刚刚，Claude爆改语音新智元

刚刚，Anthropic和OpenAI同时放出了语音模式大升级！

Claude这边，从只能跑Haiku升级到Opus 4.8和Sonnet 5全系列，不仅能在对话里调Gmail、日历、Slack，还扩增到11种语言，但没有中文。

OpenAI那边，全双工GPT-Live直接搬上了macOS和Windows桌面，动动嘴就同时指挥一整队Agent，并且支持中文。

Claude Voice大升级

在此之前，Claude的语音模式只能跑Haiku，也就是最小的那个模型。

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都上了。

你可以在对话中途切换模型。系统自动调用所选模型的最快版本。注意，是最快版本，不是完整推理版本。

好消息是，语音模式会默认加载你上次文字聊天用的模型，文字和语音之间上下文不断，无缝来回切。

交互方面，则有两种模式：Hands-free持续监听自动回复，Push-to-talk按住说话松手结束。

当然，要说最重要的，那还得是「工具调用」。

语音对话中，Claude现在可以直接连接你的Gmail、Google Calendar、Slack、Google Docs、Canva。

说一句话，它替你翻邮件、查日历、读文档、发消息。

Anthropic的产品经理Robert Bye举了几个例子：

·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。

嘴上说完，活就干了。

技术上，语音里的工具调用和文字聊天走的是同一套Connectors架构，不是阉割版，每次调用前还会先问你要许可。

所有套餐都能用，但免费用户只有Haiku加1个连接器，Opus全套得氪金。用量从常规额度里扣，今天起全平台公测推送。

11种语言，没有中文

语言方面，Claude语音模式这次支持了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。

从头找到尾看一遍，没有中文。

对这部分用户来说，还是得继续打字。

而且Claude不会自动检测你说的是什么语言。

你得主动开口让它切，比如「请用日语跟我说话」，或者去设置里手动选。不切的话，默认是英语。

有意思的是，此前有开发者从Claude App的代码中扒出过一份语言列表，包含18种语言，其中明确写着Chinese。

结果，18种变11种，中文直接被砍了。

ChatGPT Voice杀入桌面

相比之下，ChatGPT的语音则是从底层换了一套全新的架构。

它用的是7月8日刚发布的GPT-Live，一个全双工语音模型。

所谓全双工就是，模型能够同时处理输入和输出音频流，并且每秒做出几十次判断，不用等你说完就能回应。

所以GPT-Live会在你说话中间「嗯嗯」「明白了」，像活人在听。

更进一步来看，它基于的是一个双层架构。

前台是一个轻量低延迟的语音模型，负责实时对话、轮次管理、打断响应，所有需要毫秒级反应的事。

后台是GPT-5.5，负责复杂推理、网页搜索、Agent任务。

当你问一个需要深度思考的问题，GPT-Live会把任务异步委派给后台的GPT-5.5，然后自己继续跟你聊，等结果出来了再汇报。

OpenAI管这个叫「委派推理」（Delegated Reasoning）。

具体来说就是，OpenAI把对话延迟和推理深度，被彻底解耦了。你不需要等大模型想完才能继续说话。

推理深度还能调三档：Instant最快，Medium中等推理，High深度推理，分别对应GPT-5.5的不同档位。免费用户用的是GPT-Live-1 mini。

从跑分来看，这个委派架构是真的管用，语音模式终于不再是「降级版聊天」了。

GPQA（专家级科学推理）从此前高级语音模式的45.3%跳到84.2%。

BrowseComp（Agent网页搜索能力）从0.7%飙到75.2%。

模拟真实多轮电信客服场景的τ³-Voice Telecom基准，GPT-Live也全面碾压。