OpenAI ha integrato GPT-Live nell’applicazione desktop di ChatGPT per macOS e Windows, collegandolo direttamente agli ambienti agentici Codex e ChatGPT Work. Il modello audio, presentato l’8 luglio 2026, utilizza un’architettura full-duplex capace di ascoltare e parlare simultaneamente, eliminando la rigida alternanza tra input e risposta. Il livello vocale mantiene la conversazione in tempo reale, mentre i compiti più pesanti vengono delegati a modelli di ragionamento in background, tra cui GPT-5.5.
L’integrazione estende questa architettura alle attività di sviluppo software. Gli utenti possono impartire comandi vocali per avviare processi di codifica, rivedere pull request, eseguire il debug, generare test e coordinare più agenti contemporaneamente. Secondo OpenAI, è la prima volta che l’attivazione vocale viene applicata direttamente agli ambienti Codex e ChatGPT Work, utilizzati complessivamente da oltre 10 milioni di utenti attivi ogni settimana.
Il funzionamento dipende dalla separazione tra interfaccia conversazionale ed esecuzione. GPT-Live può inserire conferme brevi, come “ho capito”, senza interrompere l’utente, decidere quando parlare o restare in ascolto e mantenere lo stato della conversazione mentre gli agenti elaborano modifiche al codice. La voce non sostituisce quindi i modelli responsabili dell’esecuzione, ma agisce come livello di orchestrazione continuo sopra più processi paralleli.
Su macOS, l’app desktop può combinare la conversazione vocale con Appshots e con l’analisi del contenuto visibile sullo schermo. ChatGPT può così esaminare la finestra in primo piano insieme ai file locali, alla struttura del repository, al codice sorgente e ai plugin attivi. Lo sviluppatore può descrivere verbalmente un errore o una modifica mentre il sistema osserva il contesto applicativo e inoltra le istruzioni agli agenti incaricati di intervenire.
La stessa sessione può essere utilizzata da più persone presenti nella stanza. In una dimostrazione pubblicata da OpenAI, Jason Liu e Guinness Chen del team Codex parlano con la medesima istanza dell’app desktop, impartendo istruzioni differenti e discutendo con lo stesso modello. Questa configurazione introduce una forma di programmazione collaborativa vocale nella quale più sviluppatori possono dirigere gli agenti senza alternarsi sulla tastiera.
La funzione principale riguarda l’esecuzione multi-thread. Da un singolo comando vocale è possibile aprire più attività indipendenti, per esempio analizzare un bug di autenticazione, controllare una pull request relativa alla migrazione di un’API e produrre contemporaneamente i test unitari mancanti. L’applicazione coordina le operazioni mantenendo distinti i relativi contesti e recuperando informazioni da conversazioni Slack, repository GitHub e codebase locali.
Gli sviluppatori possono inoltre descrivere verbalmente un mockup e chiedere al sistema di convertirlo in codice, distribuendo il lavoro tra frontend, backend e test. La build 26.715 introduce il supporto per progetti composti da più cartelle, permettendo agli agenti di operare su codebase articolate senza dover aprire sessioni separate per ogni directory.
L’esecuzione può essere controllata anche da remoto tramite iOS. Gli utenti possono verificare lo stato dei processi, rispondere alle richieste degli agenti e modificare la priorità delle attività senza restare davanti alla workstation. Il sistema mantiene attivi i thread avviati sul desktop e consente di intervenire sul loro avanzamento dall’app mobile, evitando la gestione manuale dei singoli comandi o processi.
L’architettura crea una forma di pair programming tra sviluppatore e agente. L’utente mantiene una discussione continua sul problema, mentre Codex o ChatGPT Work eseguono in background modifiche, controlli e compilazioni. Il modello vocale conserva il contesto anche durante le elaborazioni più lunghe e può richiamare strumenti senza chiudere la conversazione o richiedere il passaggio a un’altra finestra.
GPT-Live e le funzioni agentiche collegate restano proprietarie. L’accesso desktop è riservato agli abbonati ai piani Plus, Pro, Business, Enterprise ed Education. Le aziende non possono scaricare i pesi, modificare le pipeline vocali, ospitare autonomamente il modello o intervenire sull’architettura utilizzata per mantenere lo stato degli agenti.
Le attività avviate attraverso la voce consumano le normali quote previste da Codex e ChatGPT Work. Un comando vocale che genera una modifica, avvia una revisione o apre più processi viene quindi contabilizzato come un’attività agentica standard, senza una quota separata dedicata all’interazione parlata.
Le prime reazioni della comunità si sono concentrate soprattutto sulla possibilità di controllare build e processi complessi lontano dalla postazione di lavoro. L’integrazione tra full-duplex, supporto multi-cartella ed esecuzione remota trasforma la voce da semplice interfaccia di input in un sistema per dirigere più agenti software in parallelo. Il cambiamento tecnico non riguarda quindi soltanto la possibilità di programmare senza tastiera, ma la gestione continua di pipeline di sviluppo distribuite attraverso un’unica conversazione.