就在刚刚，Anthropic 和 OpenAI 不约而同地宣布了语音模式的大升级。Claude 模型阵容扩充至 Opus 4.8 和 Sonnet 5，不仅能通过连接器操作 Gmail、日历等工具，还新增了 11 种语言支持。而 OpenAI 则推出了基于全双工架构的 GPT-Live，直接支持多 Agent 并行指挥及中文，并正式登陆桌面端。
Claude 语音模式升级
在此之前，Claude 的语音模式仅限于运行最小的 Haiku 模型。你跟它语音聊天，它能听懂，但稍微复杂一点的问题就容易翻车。现在，Opus 4.8 和 Sonnet 5 全系列均已上线。用户可在对话中随时切换模型，系统会自动调用该模型的最快版本。上下文无缝衔接，默认加载上次文字聊天的模型。交互上支持“免提持续监听”和“按住说话”两种模式。最引人注目的是“工具调用”功能的增强，语音对话中可直接连接 Gmail、日历、Slack 等应用，实现听令办事，如自动总结 Slack 消息或发送文档摘要。技术底层沿用文字聊天的 Connectors 架构，每次调用前会征求许可。不过，Claude 这次仅支持 11 种语言（英语、法语、德语等），并未包含中文。系统不会自动检测语言，用户需主动指定。此前开发者曾从代码中发现包含中文的 18 种语言列表，如今被砍至 11 种。
ChatGPT Voice 杀入桌面
相比之下，ChatGPT 语音模式采用了全新的底层架构——GPT-Live。这是一种全双工模型，能同时处理输入输出音频流，每秒做出几十次判断，无需等待对方说完即可回应。其采用双层架构：前台负责实时对话和打断，后台由 GPT-5.5 处理复杂推理和网页搜索。这种“委派推理”机制将对话延迟与推理深度彻底解耦，推理深度分为三档。基准测试显示，其专家级科学推理能力（GPQA）从 45.3% 跃升至 84.2%，网页搜索能力（BrowseComp）更是从 0.7% 飙升至 75.2%。在此基础上，ChatGPT Voice 正式登陆 macOS 和 Windows 桌面端。用户可设全局快捷键唤起，利用 Appshots 功能读取当前窗口内容，甚至能语音指挥多个 Agent 并行工作，如一边让 Agent 写代码，一边让另一个 Agent 查日志。
10 秒钟就能感受到两者差距
能否打断
Claude 是轮流制，必须等你说完它才想，想插嘴？等着。GPT-Live 支持打断，对话中途可随时插嘴。
能否一心多用
Claude 一次只能语音聊天。GPT-Live 可在后台操控电脑、指挥多个 Agent 同时干活。
能否动手
Claude 仅能操作 SaaS 工具。GPT-Live 配合 Computer Use 可直接操控桌面文件和程序。
想得有多深
Claude 虽有 Opus 4.8，但语音模式跑的是快速版，并非满血推理版。GPT-Live 高档位可异步调用 GPT-5.5 的深度推理能力。
连输入框都不需要的时代
看到这里，两家的分岔就清楚了。轮流制的 Claude，主打的是用你自己的 Gmail、日历、文档，帮你把自己那摊事理明白。全双工的 GPT-Live，主打的是像在跟一个人说话，可打断、可多线程、可操控电脑，让你忘记对面是 AI。
对不写代码的人来说，Claude 门槛低得多，有邮件要理、日程要排，张嘴就行。OpenAI 那条路更爽也更极客，你手里得先真有一队 Agent、有真活给它们干。正如 Greg Brockman 所言，比起语音，打字这件事本来就特别不自然。那把陪了人类四十年的塑料按键，如今正式被 OpenAI 和 Anthropic 同时逼到了墙角。