DoNews1月16日消息,據(jù)報道,全球知名權(quán)威大模型評測榜單 Artificial Analysis Speech Reasoning 更新,階躍星辰原生語音推理模型 Step-Audio-R1.1 登頂榜首。

該榜單是目前業(yè)界評估“原生語音模型”(Native Audio Models)最權(quán)威的第三方基準(zhǔn)之一。核心考量模型直接處理音頻并進(jìn)行復(fù)雜邏輯推理的能力,主要考察維度包括準(zhǔn)確率、首包延遲等。
和大語言模型同理,語音模型同樣需要具備強(qiáng)大推理能力,才能提供更高階智能、更自然交互。Step-Audio-R1.1 以 96.4% 準(zhǔn)確率,超越 Grok、Gemini、GPT-Realtime 等主流一線模型,刷新歷史最好成績。
在性能與速度的綜合權(quán)衡上,Step-Audio-R1.1 全面碾壓同類語音模型。Step-Audio-R1 是由階躍星辰發(fā)布的全球首個開源原生語音推理模型。它可以在不增加額外時延的情況下,端到端理解語音內(nèi)容,“像人類一樣聽到對話即可思考”。
據(jù)悉,其核心能力包括:深度語音推理、實時響應(yīng)能力、音頻領(lǐng)域的可擴(kuò)展 CoT。Step-Audio-R1.1 是最新升級版本,兼顧更強(qiáng)實時對話和復(fù)雜語音推理能力。
完整的實時語音 API 將在 2 月上線,目前開放的chat模式已搭載 R1.1 核心,支持邊想邊說的流式推理。目前,Step-Audio-R1.1 權(quán)重已上傳至 HuggingFace。