Gerade eben kann ChatGPT nun „mit der Stimme an die Arbeit gehen“.

Bei der Arbeit in Zukunft wird man möglicherweise keine Tastatur mehr benötigen.

Gerade heute hat OpenAI ein großes Update veröffentlicht.

Im Sprachmodus von ChatGPT konnte man bisher nur sprechen – ab diesem Moment kann es jetzt auch handeln!

E-Mails abrufen, Besprechungen verschieben, Präsentationen erstellen, Websites aufbauen, sogar doppelt abgebuchte Abonnementgebühren kann es für Sie per Brief zurückfordern. Sie müssen nur sprechen.

Das Tempo in der KI-Branche diese Woche ist unglaublich hoch.

Einen Tag zuvor hat Anthropic gerade Claude Opus 5.5 veröffentlicht, und etwa 90 Minuten später hat OpenAI GPT-6 Sol und Luna herausgebracht, wobei die Aufrufpreise direkt halbiert wurden.

Während alle noch die Kosten berechnen, hat OpenAI anschließend die gesamte GPT-6-Familie in den Sprachmodus integriert.

Die neue Version der App wird ab heute weltweit ausgerollt.

Unten im Netz gibt es Nutzer, die staunen: Diese Funktion wollte ich schon im letzten Monat haben.

Atty Eleti, Produktverantwortlicher von ChatGPT Voice, hat bei der Weiterverbreitung drei Wörter geschrieben: At long last. Endlich ist es da.

Mit Händen ausgestattet, mit neuem Gehirn versehen und direkt am Arbeitsplatz angekommen

Bei genauer Betrachtung stellt sich heraus, dass ChatGPT Voice dieses Mal nicht nur das Modell ausgetauscht hat.

Mit Händen ausgestattet: Plugins sind in den Sprachmodus integriert worden. Diese praktischen Funktionen haben die Nutzer schon lange erwartet. Der vorherige Voice-Modus war nur ein gesprächiger Begleiter, mit dem man eine Stunde lang plaudern konnte – aber wenn man fragte, wann morgen die Besprechung stattfindet, wusste er keine praktische Lösung.

Mit neuem Gehirn versehen: Die drei Mitglieder der GPT-6-Familie laufen im Hintergrund.

Astra ist das größte Modell, es ist am besten darin, Computer zu bedienen und komplexe Aufgaben mit vielen Schritten zu lösen; Sol liegt in der Mitte und ist für Schlussfolgerungen zuständig; Luna läuft am schnellsten und ist am günstigsten.

Für die Echtzeitunterhaltung mit Ihnen wird weiterhin das sprachspezifische GPT-Live-Modell verwendet, während GPT-6 im Hintergrund die Aufgaben übernimmt.

Auch kostenlose Nutzer können es verwenden: Sie können Plugins im Sprachmodus nutzen, und auf dem Desktop-Gerät können sie auch Luna verwenden.

Direkt am Arbeitsplatz angekommen: Der Sprachmodus ist in ChatGPT Work integriert.

Work ist der Agent, den OpenAI im Juli veröffentlicht hat.

Geben Sie auf dem Handy einfach eine Anweisung, dann erstellt es Tabellen, Präsentationen und Websites oder navigiert selbst im Browser; nachdem Sie das Gespräch beendet haben, wird die Aufgabe in Text umgewandelt und weiterbearbeitet.

Ein Kommentar eines Nutzers ist sehr treffend: Es ist viel besser, wenn das Modell wirklich auf Ihre E-Mails, Kalender und Slack zugreifen kann und Sie mit einem einfachen Satz eine Präsentation erstellen lassen, als nur die Versionsnummer des Modells zu erhöhen – das ist erst ein echtes Upgrade.

Nachdem die Funktionen erläutert sind: Für wen möchte OpenAI sie anbieten? Die Antwort liegt im Werbevideo.

Die Hauptfiguren des Werbevideos sind eine Gruppe von Großmüttern

Dieses Werbevideo von ChatGPT Voice dauert nur 125 Sekunden, und wenn man es von Anfang bis Ende anschaut, findet man fast keine Person, die Code schreibt.

Die meisten Hauptfiguren sind ältere Frauen: Eine knetet Teig in der Küche, das Handy steht auf der Arbeitsfläche; eine bearbeitet Tonware, ihre Hände sind voller Lehm; eine andere sitzt im Schönheitssalon mit Lockenwicklern im Haar.

Alle haben keine freien Hände, also benutzen sie ihre Stimme.

Die Demonstration ist auch sehr alltagstauglich.

ChatGPT findet heraus, dass für ein Magazin zweimal Geld abgebucht wurde, kündigt das doppelte Abonnement und schreibt dann eine E-Mail, um die Rückerstattung zu beantragen. Dann bittet jemand es, einen Onlineshop für Tonwaren aufzubauen, sogar die Kassenseite wird bereits eingerichtet.

Früher musste man für diesen gesamten Vorgang zwischen drei Apps wechseln und im Posteingang so lange scrollen, bis die Augen müde werden.

Jetzt reicht ein einziger Satz.

Trotzdem gibt es natürlich noch Probleme.

Zuerst die Genehmigung: Nach den Regeln des Hilfecenters müssen Sie bei sensiblen Vorgängen wie dem Versenden von E-Mails manuell auf dem Bildschirm bestätigen – ein mündliches "Ja" reicht nicht aus.

Dieser Regel stimme ich voll und ganz zu: Wenn die Spracherkennung einen Namen falsch erkennt, könnte die E-Mail im Posteingang einer falschen Person landen.

Dann die Nutzungslimits: Plus-Mitglieder haben innerhalb von 24 Stunden nur 3 Stunden Sprachnutzung, das 200-Dollar-Pro-Abo hat keine Begrenzung der Nutzungsdauer. Wenn Sie in Work eine Anweisung sprechen, wird gleichzeitig die Sprachdauer abgezogen und die Aufgabenmenge berechnet – beide Konten werden parallel geführt.

Der Wettbewerb um den Zugangspunkt erreicht die Sprachebene

Was OpenAI vorhat, ist leicht zu erkennen.

Früher musste man bei der Nutzung von KI erst lernen, Fragen einzutippen, und dann die Antworten Stück für Stück kopieren und einfügen.

Was OpenAI jetzt anstrebt, ist, dass Sie einfach einen Satz sprechen, und es bewegt sich selbstständig zwischen E-Mail, Kalender, Tabellen und Webseiten.

Vor drei Wochen wurde GPT-6 Astra veröffentlicht, alle konzentrierten sich darauf, dass es bei den Top-Mathematiktests 98% erreicht hat, und auf den Satz von OpenAI-Präsident Brockman: "Willkommen im Zeitalter der AGI".

Dieses Mal denkt OpenAI über etwas anderes nach: Das Modell ist so intelligent geworden – kann eine Person, die keine Lust hat, zu tippen, ihre Aufgaben direkt an es übergeben?

Es ist nicht das einzige Unternehmen, das um diesen Zugangspunkt konkurriert.

Vor zehn Tagen wurde das neue Siri mit Gemini zusammen mit iOS 27 veröffentlicht. OpenAI hat bereits im Juli mitgeteilt, dass über 150 Millionen Menschen per Sprache oder Diktierfunktion mit ChatGPT sprechen, aber die eigene Hardware wird frühestens nächstes Jahr auf den Markt kommen.

Im Moment ist das Handy das Gerät, das Ihrem Mund am nächsten ist.

Die Großmütter im Video werden wahrscheinlich nie Codex öffnen und nicht verstehen, wie viele Versionen GPT-6 hat. Aber sie können sprechen.

Referenz: https://x.com/OpenAI/status/2102808325742322002

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Neue Intelligenz“, Autor: ASI Offenbarung; Redakteur: Solomon, veröffentlicht mit Genehmigung von 36Kr.