ChatGPT移动端加入语音智能代理功能

此次更新的核心是将ChatGPT此前已经逐步加入桌面端的Agentic Work能力带到手机上。对于Plus和Pro用户，手机端的Work标签页现在可以直接用于创建文档、起草邮件以及总结Slack消息等工作，同时还能够执行网站创建、制作演示文稿、使用云端浏览器以及处理财务相关任务等更复杂的工作流程。

对于Free和Go用户，OpenAI则将重点放在插件和已连接应用的使用上。这意味着不同订阅级别的用户都能够让ChatGPT与外部工具和应用协同工作，只是可使用的具体功能范围有所不同。

此次更新还改变了ChatGPT语音模式本身的表现方式。OpenAI表示，语音对话现在能够提供更加丰富的文本输出，用户在与ChatGPT进行语音交流时，可以同时看到更加完整的文字信息。Plus用户还能够更加方便地在文字和语音模式之间切换，不必结束当前对话后再重新开始。

跨设备连续工作也是此次更新的重要组成部分。用户可以在外出时通过手机用语音告诉ChatGPT开始处理一项工作，随后回到电脑前继续查看和完成任务。也就是说，手机端主要承担随时发出指令和启动任务的角色，而桌面端则可以继续处理更加复杂的工作流程。

这种变化与OpenAI近年来对语音交互的持续投入有关。今年7月，OpenAI推出了新的GPT-Live语音模型，重点提升了自然对话、打断处理以及连续交流能力。随后，OpenAI又把这一语音能力带到了桌面应用，让用户能够通过语音控制ChatGPT Work中的智能代理，或者在Codex中完成软件开发任务。

此前的桌面版已经能够让用户通过语音发出包含多个步骤的复杂指令。例如，开发人员可以直接告诉ChatGPT创建一个新的代码线程、提交Pull Request并寻找程序漏洞的根本原因，而无需逐步输入每一个操作。此次移动端更新则基本沿用了这种思路，只是把语音控制和智能代理能力进一步延伸到了手机。

OpenAI认为，语音正在成为人们与AI完成复杂工作的一个重要交互方式。相比必须停下来输入文字，用户在走路、通勤或者处理其他事情时，可以直接通过语音告诉AI需要完成什么，然后让智能代理在后台继续执行。

这一趋势也与OpenAI此前对语音技术的定位一致。公司已经表示，希望随着模型能力不断提高，语音最终能够成为一种主要的计算机交互方式，用户可以通过自然语言持续指挥AI完成越来越复杂、持续时间越来越长的任务。

OpenAI在今年7月推出GPT-Live时还展示了这种发展方向。新的语音模型不仅能够更加自然地处理用户打断，还可以在持续语音交流的过程中调用更先进的文本模型进行搜索、推理和Agentic任务。这样一来，语音模式不再只是一个负责“说话”的界面，而是逐渐成为控制整个AI工作系统的入口。

此次移动端更新也意味着OpenAI正在逐渐改变ChatGPT手机应用的定位。过去，移动版ChatGPT主要承担问答、搜索、写作和语音聊天等任务，而现在用户可以直接从手机启动一项完整的工作流程，并让AI在连接的应用和工具中完成实际操作。

与此同时，OpenAI的做法也与竞争对手正在采取的方向形成竞争。Anthropic近期同样在强化Claude的移动端和桌面端协同能力，并进一步整合Cowork与Claude的聊天界面，使用户能够从移动设备发起任务，再转移到桌面继续处理。不过，两家公司在产品结构上的选择仍然有所不同，OpenAI目前依旧将普通聊天界面与Work等工作空间分开。

从OpenAI目前的产品路线来看，语音、智能代理以及跨设备工作正在逐渐融合。用户未来不一定需要打开特定应用、寻找具体按钮，再一步步操作软件，而是可以直接说出自己的目标，由ChatGPT负责理解任务、调用工具并执行多个步骤。

此次移动端更新因此并不只是增加一个语音聊天功能，而是让手机上的ChatGPT开始具备“语音指挥工作”的能力。随着OpenAI继续完善GPT-Live以及Work等产品，ChatGPT的语音模式正在从单纯的对话工具逐渐转变为连接用户与AI代理、外部应用以及实际数字工作流程的入口。