▲本文圖片均來自網絡，如有侵權請聯系刪除

AI聊天式對話框正在消失

本文 首發于影子備忘錄

文 陌影笙

2025年初，OpenAI CEO Sam Altman在一則深夜推文中承認：“我們和你們一樣討厭模型選擇器。”他宣布，原本醞釀獨立發布的o3推理模型被取消，取而代之的是統一的GPT-5系統。

不到兩年后，2026年6月，OpenAI官方Release Notes宣布：o3與GPT-4.5將從ChatGPT正式退役，徹底從菜單中抹去。

兩則相隔不遠的公告，看似只是產品線的收縮與合并，實則指向一個更深刻的趨勢：以對話為核心的人機交互模式，正在喪失其核心地位。

ChatGPT問世以來，“對話框”被塑造成了AI時代的“超級入口”。但數據正在無情地擊碎這一幻覺。

據網絡流量數據監測，2025年1月ChatGPT在全球AI聊天機器人網頁流量中的占比尚高達86.7%，而到2026年4月，這一數字已驟降至57%至64%之間。市場老大地位的動搖，固然有競爭加劇的因素，但更深層的原因是：

用戶正在用腳投票，對“只會回答”的AI失去了耐心。

如果說過去十年人工智能最重要的進步是讓機器“學會了說話”，那么站在2026年這個時間點上，一個越來越清晰的共識正在形成：只會說話，已經不夠了。

2026年，不是AGI之年，但極有可能是AI第一次真正“能干活”的一年。

被“簡化”的對話入口

要理解聊天界面為何正在失去主角地位，需要回到OpenAI在產品路線上的關鍵調整。

2025年2月，Sam Altman宣布，原定作為GPT-5發布的“Orion”模型被降格為GPT-4.5發布，同時o3模型不再作為獨立產品亮相，其技術能力將被整合進GPT-5。

這一“去復雜度、求統一”的決策，本質上是OpenAI對產品哲學的徹底反思，不是做大做強獨立模型，而是讓模型在用戶面前隱去，讓智能成為“一次性集成”的體驗。

GPT-4.5于2026年4月正式發布。根據官方披露，它在理解人類意圖方面表現出增強能力，回應更加自然，在寫作和設計等創意任務上表現更優。

但與此同時，在AIME和GPQA等高級學術基準測試中，它在推理能力上落后于競爭對手，且不支持逼真的雙向語音模式。更值得關注的是其商業模式的反常：OpenAI在GPT-4.5上設定了高昂的定價，每百萬輸入token收費75美元，輸出收費150美元，而GPT-4o的定價僅為2.5美元和10美元。

如此高的定價，意味著GPT-4.5從未真正作為“大眾產品”面向C端用戶。

果然，僅在發布兩個多月后的2026年6月，OpenAI便宣布GPT-4.5將于6月27日正式下線，整個生命周期不足三個月。

同期，o3也被宣告從ChatGPT退役，不過API端仍然保留訪問權限。

官方公告使用了“從菜單上抹掉”這樣的措辭，非常直白地表明了態度：那些藏在模型選擇器里的舊選項，正在被OpenAI主動清理掉。

這背后透露的信號是：對話框作為“模型陳列柜”的形式，已經到了生命周期的末尾。

如果說GPT-4.5是最后一代“非思維鏈”的通用對話模型，那么GPT-5則將被設計成一個高度集成的生態系統：能夠結合語音、畫布、搜索和深度研究功能，讓用戶無須在不同的模型之間來回切換。

Altman以“我們希望AI能夠直接為你工作”來定義這一轉變，如果說過去的AI需要用戶來“驅動”，那么未來的AI將直接“開工”。

這一表述，已經暗含了“對話框將不再作為核心交互界面”的深層設計邏輯。

從“詢問者”到“執行者”，

Agent時代的到來了？

對話模式的局限，早在產品路線的調整之前就已經被研究者預見到了。OpenAI自身劃分的AI能力五級框架中，Level 1“聊天機器人”和Level 2“推理者”還只能回答問題或解決問題，而Level 3“智能體（Agent）”則能夠代表用戶自主執行長時間、多步驟的任務。

換句話說，對話只是智能體的一個底層功能，而絕非全部。

LangChain創始人Harrison Chase在與紅杉資本的對話中指出：當AI只能在對話框里回答問題，它只是一個高級接口；只有當AI能跨越時間、狀態和工具，圍繞同一目標持續推進、自我修正、完成閉環，它才真正開始“做事”。

他將當前的AI分為“Talkers”和“Doers”兩類：前者擅長生成漂亮答案和單輪補全，本質上是“一次性響應系統”；后者才能承擔現實世界的高價值工作，而這些工作從來不是“一問一答”，而是需要長期推進、反復試錯、頻繁調用外部工具。

OpenAI在“Agent”方向上的投入已經是非常實質性的。2025年1月，公司以“Operator”的形式推出了第一個計算機使用智能體（CUA），通過截圖感知瀏覽器環境，并用模擬鼠標和鍵盤的操作來執行任務。

2025年7月，Operator被并入ChatGPT主產品，以“Agent Mode”的形式向用戶開放。

到了2026年3月，GPT-5.4的發布標志著計算機使用能力發生了質的飛躍：該模型在OSWorld-Verified測試中達到了75.0%的成功率，超越人類基準的72.4%。

更關鍵的是，計算機使用功能被納入了通用模型，不再作為獨立的獨立技術模塊存在。

除了計算機操作，Codex系列也在Agent化。GPT-5.3-Codex被設計為代理風格的開發模型，能夠使用工具、操作計算機、端到端地完成長任務。

它在OSWorld-Verified上得分64.7%，相較前代模型的38.2%有顯著提升。安全領域同樣是一個關鍵衡量指標：

該模型成為OpenAI首個在網絡安全任務中被劃分為“高能力”級別的模型，體現了AI從“回答問題”向“執行任務”的進階。

但在Harrison Chase看來，Agent的本質不在于技術能力本身，而在于“長時程”的結構性躍遷：AI能否在更長周期內保持目標一致性、管理中間狀態，并在復雜環境中持續行動。

這決定了對話形式的AI必須讓位于執行導向的AI系統——用戶不再需要在一個對話框里“敲一下鍵盤、等一個回復”，AI將在后臺持續運行，直到任務完成。

多模態與語音界面，

對話框之外的交互

除了執行力的提升，交互方式的多元化也在瓦解“對話框”作為唯一入口的地位。

對話式的文本輸入，本質上是效率極低的交互方式，人類之間的對話尚需借助語音、眼神、手勢來傳遞信息，AI與人類之間卻長期被壓縮在冷冰冰的文字框里，這本身就是一種媒介限制。

2026年5月，OpenAI在Realtime API中推出了三款新的語音模型，方向非常明確：讓語音成為AI的“原生交互語言”。

其中GPT-Realtime-2是首個具備GPT-5級別推理能力的語音模型，能夠在實時對話中執行推理、調用工具，并處理用戶的打斷與糾正。

此前，語音模型多為單向的“聽寫—輸出”流程，而現在，語音成了可以理解復雜邏輯并進行自主行動的界面。

谷歌同月發布的Gemini Omni同樣值得關注。與其他多模態模型不同，Omni在設計之初就定位為“原生多模態”。在底層架構上統一處理文本、圖像、音頻、視頻和代碼。

這意味著用戶不需要通過打字輸入需求，而是可以直接截取UI界面讓模型生成代碼，或者通過語音進行多輪復雜指令。

2026年5月的谷歌I/O大會上，核心主題是Gemini從聊天機器人向自主智能體的演進，其中Project Astra被定位為通用AI助手的愿景，另一款名為“Remy”的“全天候”智能體甚至在用戶無需直接指令的情況下，可以跨應用執行購物和日程安排等任務。

谷歌的做法表明：用戶不應該被要求“打開一個對話框、輸入、等待”才能讓AI做事，AI應該嵌入操作系統中，以背景化的方式持續服務。

更令人信服的證據來自于物理界面層面。2026年1月，OpenAI首席全球事務官Chris Lehane對外表示，OpenAI將在2026年下半年推出首款ChatGPT驅動的硬件設備。

Axios的報告進一步披露，該設備很可能是一款無屏幕的可穿戴裝置，佩戴在耳后，形態類似于微型耳麥，能夠隨時待命。

值得關注的背景信息是，OpenAI在2025年底以65億美元的估值收購了由蘋果前設計總監Jony Ive創立的IO設計公司。

Sam Altman曾公開表示，他們與Ive已經合作設計出了一個原型，該設備將旨在過濾“數字噪音”，避免頻繁通知的打擾，提供一種屏幕外的、環境式的AI體驗。

無屏幕、無對話框、無鍵盤輸入的AI助手，是不是與現行的“聊天機器人”形態徹底斷裂？

當一個AI實體已經“長在用戶的耳朵上”，以語音對話和主動感知的方式完成任務，傳統的聊天框就徹底失去了存在的物理意義。

與此同時，更深刻的嵌入方式也在發生。根據一位業內人士的分析，Chatbot作為AI時代的“超級入口”敘事之所以失敗，根本原因在于它是一個昂貴的算力消耗者而非具有網絡效應的產品。

與傳統軟件的流量效應不同，用戶的每一次交互都需要調動云端GPU陣列，用戶增長帶來的不是邊際成本遞減，反而推高了運營支出。這決定了Chatbot不可能成為商業上可持續的“入口”模式。

真正有價值的方向，是將AI嵌入業務流程、操作系統和硬件底層，讓它成為一種“背景式”的基礎設施，而非一個需要用戶主動打開的App。

有分析指出，未來AI將如同電力滲入家家戶戶一般，滲透進軟件的功能組件和物理硬件層的耦合之中，智能眼鏡、可穿戴設備正在擺脫“打開App”的動作，直接將AI置于現實世界交互之上。

LangChain創始人Harrison Chase對此做出了一個高度簡練的判斷：“如果說過去的AI是Talkers的時代，那么2026年則是Doers的元年。”

聊天框消失后的AI世界

從OpenAI取消GPT-4.5和o3模型獨立發布，到全面轉向Agent化和嵌入式硬件；從谷歌將其AI重心從聊天機器人轉移到自主智能體，到GPT-Realtime語音模型賦予AI實時推理與行動能力，可以清晰地看到一條主線：

AI從“幫助人類回答問題”的工具，演變為“替人類完成事務”的代理系統。

這一轉變的內在驅動力是多方面的。產品層面，混亂的模型選擇器讓用戶疲憊，統一、簡化的體驗是必然選擇。

成本層面，對話式AI的邊際成本悖論讓“人人擁有一個對話框”的商業夢想難以為繼。

用戶需求層面，老板、企業主、普通消費者并不需要AI每天陪著聊天，他們需要的是AI能訂票、寫代碼、處理數據、在線購物。

因此，AI聊天的時代或許真的需要終結了。終結，不是意味著AI不再具備對話能力，恰恰相反，對話會成為一種默認定式。

就像今天我們在手機上用手指滑動一樣自然，不再需要一個專門的“聊天”界面來標識它。終結的意思是，對話框作為人類與AI之間的唯一通道，將讓位于更多元、更智能、更隱形的交互形態。

下一代人機交互的窗口，或將是佩戴在耳后的無屏幕語音助手，或將是嵌入操作系統的多模態智能體，也可能是藏在瀏覽器中的計算機使用Agent。

用戶將從一個“打字提問者”，變成一名“任務委托者”，只給出一個模糊的目標，AI便自動拆解、執行、修正，最終交付結果。

聊天框將不再是用戶打開AI的第一扇門。

真正有價值的事情，發生在門關上之后，AI在后臺默默地、持續地為用戶交付結果。