Während Anthropic diese Woche Opus 5 und einen aufgebohrten Voice Mode gezeigt hat, legt OpenAI parallel nach — und zwar dort, wo gearbeitet wird: auf dem Desktop.
Voice zieht in die Desktop-App
Seit Mittwoch steckt ChatGPT Voice in der Desktop-App für macOS und Windows — und zwar direkt in Work und Codex. Du kannst natürlich sprechen, unterbrechen und Voice bitten, mit den Tools und Berechtigungen der jeweiligen Umgebung eine Aufgabe zu starten oder zu koordinieren. Technisch baut das Ganze auf dem Full-Duplex-Stack von GPT-Live auf, den OpenAI Anfang Juli gestartet hat.
Vom Reden zum Dirigieren
Der eigentlich interessante Teil: OpenAI hat Sprachsteuerung für Computernutzung und die Koordination mehrerer Agenten ergänzt. Heißt konkret — du kannst per Stimme den Rechner steuern und mehrere Agenten dirigieren, die in ChatGPT Work oder Codex laufen. Weil GPT-Live sprechen, zuhören und arbeiten gleichzeitig kann, verschwimmt die Grenze zwischen Ansage und Ausführung.
Das ist ein anderer Ansatz als bei Anthropic. Claudes Voice Mode setzt auf Modellauswahl und den Zugriff auf Apps wie Gmail oder Slack. OpenAI setzt auf den flüssigen Sprach-Stack und die Steuerung agentischer Coding- und Arbeitsumgebungen. Zwei Wege zum selben Ziel: Stimme als vollwertige Eingabemethode für echte Arbeit.
Meine Einordnung
Spannend ist das Timing. Innerhalb weniger Tage haben beide Labore ihren Sprachmodus in Richtung «Assistent, der handelt» geschoben — nicht «Chatbot, der plaudert». Der Unterschied liegt im Schwerpunkt: Anthropic bringt die Intelligenz und die App-Anbindung, OpenAI die Konversations-Flüssigkeit und die Agenten-Orchestrierung. Für uns als Nutzer heißt das vor allem eins: Die Frage ist nicht mehr, ob man mit KI spricht, sondern was dabei tatsächlich passiert. Und da wird es gerade richtig interessant.
Quellen: