階躍星辰宣佈旗下語音模型 Step-Audio-R1.1 在大模型評測榜單 Artificial Analysis Speech Reasoning 中登頂全球榜首。

階躍星辰介紹稱，該榜單是目前業界評估“原生語音模型”（Native Audio Models）最權威的第三方基準之一。核心考量模型直接處理音頻並進行復雜邏輯推理的能力，主要考察維度包括準確率、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 是由階躍星辰發佈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，端到端理解語音內容，“像人類一樣聽到對話即可思考”。

核心能力包括：

• 深度語音推理

• 實時響應能力

• 音頻領域的可擴展 CoT

Step-Audio-R1.1 是最新升級版本，兼顧更強實時對話和複雜語音推理能力。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，支持邊想邊説的流式推理。

目前，Step-Audio-R1.1 權重已上傳至 HuggingFace：https://huggingface.co/stepfun-ai/Step-Audio-R1.1

體驗地址：https://www.stepfun.com/studio/audio?tab=conversation

GitHub 地址：https://github.com/stepfun-ai/Step-Audio-R1
魔搭 ModelScope：https://modelscope.cn/studios/stepfun-ai/Step-Audio-R1