en una persona de tu equipo. El argumento contrario es serio: para flujos cortos (confirmar una cita, dar el estado de un pedido) el precio de Gemini gana, aunque sigue en preview y sus condiciones pueden cambiar.
El español no está probado en el índice. Solo Google lo documenta, y Artificial Analysis no publica resultados por idioma. Antes de elegir, pasa llamadas reales con acento y ruido de tu operación. Si lo que necesitas es transcribir grabaciones y no conversar, Qwen3.8-Omni-Flash y Gemini 3.8 Flash se reparten las pruebas según el idioma.
Las reglas del canal no cambian con el modelo. Una llamada de cobro sigue los horarios de la Ley 2300, y el agente tiene que decir que es un sistema automatizado si su respuesta se usa en la Unión Europea. Si la voz va a entrar por WhatsApp, esto es lo que hay que montar del otro lado.
Escribimos desde la operación de agentes en producción (casos). Si quieres esta cuenta con tus llamadas, hablemos.