在人工智能领域，原生语音推理模型的竞争愈发激烈。近日，全球知名的大模型评测榜单Artificial Analysis Speech Reasoning迎来更新，阶跃星辰推出的原生语音推理模型Step-Audio-R1.1凭借卓越表现登顶榜首，引发行业广泛关注。
Artificial Analysis Speech Reasoning榜单作为评估“原生语音模型”的权威第三方基准，重点考察模型直接处理音频并完成复杂逻辑推理的能力，准确率、首包延迟等关键指标是衡量模型性能的重要维度。在这样严格的评判标准下，Step-Audio-R1.1脱颖而出，以96.4%的准确率超越了Grok、Gemini、GPT-Realtime等主流一线模型，刷新了该榜单的历史最好成绩。
语音模型若要实现更高阶的智能交互，强大的推理能力必不可少。如同大语言模型需要深度理解语义并给出合理回应一样，语音模型也需具备类似能力，才能让用户感受到自然流畅的交流体验。Step-Audio-R1.1在性能与速度的综合权衡上表现突出，全面碾压同类语音模型。它由阶跃星辰发布，其前代Step-Audio-R1是全球首个开源的原生语音推理模型，能够在不增加额外时延的情况下，端到端地理解语音内容，实现“像人类一样听到对话即可思考”的效果。
Step-Audio-R1.1作为最新升级版本，在继承前代优势的基础上，进一步提升了实时对话和复杂语音推理能力。其核心能力涵盖深度语音推理、实时响应能力以及音频领域的可扩展CoT。这些能力使得该模型在处理语音任务时更加高效、精准，能够满足多样化的应用场景需求。
目前，Step-Audio-R1.1的权重已上传至HuggingFace，方便开发者进行研究和应用。同时，开放的chat模式已搭载R1.1核心，支持边想边说的流式推理，为用户带来更加流畅的交互体验。完整的实时语音API预计将于2月上线，届时将进一步拓展该模型的应用范围，推动原生语音推理技术在更多领域的落地。
