Anthropic 与 OpenAI 同日升级语音模式：Claude 扩至 11 种语言仍无中文，GPT-Live 登陆桌面端

Anthropic 与 OpenAI 几乎在同一时间对语音交互能力做出重大升级。Anthropic 将 Claude 的语音模式从原先仅支持最小模型 Haiku，扩展至 Opus 4.8 与 Sonnet 5 全系列，并首次在语音场景中开放工具调用与多语言能力；OpenAI 则祭出基于全双工架构的新模型 GPT-Live，将 ChatGPT 语音直接搬上 macOS 与 Windows 桌面，并支持中文。两条路线代表了对「语音 + AI」的不同理解：一边是把语音做成日常事务的入口，一边是把语音做成 Agent 协作的指挥台。

Claude 语音：模型全系上阵，工具调用首次打通

此前 Claude 的语音模式只能跑 Haiku，能听懂但复杂问题容易翻车。本次升级后，Opus 4.8 与 Sonnet 5 全部接入，用户在对话中途可自由切换模型。系统会自动调用所选模型的「最快版本」而非完整推理版本，但好消息是语音模式会默认继承用户上次文字聊天使用的模型，文字与语音之间的上下文保持连续。

交互方式上提供两种模式：

Hands-free：持续监听并自动回复；
Push-to-talk：按住说话、松手结束。

最关键的变化是工具调用正式进入语音场景。Anthropic 的产品经理 Robert Bye 演示了几个典型用例：

「帮我总结 Slack 过去几小时我错过了什么」；
「把新项目 PRD 的摘要发给 Slack 上的 Nick」。

这些能力复用文字聊天已有的 Connectors 架构，不是阉割版，每次调用前会向用户请求许可。已接入的服务包括 Gmail、Google Calendar、Slack、Google Docs 与 Canva。所有套餐均可使用，但免费用户仅能使用 Haiku + 1 个连接器，Opus 全套需要付费订阅，调用量从常规额度中扣除，发布当天全平台公测推送。

11 种语言，为何没有中文

语言支持方面，本次更新覆盖 11 种语言：英语、法语、德语、印地语、印尼语、意大利语、日语、韩语、巴西葡萄牙语、拉美西班牙语、欧洲西班牙语，中文未在列表中。此前有开发者从 Claude App 代码中挖出过一份含 18 种语言的列表，明确包含 Chinese，最终上线版本被缩减至 11 种，中文被砍。

此外，Claude 不会自动识别用户正在使用的语言，需要用户主动要求切换（如「请用日语跟我说话」）或在设置中手动选择，默认语言为英语。对中文用户而言，语音这条路目前仍走不通，只能继续打字。

GPT-Live：全双工架构重写 ChatGPT 语音

OpenAI 选择了完全不同的路径。ChatGPT 新语音基于 7 月 8 日发布的 GPT-Live，一个全双工语音模型，核心能力是同时处理输入与输出音频流，每秒做出几十次判断，无需等用户说完即可响应，能在用户讲话间隙发出「嗯嗯」「明白了」等拟人反馈。

GPT-Live 采用双层架构：

前台：一个轻量、低延迟的语音模型，负责实时对话、轮次管理与打断响应；
后台：GPT-5.5，负责复杂推理、网页搜索与 Agent 任务。

当用户提出需要深度思考的问题时，GPT-Live 会把任务异步委派给后台的 GPT-5.5，前台继续与用户对话，结果就绪后再汇报。OpenAI 将这一机制命名为「委派推理」（Delegated Reasoning），本质上是把对话延迟与推理深度解耦。推理档位分为 Instant、Medium、High 三档，对应 GPT-5.5 的不同能力档位，免费用户使用的是 GPT-Live-1 mini。

官方跑分显示效果显著：

GPQA（专家级科学推理）：从高级语音模式的 45.3% 跃升至 84.2%；
BrowseComp（Agent 网页搜索能力）：从 0.7% 飙升至 75.2%；
τ³-Voice Telecom（多轮电信客服模拟）：全面超越上一代。

桌面端落地：语音成为 Agent 指挥台

配合 GPT-Live 的发布，ChatGPT Voice 正式登陆 macOS 与 Windows 桌面端：

全局快捷键可在任意应用中一键唤起；
macOS 上的 Appshots 功能可读取当前活跃窗口内容作为上下文，例如对 Excel 说「帮我算一下 Q3 同比」时，模型能直接看到表格；
支持用语音同时指挥 ChatGPT Work 与 Codex 中的多个 Agent，并行处理写代码、查文档等不同任务。

目前该功能对 Plus、Pro、Business、Edu 与 Enterprise 套餐开放。

两条路线的分野

两款产品在交互范式上已经明显分化：

轮流制 vs. 可打断：Claude 语音采用轮流制，插嘴需要等待；GPT-Live 支持随时打断，并能记住打断前的内容。
单任务 vs. 多线程：Claude 一次只做一件事；ChatGPT Voice 可在对话同时操控桌面、调度多个 Agent。
工具 vs. 桌面：Claude 通过连接器接入 SaaS 工具，但无法触达本地桌面；ChatGPT Voice 配合 Computer Use 可直接操作文件、程序与终端。
轻推理 vs. 委派推理：Claude 语音运行的是 Opus 最快版本；GPT-Live 的 High 档可异步委派给 GPT-5.5 Thinking，在语音场景下调用接近满血的推理能力。

Anthropic 的路更偏向「用自己的邮箱、日历与文档，理顺自己那摊事」；OpenAI 的路更偏向「像跟一个真正的人对话，可打断、可多线程、可操控电脑」。正如 Greg Brockman 所言，「比起语音，打字这件事本来就特别不自然。」围绕语音入口的产品竞赛，正在进入下一个阶段。