OpenAI 將 GPT-Live 全雙工語音控制導入 Codex 與 ChatGPT 桌面應用程式
重點速覽
- •OpenAI 已將其 GPT-Live 全雙工語音模型嵌入 ChatGPT 桌面應用程式，首次與 Codex 及 ChatGPT Work 整合。
- •開發者可透過語音指令啟動多個並行編碼任務，例如錯誤調查、拉取請求審查及單元測試產生，而無需中斷工作流程。
- •此整合將即時語音層與執行引擎解耦，讓 GPT-Live 能夠維持流暢對話，同時由背景模型處理繁重的運算工作負載。
- •語音桌面功能僅限 Plus、Pro、Business、Enterprise 及 Education 方案的付費訂閱者使用，且底層系統保持完全封閉，無法自行託管。
- •此次發布引發了工程團隊關於調整程式碼審查標準、企業安全政策及稽核軌跡的實際問題，因為語音啟動的代理已具備修改儲存庫和觸發建置管線的能力。
在推出具備全雙工功能（可同時聆聽與對話）的 GPT-Live 音訊 AI 模型兩週後，OpenAI 正將該技術直接嵌入開發者工作流程。
該公司宣布 GPT-Live 現已驅動 macOS 與 Windows 上的 ChatGPT 桌面應用程式，並與 Codex 及 ChatGPT Work 等智慧代理系統整合，兩者為 ChatGPT 桌面應用程式中獨立的使用體驗。
OpenAI 最初於 2026 年 7 月 8 日推出 GPT-Live，展示了一款能夠同時聆聽與對話的連續音訊模型。該設計消除了僵化的輪替機制，同時將複雜推理工作委派給 GPT-5.5 等背景模型。本次最新發布將該對話層擴展至技術任務，讓軟體工程師能夠使用自然語音指令協調多執行緒編碼工作、審查拉取請求，以及對應用程式進行除錯。
此次更新可能為 Codex 與 ChatGPT Work 超過 1,000 萬每週活躍用戶開創免持操作軟體開發的新時代，甚至實現即時、面對面的群組編碼活動。Codex 是 OpenAI 專注於編碼的模型與框架名稱，不過該公司今年已將其擴展為更廣泛的生產力平台。OpenAI 發言人向 VentureBeat 表示，這標誌著語音啟動功能首次整合至這些智慧代理編碼工具中。此舉出現在 AI 輔助編碼市場日益競爭之際，GitHub Copilot、Anthropic 的 Claude 及 Google 的 Gemini 都在擴展自主開發能力——但尚未有任何一方推出全雙工語音作為編碼代理的主要控制介面。
OpenAI 發布了一段宣傳影片，展示其員工——Codex 開發者體驗工程師 Jason Liu 與 Codex 技術人員 Guinness Chen——在同一房間內對同一個 ChatGPT 桌面應用程式工作階段對話。每人分別發出不同的指令，並同時與同一個模型交流。
整合運作方式
此整合的核心在於將即時語音層與底層執行引擎解耦。GPT-Live 維持流暢的對話——在不打斷使用者的情況下插入自然的口語確認如「收到」——同時將繁重的運算工作負載傳遞給背景推理模型。
在 macOS 上，桌面應用程式融入了「Appshots」與螢幕情境功能，讓 ChatGPT Voice 能夠分析最前方的視窗，同時參照本機檔案、程式碼庫結構及作用中的外掛程式。此架構創造了一種結對程式設計的動態，開發者以對話方式討論問題，而代理則以非同步方式執行任務。
開發者不必暫停編碼工作階段來輸入詳細指令或切換視窗，而是可以完全免持操作來指揮系統。全雙工引擎會動態決定何時發話、暫停或調用工具，即使背景代理正在處理複雜的程式碼修改，也能維持對話狀態。
語音指揮編碼與複雜建置
此次更新的核心功能是跨 Codex 與 ChatGPT Work 環境的多任務執行。軟體工程師可以透過單一語音指令啟動多個並行的任務執行緒。例如，準備發布功能的開發者可以指示系統同時調查一個待處理的身分驗證錯誤、審查一個待處理的 API 遷移拉取請求，並產生缺失的單元測試。
桌面應用程式會跨不同情境協調這些操作，透過 Slack 對話、GitHub 儲存庫及本機程式碼庫追蹤問題。開發者也可以透過語音將設計原型轉換為可運作的程式碼，將任務拆分至前端、後端及測試層。
透過支援多資料夾專案（版本 26.715）及透過 iOS 進行遠端執行，工程師可以檢查任務進度、回應代理提示，並重新導向進行中的工作，而無需切換應用程式或逐行管理個別流程。
專有授權模式
OpenAI 的語音桌面版本採用專有的商業企業模式運作。使用權限僅限於 Plus、Pro、Business、Enterprise 及 Education 方案的付費訂閱者。
對於個人開發者與企業工程部門而言，這意味著模型權重、語音處理管線及代理狀態架構仍完全封閉。組織無法修改或自行託管底層系統。透過 ChatGPT Voice 啟動的任務會直接消耗現有 Codex 與 ChatGPT Work 方案配額中的標準使用額度，將語音觸發的操作與標準智慧代理工作負載同等對待。此封閉做法與 Meta 的 Code Llama 和 DeepSeek 的 Coder 等競爭對手所提供的開放權重編碼模型形成對比，不過這些替代方案尚未能匹敵 OpenAI 正在部署的整合式語音代理能力。
社群反應
開發者社群立即注意到了將連續全雙工語音導入自主編碼工作流程的影響。針對版本 26.715 發布公告——該公告詳述了語音整合與多資料夾專案支援——AI Insider 記者 @ChrisGPT 在 X 上表示：「Today OpenAI will release voice and remote guidance for codex ! One step closer to personal AGI」。
早期技術回饋凸顯了對免持操作協調複雜智慧代理任務的廣泛熱忱，特別是在離開工作站或遠端管理建置管線時。此次發布也引發了工程團隊的實際問題：隨著語音啟動的代理獲得修改儲存庫和觸發建置管線的能力，而無需傳統的鍵盤中介監督，程式碼審查標準、企業安全政策及稽核軌跡可能需要如何調整。
