OpenAI发布语音推理模型，Meta员工因AI监控与裁员压力陷入焦虑

今日概览

01 OpenAI发布三款语音智能模型，实时交互进入GPT-5级推理时代

OpenAI于5月7日发布三款全新语音模型，标志着AI语音交互从”快问快答”向”边想边做”的重大升级。三款模型分别是：GPT-Realtime-2（首款具备GPT-5级推理能力的语音模型）、GPT-Realtime-Translate（支持70+语言实时翻译）、GPT-Realtime-Whisper（流式语音转文字）。

GPT-Realtime-2的核心突破在于将推理能力嵌入语音交互。与传统语音助手不同，它能够在对话过程中调用工具、保持上下文、处理打断和纠正，并将内部思维通过”checking your calendar”等提示语传递给用户。上下文窗口从32K扩展至128K，支持更复杂的agentic工作流。Zillow已利用该模型构建能听懂”帮我找符合BuyAbility条件、避开繁忙街道的房源”这类复合需求的语音助手。

GPT-Realtime-Translate实现了语音到语音的实时翻译，不再需要”语音→文字→翻译→语音”的三步中转。输入覆盖70+语言，输出支持13种语言。Deutsche Telekom正将其用于多语言客服场景，用户可以用母语与客服对话，模型在后台完成实时翻译。

这三款模型共同指向一个趋势：语音正在成为继文本之后的新一代应用交互层。Priceline规划用语音管理整个旅行流程——从航班搜索、酒店预订，到航班延误自动改签、实时机场导航。OpenAI在安全白皮书中同步披露了Codex的内部安全治理实践，展示如何在”让AI快速行动”与”保持人类控制”之间取得平衡。

关键标签

来源

02 Meta追踪员工电脑活动训练AI，万人裁员倒计时引爆内部焦虑

The Verge于5月8日披露，Meta正在追踪员工电脑使用活动以训练AI模型，并计划于5月20日启动约8000人裁员（占员工总数10%）。《纽约时报》报道称，Meta要求员工大量生产AI Agent，导致内部出现”Agent找Agent、Agent评价Agent”的混乱局面，引发员工愤怒与焦虑。

知情人士透露，部分员工已不再将Meta视为可长期发展的平台，有人正在积极寻找新工作，也有人试图”主动申请被裁”以获得遣散费。Meta还授予高管9.21亿美元股票期权与此同时，Zuckerberg在全员大会上将裁员与AI基础设施投入直接挂钩——2026年AI资本支出预计达1250亿至1450亿美元。

这一事件折射出科技行业一个更深层的矛盾：AI正在取代知识工作者的工作，但这些被取代者首先被迫成为训练AI的数据来源。员工对Meta的信任正在这两个层面同时崩塌——不仅担心被AI取代，更不满自己的劳动成果被无偿用于训练将取代自己的系统。

关键标签

来源

03 Codex推出Chrome扩展：AI编程助手首次深度集成浏览器操作

OpenAI于5月7日发布Codex Chrome扩展，实现AI编程助手首次通过浏览器直接操作用户已登录的网站和应用程序。Codex现在可以在用户正常使用Tab时，代替用户完成粘贴表单、点击按钮、滚动页面等操作，任务完成后用户可直接接管。

该扩展支持”任务专用”Tab分组，用户可以保留活跃Tab继续工作，同时Codex在后台操作其他Tab。这意味着AI不再局限于”读代码”和”写代码”，而是开始掌握”操作软件”的完整能力链条——感知界面、理解任务、操作执行、验证结果。

Mozilla同日披露，Claude AI已协助发现并修复Firefox中271个Bug，其中部分为安全漏洞。通常Mozilla会保守这些修复细节数月，但”鉴于整个软件生态系统的紧迫性”，Mozilla破例提前公开了部分修复报告。这一细节既展示了AI在代码安全审计领域的实用价值，也暗示AI对软件生态的渗透正在从”辅助工具”升级为”基础设施”。

关键标签

来源

快速新闻