OpenAI 上线语音代理 API，9 月 11 日 AI 速递

9 月 11 日，AI 行业出现多项值得关注的进展。OpenAI 正式在 API 中上线 GPT-Live-1 全双工语音代理能力，同时将 Agents API 推进至公测阶段；Cognition 推出基于月之暗面 Kimi-K3 后训练的 SWE-2 编程模型，在 FrontierCode 基准上达到 50.0 分；Google 面向 Windows 10/11 全球推出 Gemini 桌面应用；Meta 的 Muse 智能体与自定义语音功能也在推进中。

OpenAI：语音代理、Agents API 与金融版上线

OpenAI 今日集中释放多项产品更新。GPT-Live-1 已在 API 中可用，主打「全双工」（full-duplex）交互：语音代理可以在说话的同时持续监听用户输入，并支持把任务交接给其他模型处理。这意味着开发者可以构建更接近真人的语音对话体验，而不必依赖传统的轮次切换逻辑。

Agents API 进入公开测试阶段。该服务基于 Codex 框架托管云端智能体，并提供托管沙箱（hosted sandboxes）环境，配套的平台界面 UI 也在陆续推送中。

面向金融机构的 ChatGPT for Financial Services 已对符合资格的机构开放。产品内置 Work mode，并接入代号「Astra」的新一代模型（信源标注为 GPT-6 Astra），数据合作方包括 Daloopa、PitchBook 和 LSEG。

需求侧压力已传导到订阅端：200 美元档 Pro 新用户注册被暂停。OpenAI 方面表示是 Astra 需求超出产能所致；现有账号、其他套餐以及 API 均不受影响。

Cognition：SWE-2 发布并免费开放一个月

Cognition 在 Devin Desktop 与 CLI 中推出 SWE-2，据称基于 Kimi-K3 模型做后训练。主要看点：

在 FrontierCode 基准上达到 50.0 分
据称在性能上对标 Fable 5.1，成本低 64%
Pro、Max 与 Teams 订阅用户可免费使用一个月

同期，Cognition 还推出 Devin Voice，基于 GPT-Live 与 SWE-2 提供语音驱动的编程体验。

Google：Gemini Windows 桌面应用全球上线

Google 将 Gemini 桌面应用推向 Windows 10 与 Windows 11 全球用户。新版本支持 Alt + Space 全局快捷键呼出悬浮窗口，可用于起草、文档撰写以及多媒体处理，定位类似系统级 AI 助手。

Meta：Muse 共享智能体与自定义语音在路上

据信源透露，Meta 内部正在开发「共享 Muse 智能体」（Shared Muse agents），预计将在本月底的 Meta Connect 大会亮相。此外，用户可在聊天中通过提示词定制 Muse 语音，并在语音模式中选择使用；代码中已发现「工作声音」（working sounds）相关开关。

Cursor：Projects 进入测试

Cursor 推出 Projects 功能测试版。核心设计是「一个持久化协调线程 + 子智能体」架构，配合共享记忆、定时任务以及对 PR 与 Slack 频道的监听，试图为多步骤协作编程提供统一入口。

Perplexity：Automations for Computer 在开发中

Perplexity 正在测试「Automations for Computer」，允许用户按计划触发工作流或基于事件触发，并自动交付结果。该功能尚处于早期开发阶段，暂无明确上线时间。