全球知名大模型評測榜單 Artificial Analysis Speech Reasoning 更新，大模型創(chuàng)業(yè)公司階躍星辰原生音頻理模型 Step-Audio-R1.1以96.4%準確率，越 Grok、Gemini、GPT-Realtime 等主流一線模型，刷新歷史好成績。目前，階躍星辰已將這款模型開源，開發(fā)者可以下載體驗。

據(jù)了解武漢預(yù)應(yīng)力鋼絞線價格，該榜單是目前業(yè)界評估“原生語音模型”（Native Audio Models）的三方基準之一。核心考量模型直接處理音頻并進行復(fù)雜邏輯理的能力，主要考察維度包括準確率、包延遲等。

根據(jù)榜單評測武漢預(yù)應(yīng)力鋼絞線價格，在能與速度的綜合權(quán)衡上，Step-Audio-R1.1 碾壓同類語音模型。

2025年11月，階躍星辰發(fā)布了全球個開源原生音頻理模型 Step-Audio-R1，可以在不增加額外時延的情況下，端到端理解語音內(nèi)容，并能夠“像人類一樣聽到對話即可思考”。這次發(fā)布的 Step-Audio-R1.1 模型，是Step-Audio-R1的升版，預(yù)應(yīng)力鋼絞線兼顧更強實時對話和復(fù)雜語音理能力。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Step-Audio-R1.1核心，支持邊想邊說的流式理。

和大語言模型同理，語音模型同樣需要具備強大理能力，才能提供更階智能、更自然交互。基于理能力，Step-Audio-R1.1不僅能準確識別聲音，還可以捕捉到聲音背后的情緒和心理狀態(tài)、言外之意，并能基于環(huán)境音對物理世界的理解。比如當(dāng)聽到近爆火網(wǎng)絡(luò)的“海豹舞”音頻時，模型不僅能識別出韓語歌詞，更判斷出這是典型語言學(xué)習(xí)或發(fā)音練習(xí)的音頻，而非自然對話。

一種行業(yè)共識是，語音是終端場景下主流的交互方式。自2025年發(fā)力“AI+終端”戰(zhàn)略，階躍星辰相繼發(fā)布了業(yè)內(nèi)個產(chǎn)品的開源語音交互模型 Step-Audio、端到端語音模型 Step-Audio 2 系列、音頻編輯模型 Step-Audio-EditX、全球個開源原生音頻理模型 Step Audio R1。

在剛閉幕的 2026 年國際消費電子展（CES）上武漢預(yù)應(yīng)力鋼絞線價格，吉利展示了搭載階躍語音大模型的吉利銀河 M9 海外版，憑借具真人感的交互果引發(fā)海外觀眾的熱議。吉利銀河 M9 也是業(yè)內(nèi)個搭載端到端語音模型的量產(chǎn)車型。