深度体验GPT-Live：不只是语音输入，而是交互革命

前段时间，OpenAI把GPT-Live语音整合进了ChatGPT。我深度用了几天，发现已经回不去了。

先别急着觉得"不就是把打字换成了说话嘛"。不是这样的，我觉得这更像是一次交互革命。

GPT-Live干掉了窗口边界

GPT-Live是一套语音模型，底层是GPT-5.5。它跟豆包之类的语音模式最大的区别在于，不光是能跟你聊天，而是你可以用语音吩咐AI干活。就像跟一个同事交代任务一样，你一边说，它一边理解、一边执行。

以前用AI是打开一个窗口，告诉它A项目要干什么。突然想到还有个B项目要处理，你得新开一个窗口，另起一行对话。再来一个C项目，又是新的对话。三个项目三个窗口，你作为人，得在自己脑子里协调。

语音模式干掉的就是这个边界。

它不是也不是你说一段、它回一段。真正的变化是：语音变成了Codex的入口和中控。你可以像跟同事交代工作一样，边说边调整任务；它一边理解，一边把不同任务拆给子Agent执行。

这就相当于你在用语音调度整个工作现场。A项目改bug，B项目重构代码，C项目整理文档，都可以同时推进。你说到一半突然想到新任务，也可以直接插进去。每个项目各自往前走，Codex在中间帮你协调。

我自己用的时候，感受很明显。我让Codex把电脑上所有Claude Code的项目梳理了一遍，整个过程基本就是边说边做，而不是不停切窗口、复制上下文、重新解释背景。

所以这次Codex语音真正重要的是交互模式变了。交互模式一变，体验、效率，甚至工作方式都会跟着变。

这个方向，我看Claude Code也一定会跟进。Claude Code已经上线了语音模式，虽然目前跟Codex语音在交互深度上还有差距，但方向已经非常明确了。

每一次交互革命，开始都像玩具

当年iPhone刚出来的时候，全世界都在说触摸屏不如硬键盘。微软前CEO鲍尔默在镜头前哈哈大笑，说这玩意对商务人士完全没有吸引力，因为它没有键盘。

黑莓的人根本不相信："我们的键盘天下第一，谁会去用一个按不准的玻璃屏幕？"TechCrunch直接预测iPhone会惨败。

但乔布斯为什么坚持？

他认为硬键盘把每个APP锁死在一个固定的输入界面里，你的手机能做什么、不能做什么，被物理按键决定。而触摸屏让每一个APP都有自己的独立交互界面：音乐播放器的界面是滑动选歌，地图的界面是双指缩放，游戏的界面可以是任何形态。使用成本降到零，每个人拿起就能用。

这才是交互范式切换的本质。不是在原有框架里优化效率，是把框架本身换掉了。你的输入窗口从"一个输入框"变成了"整个桌面"。

用AI的最好方式是口喷

Karpathy最近在干一模一样的事。

前段时间他在X上分享了一种跟模型协作的方法：椅子往后一靠，切到语音模式，开始闲扯。

他原话形容的是："完全混乱，什么都行，纯粹的意识流。"有时候会在开头声明一下可能有拼写错误，就当访谈来做。唠个五到十分钟，然后把这一堆含扔给模型。

结果他发现在这个模式下，LLM极度善于从混乱的陈述中重构逻辑，它对你思绪的复现，比你自己的初始表达清晰得多。

这跟我以前用三万做战略分析的感受一模一样。一个人躺在床上养伤，直接用语音去描述，它的输出文档的可实操性和指导性，远高于一般人。因为过往已经给了它几十万字的东西，这些东西在一次次交互中，慢慢形成了你的思想脉络。

很多人高估自己，觉得脑海里的想法很清楚、概念很清晰、逻辑很严密。其实不是。你是通过跟它的大量交互，逐渐把这些东西理清楚的。

不沉浸使用，就没有真实判断

最后再说一句：千万别凭直觉判断一种交互模式的变化。

当年你要跟鲍尔默说触摸屏会统治世界，他能笑出声来。现在回过头看，不能说他蠢，只能说那时候每个人的直觉都被既有框架锁死了，你没在那个模式里沉浸过，就不可能真正理解它带来了什么。

只有自己花时间去用、反复去用、大量去用，才可能得出一点点真实的体验。读文章没用，看短视频也没用。谁能用得好，效率会极度地提高。

企业更是如此。

很多企业今天还停留在“让AI写写文案、做做PPT、生成几段代码”的阶段，这当然有价值，但还不是AI变革。真正的AI变革，是把AI深度嵌进组织的工作流里：怎么分配任务，怎么推进项目，怎么沉淀经验，怎么让一个人带着一组AI Agent工作。

如果你也是企业一把手，想用AI提升效率，但还不知道从哪里开始，8月15号的猎豹AI实战派，我们会把自己三年来做AI Native组织变革的经验，全部讲给你听，感兴趣的朋友欢迎扫码报名。