OpenAI abre la API de ChatGPT y Whisper desde 0,002 dólares

OpenAI ha puesto hoy a disposición de los desarrolladores la API de ChatGPT, basada en el modelo gpt-3.5-turbo, y una API para Whisper, su sistema de reconocimiento de voz. El movimiento convierte dos herramientas que hasta ahora tenían una presencia pública muy visible en piezas que otras empresas pueden incorporar directamente a sus productos.

La novedad importa por el precio y por la simplicidad de acceso. En vez de entrenar un modelo propio o mantener una infraestructura compleja, una aplicación puede enviar una petición a los servidores de OpenAI y recibir una respuesta conversacional o una transcripción de audio.

Un modelo de ChatGPT para productos de terceros

La API de gpt-3.5-turbo cuesta 0,002 dólares por cada 1.000 tokens, según ha anunciado OpenAI. Un token es una unidad de texto: en inglés equivale aproximadamente a cuatro caracteres o a tres cuartas partes de una palabra, aunque la relación cambia según el idioma. La compañía sitúa ese precio en una décima parte del coste de sus anteriores modelos GPT-3.5.

No se trata de insertar la web de ChatGPT dentro de una aplicación. Los desarrolladores acceden al modelo mediante una interfaz de programación, o API: un canal estandarizado para que un programa solicite una tarea a otro servicio. Pueden definir el papel del asistente, aportar el historial de una conversación y enviar la pregunta del usuario desde su propia interfaz.

El modelo admite hasta 4.096 tokens entre la petición y la respuesta. Ese límite permite conversaciones breves y tareas de texto habituales, pero obliga a controlar cuánto contexto se conserva en intercambios largos. Una empresa que quiera resumir documentos extensos, por ejemplo, tendrá que dividirlos en fragmentos o seleccionar previamente la información relevante.

La llegada de esta API acelera usos que ya se estaban ensayando con modelos de lenguaje: asistentes para atención al cliente, herramientas de redacción, interfaces de búsqueda en documentos internos, apoyo a la programación o tutores conversacionales. El cambio no garantiza que esos productos sean fiables. GPT-3.5-turbo puede producir respuestas convincentes pero erróneas, de modo que los servicios que lo usen en ámbitos sensibles necesitarán revisiones, límites claros y mecanismos para escalar los casos difíciles a una persona.

Whisper lleva la voz a la misma factura

OpenAI también ha lanzado una API de Whisper, el modelo de reconocimiento automático del habla que publicó como código abierto en septiembre de 2022. El servicio cuesta 0,006 dólares por minuto de audio y permite transcribir grabaciones y traducir audio de otros idiomas al inglés.

Hasta ahora, incorporar Whisper implicaba descargar y ejecutar el modelo en servidores propios, una opción útil para quien necesita control técnico o procesa mucho volumen, pero menos accesible para equipos pequeños. La API elimina esa instalación: una plataforma de entrevistas, una herramienta para reuniones o un medio puede enviar un archivo de audio y recibir texto procesable.

El reconocimiento de voz no equivale a comprender una conversación. Los nombres propios, el ruido ambiental, varios interlocutores o una pronunciación poco habitual siguen siendo fuentes de errores. Para publicar subtítulos, transcripciones legales o historiales médicos, la transcripción automática debe seguir considerándose un primer borrador y no un documento definitivo.

Precio bajo, dependencia alta

La rebaja de coste puede cambiar qué proyectos son viables. A 0,002 dólares por 1.000 tokens, muchas funciones conversacionales dejan de ser un experimento caro y pasan a tener un coste marginal reducido. Eso favorece a pequeñas empresas y desarrolladores independientes, pero también concentra una parte esencial de su producto en la infraestructura y las condiciones comerciales de OpenAI.

La compañía ha indicado que conservará los datos enviados a la API durante 30 días para supervisar posibles abusos y que no los utilizará para mejorar sus modelos salvo que el cliente dé su consentimiento explícito. Es una condición relevante para organizaciones que quieran analizar información interna, aunque no elimina la necesidad de evaluar qué datos pueden enviarse a un proveedor externo.

El siguiente reto será distinguir entre una integración superficial y un producto útil. La API hace más fácil añadir una caja de conversación o una transcripción automática; diseñar controles, proteger datos y asumir los fallos del modelo seguirá siendo responsabilidad de quien construya el servicio.