摘要： 由 Oculus 創辦人與幾位早期團隊成員催生的語音 AI 新創 Sesame,在 2026 年 5 月 27 日把 iOS 版預覽推上了 App Store,第一波就開進 39 個國家,上線初期完全不收費。這個日子距離它的網頁版 Research Preview 滿一年整——當年那個預覽開跑沒幾週,就讓超過 100 萬人跟語音 Agent Maya、Miles 講過話。這回除了原本兩位角色,還補進 Simone 與 Charlie,湊成四人陣容,每一位都擁有專屬的聲音、個性、觀點和記憶。
由 Oculus 創辦人與幾位早期團隊成員催生的語音 AI 新創 Sesame,在 2026 年 5 月 27 日把 iOS 版預覽推上了 App Store,第一波就開進 39 個國家,上線初期完全不收費。這個日子距離它的網頁版 Research Preview 滿一年整——當年那個預覽開跑沒幾週,就讓超過 100 萬人跟語音 Agent Maya、Miles 講過話。這回除了原本兩位角色,還補進 Simone 與 Charlie,湊成四人陣容,每一位都擁有專屬的聲音、個性、觀點和記憶。
ChatGPT 式產品的樣貌是「輸入框加對話紀錄」,Sesame 走的是另一條路——它從第一天起就為語音而生,整個體驗以說話的節奏與開口的時機為核心,畫面只擔任配角。連稱呼都被講究對待:官方不願說這是聊天機器人,只肯用 Agent 這個字。
四個 Agent、四份互不相通的記憶
「角色優先」是 Sesame 押下的設計賭注。Maya、Miles、Simone、Charlie 這四位分別被給予清楚的聲音、性格與看法,記憶也彼此隔離——你對 Miles 說過什麼,就只留在 Miles 那裡。記憶在語音與文字模式間倒是共通,改成打字時不必把背景重講一次。隱私面備有無痕模式:此時 Agent 依舊讀得到先前的脈絡,卻不會寫入任何新內容,對話一結束便隨之消失。
這套安排刻意照著真實社交的模樣打造:不同朋友聊不同話題,換個對象等於換種語境,而不是把每件事都灌進同一個沒有臉孔的助理。至於記憶設計究竟能不能換來使用者黏著度,是這個賭注接下來要接受檢驗的環節。
邊開口邊查資料:平行搜尋與講到一半改口
延遲的處理手法是技術上最耐人尋味的一段。Sesame 自建了一套反應很快的搜尋與檢索系統,Agent 一面說話就能一面丟出多組平行搜尋,把剛取得的資料邊講邊織入回答,甚至說到句子一半就轉換方向。官方部落格形容,這讓 Agent 跑得起「更慢、更聰明的 agentic loop,而不會出現尷尬的中斷」。TechCrunch 引述公司對速度與品質如何拿捏的說法:「回得太快與想清楚再答,存在先天張力」,而且「較慢的回答通常更正確,但拖太久又顯得不自然」。
介面上語音優先、視覺輔助:搜尋結果以附圖片的卡片送達,想留的重點可存成筆記、也能展開深度探索,場合不適合出聲時另有文字模式可用。這套架構等於把「思考時間」收進語音流——與其讓使用者聽著沉默、等檢索跑完才有下文,不如先開口、邊說邊補,順勢把每場對話的延遲預算與檢索成本一併改寫。
暫時免費、一口氣 39 國、帶著百萬用戶起跑
商業面上,這款 App 眼下「暫時」免費,完成註冊可能先經過一小段等候名單,Android 版預覽也在準備的路上。資金厚度足夠:2025 年 10 月,Sesame 對外宣布 2.5 億美元 B 輪,由 Sequoia 領投,時點就選在測試開放之際;Sequoia 指出,Research Preview 頭幾週使用者便超過 100 萬。拿消費級語音 AI 的尺來量,這樣的起步成績算得上不錯,而 Sesame 替自己選定的比較基準,正是 ChatGPT 代表的那套傳統文字聊天機器人體驗。
第一波就覆蓋 39 國同樣值得多看一眼:語音產品對口音差異與在地化程度的容忍空間,遠比文字要小,上線陣仗拉到這麼寬,說明團隊對多語言表現有起碼的把握——換個說法,就是把賭注提早押進語音這條路。
從「陪你思考」邁向「替你做事」,以及 2027 年的眼鏡
Sesame 將這款 iOS 版視為通往「智慧眼鏡」的第一步,時程指向 2027 年。一群以 VR 起家的人選這條路並不令人意外:裝置一旦是眼鏡,語音就是唯一稱得上自然的輸入方式。官方也預告了下一階段的路線調整:Agent 將從「陪你思考」跨到「替你做事」——他們非用 Agent 這個詞、不肯說聊天機器人,原因就在這裡。
做產品的人該盯住的訊號有兩條:一是四人各握一份記憶的角色化設計,究竟能否真正養出留存,還是終究只是新鮮感;二是「開口說話的同時、背景持續檢索」會不會成為語音產品的標準架構。當然,免費本身構不成商業模式,訂閱、企業授權或硬體綁定遲早要端上檯面,而 2027 年的眼鏡時間表,會揭開這波語音 Agent 熱潮裡誰是玩真的。