ChatGPT、Gemini和Claude最近一轮更新指向同一个方向：AI助手正在走出各自的聊天窗口，进入人们日常工作的浏览器和办公应用。Claude如今可以在Google Docs、Sheets和Slides里，直接在你正在处理的文件旁打开。ChatGPT能浏览Chrome中打开的页面并加以操作，从填写表单到保存文件都能完成。OpenAI的语音模型新增了6种语言；Gemini可以连接外部服务，还能判断一张图片是否出自谷歌的AI工具；开发者则迎来了速度快得多的GPT-6.1新版本，以及一种成本更低的输入分类与评分方式。下面逐一说明每项变化能做什么、哪些已经可以日常使用、哪些在依赖之前值得仔细看看。
Claude进入谷歌办公应用
Anthropic新推出的Claude for Google Workspace可将Claude连接到Gmail、Google Calendar和Google Drive。安装其Chrome扩展程序后，Claude会以面板形式出现在当前打开的文档、表格或演示文稿的边缘，因此它编辑的是真实文件，而不是你复制到另一个标签页里的文本。
各应用中的典型任务如下：
- Docs： 重新梳理一份面向高管的人员配置计划，精简章节标题，并把项目符号列表转换成对比表格。
- Sheets： 导入CSV格式的预算数据，计算实际支出偏离计划的幅度，标出超支部门并生成汇总表。
- Slides： 把Salesforce中记录的客户备注与Drive文件结合起来，制作一整套季度业务回顾（QBR）演示文稿。
Claude网页版还新增了一个独立的Design板块，可从左侧菜单进入。用户无需Google Workspace，就能在Claude中制作演示文稿、界面布局、代码乃至完整的设计系统。已经在谷歌应用中工作的团队可能会更多地使用侧边面板，其他人则可以直接在Claude里制作同类材料。
ChatGPT伸向浏览器
把打开的Chrome标签页交给ChatGPT
在Chrome中添加官方扩展程序后，ChatGPT就能看到你的浏览器。在请求中加入“@Chrome”，它便会读取你当前打开的页面，并据此作答。假设你在几个购物标签页里比较多款沙发，然后问哪一款最适合自己的公寓。ChatGPT会逐一核对每件商品的尺寸、面料和价格，再给出它认为最合适的那一款。
它能做的不只是阅读。ChatGPT还可以代替用户填写网页表单、把文件保存到电脑，以及在网站之间点击跳转。调研和比较看起来是较为稳妥的入门用法。凡是涉及提交信息或下载内容的操作，最好还是亲自检查结果。
▲ 在打开的标签页间比较商品的AI
新语音模型，新增6种语言
在ChatGPT、dots和Codex中，OpenAI的Voice Mode（语音模式）现已改用名为GPT-Live-1.1的新模型。它带来了新的音色选择，并能用印地语、韩语、法语、日语、德语和墨西哥西班牙语流畅对话。它还去掉了反复出现的“Checking…”提示音。这一提示过去常常打断氛围编程，也就是不亲手写代码、而是向AI描述需求来开发软件的做法。
新语音模型同样可以在ChatGPT Work中使用。打开麦克风后，你可以让ChatGPT查看附件、使用工作区中的工具并触发插件，全程无需动手。
ChatGPT Work中的MCP应用
外部插件开发商和开发者现在可以基于Model Context Protocol（MCP，一种把AI模型连接到外部工具和数据的标准方式），为ChatGPT Work开发专用应用。YouTube分析服务vidIQ的应用就是一例。它会显示所连接频道最新上传内容的表现，以及同一细分领域中正在走红的其他内容。关键词视图会列出每个搜索词的月搜索量、竞争度评分，以及过去30天的需求变化。选择其中一项建议操作后，ChatGPT Work会在后台展开调研，给出更长期的策略建议，同时不会向用户展示驱动这一过程的提示词。
Gemini新增连接器和AI图片检测
名为“Customize Gemini”的设置菜单现在可以开启自定义技能，并接入第三方服务。现成的连接列表除Google Workspace外，还包括Dropbox、Canva、Shopify等，你也可以粘贴自选MCP服务器的地址。在聊天框输入“@”，所有已启用的技能和连接器都会显示出来，可以直接点名调用。
其中一项工具是@Verify AI，它基于SynthID，即谷歌用于识别其AI所生成内容的技术。上传一张图片并询问是否由AI生成，Gemini就会进行检查。一张普通的电脑桌面截图会被判定为并非出自谷歌的AI工具，而一张由AI生成的人像则会被标记为由谷歌AI生成或修改。
这一界限很重要。@Verify AI能判断是否有谷歌AI参与，却未必总能指出图片背后是哪款非谷歌工具。“未使用谷歌工具”的结论，并不能证明图片完全没有经过AI处理。
▲ 确认图片的来源
Gemini 4 Argon在谷歌成绩单中多数领先
Gemini 4 Argon现已出现在Gemini的模型选择器中，与Gemini 3.1 Pro等旧选项并列。谷歌将其定位为面向商业用途和多步推理的新一代顶级模型，主要针对深入分析复杂财务报告、制作演示文稿以及根据文本提示词生成3D模型等工作。
在谷歌发布的成绩单中，Argon在多数基准测试中超过了下表中的另外三款模型。基准测试是在相同任务上比较模型的标准化测试。
| 基准测试 | Gemini 4 Argon | Claude Opus 5.5 | GPT-6 Astra | Claude Fable 5.1 |
|---|---|---|---|---|
| Vals Index | 68.9% | 67.0% | 63.1% | 65.8% |
| AutomationBench | 51.3% | 42.5% | 41.4% | 31.4% |
| Vals Finance Agent v2 | 65.4% | 56.7% | 53.5% | 58.8% |
| DeepSWE v1.1 | 77.9% | 74.2% | 74.1% | 67.4% |
| Vibe Code Bench | 91.9% | 90.3% | 89.6% | 90.3% |
| GraphWalks 256k | 84.2% | 66.8% | 71.8% | 65.0% |
| LVBench | 91.7% | 83.7% | 87.5% | 79.7% |
| FrontierSWE v2 | 55.0% | 62.3% | 65.5% | 56.3% |
| Terminal-Bench 4.0 | 57.4% | 66.4% | 58.2% | 57.9% |
Argon并非全面领先。在Terminal-Bench 4.0和FrontierSWE v2上，它在四款模型中垫底。GPT-6 Astra在Terminal-Bench Science 0.1上以68.1%对57.6%胜过Argon，在OSWorld-2.0上以72.6%对69.2%领先。Claude Opus 5.5在PostTrainBench上以49.3%对45.3%领先，而在网络安全测试CWE-Bench v1上，Argon与GPT-6 Astra同为68.0%。这些是该公司自己公布的数据，而且在FrontierSWE v2这类衡量AI智能体独立完成编程任务能力的智能体编程测试中，Argon处于落后。为编程选择模型的人，应先用自己的任务试一试。
面向开发者：更快的输出与更便宜的判断
OpenAI已在API中加入GPT-6.1 Ultrafast，与GPT-6.1 Sol并列提供。它生成token（模型输出文本的小单位）的速度是Sol的8倍。每个token的价格更高，但速度意味着同样时间内能完成多得多的工作；对于等待时间是主要成本的大批量重复性智能体任务来说，这笔溢价看起来是值得的。
开发者控制台还新增了一个名为Decisions的工具。它独立于常规的聊天补全接口，可通过三种方式作出判断：
| 类型 | 返回内容 |
|---|---|
| Predicate | 某个陈述为真的可能性，以0到100的百分比表示，例如一只猫看起来是否放松 |
| Choice | 你所提供列表中每个选项的可能性 |
| Score | 经过校准的评分，指出输入在你所定义的等级阶梯上处于哪一级 |
由于Decisions不会生成完整回复，它几乎能即时响应，成本也远低于让大语言模型来做分类或检查。如果应用只需要一个标签、一次选择或一个评分，把这类调用交给Decisions看起来是一种轻松的节省办法。这个工具目前似乎还没有引起太多关注，但智能体需要做大量小型检查的开发者，或许可以把它放在本文所有工具中最先尝试。
哪些现在就试，哪些先验证
见效最快的，是那些内置在你每天都会打开的软件里的更新。至于速度上的宣传和基准测试上的胜出，最好先在自己的工作中验证，再更广泛地依赖。
| 更新 | 适合这样的你 | 第一步 |
|---|---|---|
| Claude for Google Workspace | 在Docs、Sheets或Slides中工作 | 从能快速核对的任务入手，例如预算审查或文档整理 |
| ChatGPT的@Chrome | 需要在多个标签页之间比较 | 用于调研和比较，表单和下载亲自检查 |
| GPT-Live-1.1语音 | 更喜欢说话而不是打字 | 在ChatGPT Work中试着用语音布置文件任务 |
| Gemini的连接器和@Verify AI | 希望一个助手打通多项服务 | 连接最常用的服务，并把@Verify AI只当作谷歌AI检测工具 |
| Gemini 4 Argon | 要交办复杂的多步骤工作 | 在模型选择器中选用，但要用自己的编程工作做比较 |
| Ultrafast与Decisions | 通过API构建智能体 | 速度决定产出时用Ultrafast，标签和评分交给Decisions |
三家公司的竞争，如今似乎既在比拼基准测试分数，也在争夺日常软件中的一席之地。在追逐下一个模型名称之前，不妨先看看这些工具中有哪些已经进入了你每天早上都会打开的应用。