7 月 23 日，OpenAI 把 ChatGPT 语音推到桌面版，全球同步给 Plus、Pro、Business、Edu、Enterprise 各档用户。这版语音能直接指挥电脑，并协调在 ChatGPT Work 和 Codex 里运行的多个智能体，背后由 GPT-Live 驱动，几乎是同时说话、同时听、同时分配任务。Anthropic 选了同一个时间窗口，把 Claude 语音模式从 Haiku 扩到 Opus、Sonnet 全系，并正式接上 Gmail、Slack 等工具以及多语言支持。
两家在同一天上桌，纯属巧合。结构上的事不是巧合。
两家拼的是什么
OpenAI 的桌面语音把自己定位成系统的"前台"。用户用嘴说话，应用层负责把请求拆给不同的 agent。ChatGPT Work 处理日常协作，Codex 处理代码任务，调度在前台完成。语音不是新交互方式，是新的派单台。
Anthropic 的路线选择不同，它保留原有 Claude 客户端的形态，但把语音模式升级成跨模型、跨工具的统一入口。Opus、Sonnet、Haiku 全系都接进来，Gmail、Slack 作为外部工具注册。用户依然在 Claude 里，但 agent 的边界已经扩到自己的整套工作流。
这两条路在产品形态上分歧明显，在战略取向上高度一致：把"语音 + 桌面"打成新统一入口，让 agent 不再寄生在某个垂直应用里。
为什么不是 IDE
7 月 22 日，Cursor 刚发了 Cursor Router，把模型选择变成 IDE 内部的路由问题。这件事我前一篇已经写过。
Cursor Router 是 IDE 内部的智能调度，它假设用户已经在 IDE 里，IDE 是默认工作位置。它不抢前台，它优化前台之后的那一段链路。
OpenAI 和 Claude 这次做的事情不同：它们在抢前台。语音加桌面这件事，本质上是把 agent 的入口从 IDE、浏览器、终端的某一个角落，挪到用户最自然的位置。在桌面操作系统层面接管入口，意味着 IDE 不再是 agent 的必经之路。
Cursor、Anthropic、OpenAI 都意识到，agent 的入口之争会决定模型层之上的整套分发秩序。Cursor 用 routing 做 IDE 内的优化，Anthropic 和 OpenAI 直接换前台。这是一组并列策略，不是一组相互替代的策略。
开发者 Agent 早就到顶了
在过去一年里，coding agent 是 agent 化的主战场。Claude Code、Codex、Cursor Composer、Copilot Coding Agent，几乎所有大厂都把它当成标杆来打磨。原因很简单：开发者的工作流是结构化的，工具调用清单很明确，评测可量化，能写 benchmark，能拼 leaderboard。
这条赛道现在拥挤到了边际收益递减。Cursor Router 的核心价值，是承认"60% 的开发者选定一个 daily driver"，然后把成本曲线压平。Anthropic 和 OpenAI 不再单独给 coding agent 加新功能，而是把入口挪到桌面层，让 coding agent 成为语音桌面里的一个被调度的 worker。
把入口挪到桌面的另一个好处，是 coding agent 的能力开始溢出到非开发者。Cursor 的用户是开发者；ChatGPT 桌面版的语音入口面对的是 Office 用户、产品经理、运营、客服。在 Plus 和 Pro 之外覆盖 Business、Edu、Enterprise 这个档位时，它在意的显然不只是写代码。
非开发者 Agent 才刚开始
把入口从 IDE 挪到桌面，意味着 agent 的设计目标从"替开发者做事"扩展成"替所有用电脑的人做事"。这一层增量，比 coding agent 自身的提升大得多。
OpenAI 把 ChatGPT Work 跟 Codex 并列，说明在它的产品蓝图里，办公协作类的 agent 跟代码类 agent 已经享有同等地位。Anthropic 把 Gmail、Slack 接进 Claude 语音模式，是同一个意思：当用户开口说"把今天的会议摘要发给 #design 频道"，Claude 不会再问"你想用哪个模型"或"你想在哪一步确认"。
这件事的非平凡之处在于，它把 agent 的产品定义从"高级搜索 + 命令行"拉回到"前台接待"。前台接待的关键指标不是 benchmark，是用户愿不愿意反复回来。一个会写代码的 agent 和一个能顺手把会议摘要发出去的 agent，对日常工作流的覆盖深度完全不一样。
几条对 builder 真正有用的判断
第一，能被语音调度的 agent 才有未来。所有只接受结构化 prompt 的 agent，会被慢慢挤到后台，由前台统一派单。把 agent 设计成"等指令而不是开菜单"，是这一波桌面语音的直接压力。
第二，工具注册表比工具本身更值得投资。Anthropic 这一版把 Gmail、Slack 显式接进语音模式，工具不再藏在系统提示里。OpenAI 让 Codex、ChatGPT Work 在同一个语音入口下被调度，等于把"工具 + 子 agent"做成可注册的清单。围绕这套清单的能力会越来越值钱。
第三，桌面的 agent 调度层会变成一个新的操作系统角色。Windows Copilot、macOS Apple Intelligence，以及现在这一轮桌面语音 agent，都在往同一个方向靠拢：成为 OS 级的入口。builder 需要把"在桌面上被谁调度"纳入产品设计，跟当年的"在 App Store 里被谁推荐"是同等级的战略问题。
第四，routing 和入口不是同一个问题。Cursor Router 解决的是模型层内部的效率问题，前台语音 agent 解决的是入口层的归属问题。这两层会长期共存，但它们对 builder 的约束不同。routing 是被 IDE 厂商托管的，入口是被 OS 厂商和模型厂商托管的。builder 真正可控的那一层，是"在入口层之下提供可以被调度的能力"。