OpenAI上线GPT-Live-1 API，谷歌推Gemini桌面版，DeepSeek新模型登陆WorkBuddy

2026-09-15 12:49 1 阅读

OpenAI上线GPT-Live-1 API，语音交互更接近真人对话

OpenAI正式开放GPT-Live-1 API，这是其首个专为实时语音交互设计的模型接口。与以往先转文字再生成回复的流程不同，GPT-Live-1实现了端到端的语音理解与合成，系统延迟显著降低。

该API支持全双工对话，意味着用户可以在AI说话中途打断，模型能即时响应并调整上下文。它还能处理停顿、背景杂音等真实通话中常见的干扰。官方示例显示，该模型已能胜任餐厅预订、客服应答等任务，甚至能根据对话节奏自然插入“嗯”“好的”等语气词。

值得注意的是，GPT-Live-1并非独立大模型，而是基于现有GPT架构优化的语音专用接口。开发者需通过Audio API调用，并配合工具调用（function calling）能力实现外部操作，比如查询日历或下单。目前该API按秒计费，适用于需要低延迟语音交互的应用场景。

国产大模型厂商深度求索（DeepSeek）的新版本V4.1-Flash已在WorkBuddy平台上线，并提供为期两周的免费试用。这一版本最大的变化是原生支持多模态输入，用户可直接上传图片、PDF或表格，模型能结合文本指令进行分析。

相比此前的V4-Flash系列，V4.1-Flash在推理速度和上下文长度上有所提升，官方称其在代码生成和数学推理任务中表现更优。与此同时，旧版V4-Flash和实验性的V4-Flash-Vision-Exp已从平台移除，用户无法再调用。

WorkBuddy作为面向开发者的模型测试平台，此次更新后默认推荐V4.1-Flash。用户反馈显示，新模型在处理混合格式文档（如带图表的财报）时理解更准确，但对复杂图像（如手绘草图）的识别仍有局限。

谷歌正式推出Gemini Windows桌面应用，兼容Windows 10和11系统。安装后，用户可通过全局快捷键（默认Ctrl+Alt+G）在任何界面呼出AI助手，无需切换窗口。

该应用支持多步骤任务处理。例如，用户可要求“整理上周会议纪要，生成待办事项，并邮件发送给团队”，Gemini会依次调用日历、文档和邮件功能完成操作。此外，它还能生成图片和短视频，但需联网调用云端模型，本地仅支持文本交互。

目前桌面版功能与网页版Gemini基本一致，但响应速度更快，且支持离线缓存部分历史记录。不过，高级功能如代码调试或数据分析仍需订阅Gemini Advanced。谷歌表示，未来将增加对第三方应用的深度集成，比如直接操作Excel或Photoshop。

蚂蚁集团CTO韩歆毅近期表示，智能体商业的“ChatGPT时刻”已经到来——不再只是演示聊天机器人，而是真正促成交易。他举例称，用户现在可以通过智能体直接预订酒店、购买保险或转账付款，整个过程由AI驱动，但交易结果真实有效。

为支撑这一转变，蚂蚁推出了AI支付体系，核心是“可信承诺引擎”。该机制确保每笔AI发起的交易都经过用户明确授权，且行为可追溯、可撤销。例如，当智能体代用户订餐时，系统会先弹出确认框，显示金额、商户和退款规则，用户点击“同意”后才执行支付。

同时，蚂蚁宣布设立1000万元发展基金，用于扶持智能体开发者。申请者需提交具体场景方案，如“AI导购”或“自动报销”，通过审核后可获得算力补贴和技术支持。首批入选项目预计在年底前上线支付宝生态。

环球音乐集团（UMG）与AI语音公司ElevenLabs达成多年期战略合作，双方将共同开发一个基于正版授权的AI音乐创作平台。这意味着未来创作者使用AI生成人声或伴奏时，所用的歌手音色和音乐素材均来自合法授权库。

合作细节显示，平台将允许词曲作者上传原创旋律，选择签约艺人的AI音色进行试唱，并生成完整demo。艺人也可主动提供自己的声音模型供授权使用，收益按协议分成。ElevenLabs负责技术实现，包括声音克隆的保真度和防滥用机制。

此举被视为AI音乐走向合规化的关键一步。过去一年，多家唱片公司起诉AI公司未经许可使用艺人声音训练模型。UMG此次选择合作而非对抗，意在将AI纳入现有版权体系。平台预计2027年初上线测试版，初期仅对签约创作者开放。

马斯克旗下的SpaceX AI团队宣布将进行一场为期三天的直播，全程展示如何仅靠Grok Bot（xAI团队开发的智能体）从零搭建一家公司。活动涵盖产品构思、网站开发、客户获取到售后支持的完整链条。

根据预告，第一天将演示Grok Bot如何根据市场需求生成产品原型，并编写前端代码；第二天聚焦销售环节，包括自动生成pitch deck、模拟客户谈判；第三天则处理运营事务，如设置支付系统、分析用户反馈。

值得注意的是，直播中所有操作均由Grok Bot执行，人类仅提供初始指令。xAI团队称，这并非概念演示，而是真实可复现的工作流。活动结束后，相关工具链将开源，供开发者参考。

商汤科技的AI办公智能体“小浣熊”正式推出iOS和安卓App。用户可在手机上通过语音下达指令，如“把昨天会议提到的三个需求整理成文档，发给张经理”，指令会同步到电脑端持续执行，即使手机锁屏也不中断。

“小浣熊”搭载商汤自研的多模态智能体引擎，能理解碎片化信息。例如，用户先在微信收到一张表格截图，随后语音说“提取Q3数据做趋势图”，智能体会自动关联前后信息完成任务。它还支持企业内网数据接入，在合规前提下融合内外部知识。

目前该App免费使用，但高级功能（如长文档分析）需订阅。商汤表示，下一步将开放API，允许企业定制专属智能体，比如对接内部CRM或ERP系统。

支付宝近期对其AI支付产品进行重大升级，核心是从“可支付”转向“可信支付”。新推出的AI钱包智能体能自动管理用户的所有AI交易，比如记录某次由智能体代订的机票，并提供一键退款入口。

同时，支付宝发布了三大“AI收”能力：Vibe Pay（基于氛围感知的支付，如根据聊天情绪推荐礼物）、Skill Pay（按技能付费，如AI家教按解题数量计费）、Machine Pay（设备间自动结算，如打印机耗材不足时自动下单付款）。

底层支撑是APASS商业信任基础设施，基于KYA（Know Your Agent）理念，为每个智能体建立身份档案，记录其意图、授权范围和历史行为。当用户与陌生智能体交易时，系统会显示其可信评分和过往纠纷记录。目前该体系已在部分商家试点，预计年底全面开放。