近日，阶跃星辰开源的原生语音推理模型Step-Audio-R1 更新升级至Step-Audio-R1.1，并在全球知名权威大模型评测榜单 Artificial Analysis Speech Reasoning 登顶榜首。


该榜单是目前业界评估“原生语音模型”（Native Audio Models）最权威的第三方基准之一。核心考量模型直接处理音频并进行复杂逻辑推理的能力，主要考察维度包括准确率、首包延迟等。

和大语言模型同理，语音模型同样需要具备强大推理能力，才能提供更高阶智能、更自然交互。

Step-Audio-R1.1 以 96.4% 准确率，超越 Grok、Gemini、GPT-Realtime 等主流一线模型，刷新历史最好成绩。

在性能与速度的综合权衡上，Step-Audio-R1.1显著超越同类语音模型。

Step-Audio-R1 是由阶跃星辰发布的全球首个开源原生语音推理模型。它可以在不增加额外时延的情况下，端到端理解语音内容，“像人类一样听到对话即可思考”。

核心能力包括：

  • 深度语音推理

  • 实时响应能力

  • 音频领域的可扩展 CoT

Step-Audio-R1.1 是最新升级版本，兼顾更强实时对话和复杂语音推理能力。完整的实时语音 API 将在 2 月上线，目前开放的chat模式已搭载 R1.1 核心，支持边想边说的流式推理。

目前，Step-Audio-R1.1 权重已上传至 HuggingFace：https://huggingface.co/stepfun-ai/Step-Audio-R1.1

下载体验：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