Anthropic 升级 Claude 语音模式，支持 Opus、Sonnet 及应用连接器

直到本周，所有与 Claude 的语音对话都运行在 Haiku 模型上，这是 Anthropic 最小、最快的模型，优先考虑即时回复而非深度推理^[1]。新的语音模式允许用户在对话中途切换至 Sonnet 或 Opus，选择这些模型后，对话将真正通过所选模型处理，而不会像以前那样悄悄回退到 Haiku^[2]。这些模型在原始能力上并无巨大差异——根据 Fireship 的说法，Sonnet 在编码基准测试中的表现可达 Opus 的 95% 至 99%，但成本仅为后者的一小部分^[2]。然而，此前仅限 Haiku 的设置虽然适用于简单快速的问题，但在处理更复杂请求时表现吃力^[8]，这种限制本质上排除了 Claude 文本界面长期以来提供的多步骤推理能力。现在，付费账户默认使用用户上次在文本聊天中使用的模型，使推理深度在不同交互模式间保持一致，而非在麦克风前重置^[2]。

在本次发布之前，Claude 用户社区中已形成一种普遍抱怨：语音模式感觉比打字浅薄，因为人们普遍认为无论选择哪个模型，系统实际上始终运行在 Haiku 上；它似乎无法像文本聊天那样在对话轮次间保留记忆或上下文，且轮次切换显得笨拙（尽管一些讨论指出，早前的更新已改善了免提打断体验）。事实证明，关于 Haiku 的猜测直到现在都是正确的^[1]——这正是本次更新通过允许语音会话路由至 Sonnet 和 Opus 来弥补的差距^[2]。但本次发布并未解决记忆问题：无论是 Anthropic 自身的表述还是相关报道，均未声称语音会话现在能像文本对话那样在轮次间保留上下文，因此即使推理能力提升，这一特定痛点可能依然存在。

更大的结构性变化是，语音对话现在可在用户授权后读取并操作已连接的应用程序——包括 Gmail、Google Calendar、Slack、Canva 和 Notion^[3]。行业报道反复强调这是与竞争对手最明显的区别：OpenAI 的语音模式仍无法调用外部工具完成实际任务，而 Claude 现在可以^[2]。这延续了 2025 年 5 月发布时的模式，当时语音模式已为付费订阅者提供对 Google Workspace（日历和 Gmail）的集成^[4]——连接器列表随着可用推理模型的扩展而增长。Anthropic 将本次发布定位为“智能与工具访问”的结合，同时指出今年晚些时候还将推出更多语音更新^[5]。

与某些竞争对手的双向、语音原生语音系统不同，Claude 的语音模式仍为轮次制：它先倾听，暂停思考，再回应，而非同时处理语音输入^[5]。TestingCatalog 将此视为一项明确的战略选择而非技术局限：“Anthropic 的策略与 OpenAI 的双向语音原生方法形成对比，其选择是在传统语音基础设施上叠加更强的推理模型。”^[2]这种权衡在其他方面也有体现——语言切换仍需手动从约 11 种支持语言中选择，无法在对话中自动检测^[5]。Anthropic 押注的是推理质量而非对话延迟，认为前者才是当前最值得优先解决的瓶颈。

此次升级是持续迭代节奏中的最新一步，而非一次性发布。语音模式于 2025 年 5 月在 Sonnet 4 上首次推出，仅支持英语，提供五种语音选项，免费用户在达到使用上限前可进行约 20 至 30 次对话^[4]。2026 年 3 月，Anthropic 为 Claude Code 推出独立的按住说话语音模式，允许开发者免费发出语音编码指令^[6]。多语言支持和按住说话切换功能随后从 2026 年 6 月起逐步在 Claude 的移动应用中推出，早于本月的模型和连接器升级^[7]。结合这一时间线来看，2026 年 7 月的发布更像 Anthropic 在稳步缩小语音模式与文本界面长期存在的能力差距——这一差距迫使其加快步伐，因为此次更新紧随 OpenAI 推出新一代对话模型家族及其语音模式更新之后^[8]。

此次升级明确分层：免费用户仍被限制在 Haiku 模型和一个已连接应用，而付费用户则可完整使用 Opus、Sonnet 及全部五个连接器应用^[3]。这种限制机制与 2025 年初版发布时将 Google Workspace 集成仅限于付费用户的做法一致^[4]——自发布首日起，访问 Claude 最强语音体验的权限就始终遵循这一高端界限。