GPT Voice llega a la app de escritorio de ChatGPT: controla agentes de Codex y ChatGPT Work con la voz desde macOS y Windows

OpenAI ha traído GPT Voice a su aplicación de escritorio de ChatGPT, disponible para macOS y Windows. El anuncio es del 23 de julio de 2026. La función, que en móvil llegó el 8 de julio con el lanzamiento de GPT-Live, ahora permite a los usuarios de escritorio hablar con la app para controlar agentes de Codex, dirigir tareas en ChatGPT Work y navegar por aplicaciones y sitios web, todo sin tocar el teclado. Disponible a partir de la versión 26.715 de la app para usuarios de los planes Plus, Pro, Business, Edu y Enterprise.

La demo que OpenAI publicó al anunciar la función muestra a un desarrollador usando un único comando de voz para crear un nuevo thread, hacer una pull request e identificar la causa raíz de un bug. No hay teclas involucradas.

Cómo funciona y qué lo diferencia del modo voz de móvil

GPT Voice en escritorio usa la misma arquitectura de GPT-Live que está en la versión móvil: conversación full-duplex, lo que significa que ChatGPT puede escuchar y generar respuesta simultáneamente, a diferencia de los sistemas turn-based donde el modelo espera a que termines de hablar para responder. Esta arquitectura es lo que permite interrumpir la respuesta y cambiar el rumbo de la conversación sin que el agente pierda el contexto.

La versión de escritorio va más allá de la de móvil en un aspecto crucial: puede tomar acción. La versión móvil de GPT-Live era mejor para conversación fluida pero no podía actuar sobre el teléfono. La de escritorio puede ejecutar comandos multi-paso, acceder a archivos locales, navegar por webs y apps con Computer Use y coordinar múltiples agentes en paralelo.

En macOS, hay una función adicional exclusiva: Appshots. Cuando GPT Voice está activo, puede acceder al contenido de la ventana activa en primer plano — incluyendo alt-text de imágenes — para tener más contexto sobre lo que el usuario está mirando sin que tenga que describirlo.

• ChatGPT Work (coordinar agentes de productividad)
• Codex (gestión de agentes de código)
• Computer Use (acciones en el sistema operativo)
• Archivos locales y plugins de ChatGPT

Para Codex específicamente, también se puede usar desde la app de iOS conectando de forma remota al escritorio, a través de la función Remote. El soporte para Android se anuncia «próximamente».

El contexto: la carrera de los asistentes de voz para trabajo

GPT-5.6 y ChatGPT Work llegaron a principios de julio con la promesa de completar tareas de oficina complejas a través de lenguaje natural. GPT Voice en escritorio es la extensión lógica: si ya puedes dirigir el trabajo por texto, ¿por qué no por voz mientras tienes las manos libres?

La semana anterior, Anthropic actualizó el modo de voz de Claude con soporte para Opus y Sonnet. La diferencia arquitectural es importante: Claude usa un sistema turn-based (escucha, piensa, responde), mientras que GPT-Live es full-duplex simultáneo. Según OpenAI, esto hace que la conversación se sienta más natural con ChatGPT, aunque a costa de complejidad técnica mayor.

Sam Altman describió la visión a largo plazo como «hablar sobre lo que necesita hacerse y hacer que múltiples tareas arranquen en segundo plano a la velocidad del pensamiento». Bloomberg reporta además que GPT-Live podría ser el motor de un dispositivo doméstico tipo altavoz en desarrollo en OpenAI.

La seguridad avanzada en cuentas de ChatGPT implementada en mayo — sin contraseñas, con passkeys físicas — cobra más relevancia cuando el asistente puede ejecutar acciones reales en el sistema operativo del usuario.