ChatGPT a fondo — imágenes, GPTs, voz y todo su ecosistema

El 24 de septiembre de 2024, durante el DevDay de San Francisco, Mira Murati — entonces CTO de OpenAI — encendió Advanced Voice Mode en vivo frente a la audiencia, interrumpió al modelo tres veces en los primeros veinte segundos, le pidió que contara un cuento en tono dramático, después en tono de susurro, después en tono de relato deportivo. El modelo cambió las tres veces sin pausa, con prosodia natural, con risas intercaladas donde correspondía. Google y Anthropic no tenían en ese momento — ni tendrían en los meses siguientes — una implementación comparable en producción de consumo.

Ese momento encierra una verdad operativa incómoda para quienes preferimos Claude como herramienta de producción profesional: en la capa de amplitud de experiencia para el usuario final, OpenAI está adelante. Y esa distancia no se cerró en los dieciocho meses posteriores. Vale desarmar por qué.

Lo que está debajo del stack

Para entender la superficie hay que ver la estructura técnica. ChatGPT en abril de 2026 no es un modelo, es un conjunto de modelos orquestados detrás de una interfaz común.

GPT-4o es el modelo multimodal default — texto, imagen y audio en un mismo request. Latencia baja, costo bajo, la mayoría de los usuarios no-pagos lo usan sin saberlo.

o3 y o4 son la familia de razonamiento. Gastan cómputo adicional en una cadena de pensamiento interna antes de emitir la respuesta final. En benchmarks de matemática olímpica y código competitivo, o3 se acerca al nivel élite humano. El costo es latencia: un problema difícil puede tardar treinta segundos.

DALL-E 3 es el generador de imágenes. Integrado nativamente en el chat — describís, iterás, refinás en lenguaje natural. La ventaja operativa sobre Midjourney no es calidad bruta (Midjourney a menudo tiene mejor control estético) sino fricción mínima.

Sora es el generador de video. Lanzado a público general en diciembre de 2024. Produce clips de hasta un minuto con coherencia temporal y espacial razonable. No es el mejor modelo de video puro — Runway y Google Veo compiten de cerca — pero está integrado en el mismo ecosistema que todo lo demás.

Realtime API permite construir aplicaciones propias que consumen el pipeline de voz en tiempo real sin pasar por la interfaz ChatGPT. Es lo que habilita a terceros a construir experiencias de voz propias sobre la infraestructura de OpenAI.

Agents SDK (evolución de Assistants API) es el framework de construcción de agentes: estados, herramientas, memoria, orquestación de múltiples modelos.

La tesis arquitectónica detrás del stack es una: no competir con mejor modelo, competir con mejor plataforma. OpenAI apostó a que el valor iba a quedar capturado por quien tuviera la suma de capacidades integradas, no por quien tuviera el modelo de texto marginalmente mejor. Hasta acá, esa apuesta les está rindiendo.

Operator y Deep Research — los productos de frontera

Dos productos lanzados entre enero y febrero de 2025 definen la frontera competitiva actual de OpenAI en producto.

Operator (enero 2025) es un agente que navega por la web en un navegador dedicado, ejecuta flujos de tareas complejas — reservar vuelos, hacer compras, llenar formularios, extraer datos de múltiples sitios — y devuelve resultados. Lo que hace distinto a Operator de alternativas anteriores es la combinación de visión (procesa screenshots del navegador), razonamiento (decide próximo paso), y ejecución (emite comandos). Claude tiene Computer Use desde octubre de 2024 con arquitectura conceptualmente similar; la diferencia es que Operator está empaquetado como producto de consumo con UX cuidada, mientras que Computer Use sigue siendo primariamente una capacidad de API para desarrolladores.

Deep Research (febrero 2025) es un modo de investigación que toma una pregunta compleja ("hacéme un informe de 20 páginas sobre el mercado de baterías de sodio en Asia"), navega autónomamente entre decenas o cientos de fuentes durante cinco a treinta minutos, y devuelve un informe con citas. Está construido sobre los modelos de razonamiento o-series y es la demostración más concreta hasta ahora de qué puede hacer un agente de investigación bien integrado.

Ambos productos requieren Plus como mínimo, y Deep Research con cuota expandida requiere el plan Pro (200 dólares mensuales).

Donde OpenAI gana: tesis por capa

Vale dedicar un apartado técnico a desglosar dónde exactamente OpenAI es superior, porque las generalidades de "ChatGPT es más grande" no alcanzan para decisiones profesionales.

Capa de generación visual. DALL-E 3 integrado + Sora + la calidad de multimodalidad de GPT-4o procesando imágenes como entrada. Claude no genera imágenes ni video. Gemini genera pero con resultados menos consistentes para uso profesional. Para cualquier flujo que requiera pasar rápido de idea a imagen o video, ChatGPT es la opción con menos fricción.

Capa de voz. Advanced Voice Mode + Realtime API. Es territorio donde OpenAI tiene una generación de distancia. Google anunció Gemini Live en mayo de 2024 pero la implementación contemporánea no está al nivel. Anthropic no tiene oferta de voz nativa en producción de consumo.

Capa de distribución. GPT Store + Microsoft 365 Copilot + WhatsApp + Apple Intelligence + cientos de integraciones vía API. La ventaja no es técnica; es estructural. OpenAI firmó como partner principal de Apple para delegación de Siri, consiguió integración nativa con WhatsApp, y mantiene la relación privilegiada con Microsoft que le da acceso a la base corporativa más grande del mundo.

Capa de amplitud de ecosistema de agentes especializados. El GPT Store alcanzó varios millones de GPTs creados por terceros hacia 2026. La mayoría no son buenos — la distribución de calidad es Pareto extrema. Pero la masa absoluta crea network effects que competidores tienen difícil replicar.

Donde OpenAI no gana: tesis honesta

Y vale también el desglose inverso.

Capa de escritura larga de calidad. Claude es consistentemente superior en escritura extendida coherente, en mantener tono y argumento a lo largo de miles de palabras, en producir texto que no se desarma cuando lo releés. No hay benchmark académico único que capture esto — es una propiedad que se vuelve obvia cuando trabajás con ambos modelos sobre el mismo prompt de largo aliento.

Capa de análisis de documentos grandes. Claude Opus 4.7 maneja ventanas de contexto extendidas con coherencia que ChatGPT hoy no iguala en trabajo real con PDFs de cientos de páginas. La ingeniería de "long context" de Anthropic sigue siendo estado del arte.

Capa de código de producción. Claude Code, combinado con el modelo base en Opus 4.7, es la herramienta que la mayoría de desarrolladores serios eligen para trabajo sostenido en repositorios grandes. ChatGPT con GPT-4o o con o3 es competitivo para tareas puntuales pero no para trabajo continuo de producción.

Capa de previsibilidad de rechazos. Claude rechaza de manera consistente y explicable; ChatGPT tiene historia documentada de rechazos erráticos que cambian entre versiones. Para trabajo profesional con temas sensibles, esa imprevisibilidad es costo operativo.

Capa de integración nativa con Google Workspace. Si tu empresa vive en Gmail, Docs, Drive, Calendar — Gemini tiene ventaja estructural. No por mérito técnico sino por acceso privilegiado a la superficie.

Pricing y segmentación

La línea de precios de OpenAI a abril de 2026 es la siguiente.

Free. GPT-4o con cuotas, búsqueda web básica, imágenes limitadas. Sorprendentemente capaz para uso casual.

Plus (20 dólares/mes). Todo lo del Free sin cuotas duras + o3/o4, Canvas, Advanced Voice, DALL-E ilimitado, creación de GPTs, Deep Research con cuota, memoria persistente.

Pro (200 dólares/mes). Plus + Deep Research con cuota expandida + o1-pro (versión reforzada del modelo de razonamiento) + Operator sin restricciones + Sora con cuotas altas. Es un tier claramente dirigido a profesionales de investigación y a developers heavy.

Team (25-30 dólares/usuario/mes). Workspace compartido, GPTs privados del equipo, sin entrenamiento sobre datos.

Enterprise (pricing custom). Controles administrativos, SSO, garantías de auditoría, soporte dedicado. Creció a miles de clientes corporativos entre 2024 y 2026.

La estrategia de pricing refleja la tesis de producto: capturá al usuario general con Plus, capturá al profesional con Pro, capturá a la corporación con Enterprise. Cada tier desbloquea herramientas diferenciadas — no es solo "más cuota de lo mismo".

Mi tesis editorial

Cierro con una lectura propia que me permito por ser quien soy — un consultor que usa Claude como herramienta principal de producción y que enseña Claude en un curso que lleva mi apellido.

Si tenés que recomendarle a una persona común, sin contexto técnico ni necesidades de trabajo crítico, una sola herramienta de IA en 2026, ChatGPT sigue siendo la respuesta más defendible. Por amplitud de capacidades, por distribución, por la cantidad de cosas que resuelve en un solo lugar, por la facilidad de entrada, por el ecosistema de GPTs que cubre casos de uso que ni se te ocurrirían. Ese es el Swiss Army Knife de la IA — tiene la tijera, el destornillador, la lupa, el sacacorchos, y todo cabe en el bolsillo.

Si la persona en cuestión es profesional y va a usar la IA como herramienta de producción en trabajo donde la calidad y la previsibilidad de output importan — escritura extensa, análisis legal o financiero con documentos grandes, código de producción, decisiones sobre datos sensibles — Claude es la apuesta más defendible. No por ser peor en amplitud, sino por ser mejor en la tarea específica que define ese trabajo. Ese es el escalpelo — hace una cosa muy bien, lo hace muy consistentemente, y cuando hace falta precisión no hay sustituto.

La elección entre Swiss Army Knife y escalpelo no es una elección sobre cuál es "mejor". Es una elección sobre qué cirugía estás haciendo. Lo que no tiene sentido es ignorar que las dos herramientas existen y elegir por fidelidad tribal a una de las dos marcas. El profesional que trabaja bien en 2026 probablemente paga ambos veinte dólares por mes y sabe exactamente cuándo abrir cada aplicación.

¿Cuál es el test empírico con el que vos decidís, ante una tarea nueva, si abrís ChatGPT o Claude primero?