Ep 826: ChatGPT goes Jarvis Mode, Claude can learn from you, Google unleashes spark agent and 7 more AI updates you can use today

ChatGPT 化身“贾维斯”、Claude 学习你的工作流：7 大即刻可用的 AI 生产力新功能

ai-productivity-updates-jarvis-mode

在经历了短暂的平静后，AI 领域迎来了一次密集的功能大爆发。Google、Microsoft、Anthropic 和 OpenAI 在短短几小时内相继推出了多项重磅更新。本文将深入解析这些已正式上线、企业和个人可即刻部署的 AI 新功能，探讨它们在实际业务场景中的应用价值与生产力提升潜力。

1. ChatGPT 健康数据集成：统一的医疗与健康数据分析

OpenAI 正式向所有美国用户（涵盖免费和付费层级，支持 iOS）推出了 ChatGPT 健康集成功能。该功能允许用户将 Apple Health 和支持的医疗记录直接接入 ChatGPT，在一个注重隐私的隔离空间中集中管理健康数据。

• 核心功能：追踪化验结果趋势、监控用药依从性、总结长期健康数据，并结合睡眠、运动和饮食等日常活动提供综合建议（例如根据饮食限制推荐餐厅）。
• 业务价值：打破了健康数据孤岛，免去了在多个患者门户间切换的繁琐。HR 和管理者可用于员工健康管理倡议，个人用户则能更高效地为就诊做准备。
• 注意事项：该功能明确不支持医疗诊断和治疗，且健康对话数据不会被用于训练基础模型。免费用户将使用基础模型，而付费用户可调用更强大的高级模型。

2. Claude 语音模式扩展：为高级用户与高管提升生产力

Anthropic 将 Claude 的语音模式扩展到了更强大的 Sonnet 和 Opus 模型（此前仅支持较弱的 Haiku 模型），并新增了对“连接器（Connectors）”的支持。

• 核心功能：付费用户现在可以在免提状态下，通过语音与实时数据流进行交互。虽然目前仍采用“对讲机”式的单向轮流对话（尚未实现双向实时打断），但支持在对话中途切换模型。
• 业务价值：极大提升了差旅中的高管、会议中的多任务处理者以及需要免提梳理思路的运营人员的效率。通过连接器拉取实时数据，弥补了单纯语音交互的局限。

3. 微软 MAI Image 2.5 Pro：高保真视觉资产生成

微软推出了 MAI Image 2.5 Pro，这是一款高精度的文本到图像生成模型，已深度嵌入 Microsoft 365 Copilot、PowerPoint、Foundry 及 API 中。

• 核心功能：支持可控编辑、对象移除、图像内文本精准渲染，并在修改时保持原有构图。
• 业务价值：对于严格限制在微软生态系统内运营的企业而言，这是一次巨大的体验升级。用户可以直接在 PowerPoint 中生成品牌演示文稿、产品照片和营销物料，无需切换第三方工具，从而避免了合规风险并保持了工作流的连贯性。
• 成本与定位：输出成本约为每百万 Token 106 美元。虽然在绝对画质上可能尚未达到行业最顶尖水平，但其无缝集成的优势足以覆盖大量企业级视觉内容需求。

4. Gemini 3.6 Flash 与 Flashlight：降低开发团队的 AI 运行成本

Google 发布了注重 Token 效率的 Gemini 3.6 Flash，以及速度更快、成本更低的 3.5 Flashlight 模型。

• 核心功能：Gemini 3.6 Flash 的 Token 消耗比前代减少了 17%，并在多步骤工具调用中减少了推理步骤。3.5 Flashlight 则是 3.5 系列中最快的模型（350 输出 Token/秒），专为低延迟、高吞吐量的任务设计。此外，还推出了专为企业网络安全微调的 3.5 Cyber 变体（限制访问）。
• 业务价值：对于依赖 Agent 工作流（如批量文档处理、复杂搜索）的开发团队而言，这意味着显著的运营成本下降。在“高吞吐量即成本节约”的自动化时代，这些模型为 IT 团队带来了切实的经济回报。

5. Gemini Spark 智能体：多步骤任务自动化与工作流同步

Google 的个人 AI 智能体 Gemini Spark 现已向所有专业版（Pro）订阅者开放（此前仅限 Ultra 用户），可在 Google Workspace 中自动执行多步骤业务任务。

• 核心功能：基于“任务（高层目标）”、“技能（可复用的上下文指令）”和“时间表（自动触发器）”三大概念运行。它可以自动研究、协调复杂工作流，并直接读取和编辑 Google Docs（未来将扩展至 Sheets 和 Slides）。
• 业务价值：能够自动处理差旅预订、实时监控日程冲突并跨应用生成更新。对于使用个人 Pro 账户的用户，它极大地减少了工具间的手动数据传输，加速了项目管理周期。不过，目前该功能在企业级 Workspace 账户中的全面普及仍需等待。

6. Claude Cowork “录制技能”：将流程知识转化为 AI 自动化

Anthropic 在 Claude Cowork 中推出了“录制技能（Record a Skill）”功能，允许用户通过屏幕录制将工作流转化为可重复使用的 AI 技能。

• 核心功能：系统会捕捉屏幕活动、光标移动、键盘输入，并原生支持语音旁白。用户只需边操作边讲解，Claude 即可将这些隐性知识转化为结构化的 Agent 自动化技能。
• 业务价值：极大地降低了标准作业程序（SOP）文档化、员工入职培训和重复性流程自动化的门槛。更重要的是，录制的技能具有跨平台互操作性，可导出并在 Google、OpenAI 或 Microsoft 生态系统中共享使用。

7. ChatGPT 桌面端语音控制：自然语言驱动的“贾维斯”模式

OpenAI 在桌面端应用（ChatGPT Work/Codex）中正式上线了由 GPT Live 驱动的语音控制功能，让“贾维斯（Jarvis）”式的电脑控制成为现实。

• 核心功能：用户可通过自然语言语音指令控制电脑、管理文件、协调跨工具任务。其核心亮点是 “应用程序快照（App Shots）” 功能：它不仅能截取当前屏幕，还能获取当前活动窗口的完整上下文（包括屏幕外的隐藏内容），让 AI 能够精准理解并操作深层信息。
• 业务价值：结合远程控制（Remote）功能，用户甚至可以通过手机语音远程指挥办公室的电脑完成工作。这为知识工作者提供了一种全新的免提交互范式，彻底改变了人机协作的方式，尤其适合混合办公和频繁差旅的团队。

结语

上述功能均已正式发布并可供即刻使用。从健康数据管理、高管生产力提升，到视觉内容生成、开发成本控制，再到流程自动化与桌面级自然语言编排，这些工具的融合标志着 AI 竞争已进入新阶段。在这个阶段，执行速度、跨平台互操作性以及无缝的人机协作，将为企业带来切实的运营与战略价值。