详情

首页手游攻略 Qwen-Audio-3.0-Realtime:既能聊天又能办事

Qwen-Audio-3.0-Realtime:既能聊天又能办事

佚名 2026-07-15 18:48:54

又快又聪明,能聊天更能办事!阿里发布实时语音模型Qwen-Audio-3.0-Realtime,在毫秒级响应下实现深度推理与智能工具调用。
核心内容:
1. 模型在智商、工具调用、共情与交互流畅度四大主线同步升级
2. “压时延不掉智商”的技术突破与基准测试表现
3. 无需明确指令即可自行调用并记忆工具结果的智能Agent能力

今天,我们正式发布实时语音交互对话模型Qwen-Audio-3.0-Realtime——一个既要毫秒级响应、又不牺牲推理深度的实时语音模型。它在智商、Agent工具调用、共情对话、双工交互流畅度四条主线上同步升级,力求"又快又聪明"。模型提供推理更强的Plus版本与速度更快的Flash版本,适用于智能客服、教育培训、娱乐互动与情感陪伴等场景。

欢迎体验

阿里云百炼:

Qwen-Audio-3.0-Realtime-Plus:

https://bailian.console.aliyun.com/cn-beijing/?spm=a2c4g.11186623.0.0.4ab7695bvInrXr#/model-market/detail/qwen-audio-3.0-realtime-plus?serviceSite=asia-pacific-china

Qwen-Audio-3.0-Realtime-Flash:

https://bailian.console.aliyun.com/cn-beijing/?spm=a2c4g.11186623.0.0.4ab7695bvInrXr&tab=model#/model-market/detail/qwen-audio-3.0-realtime-flash?serviceSite=asia-pacific-china

又快又聪明:压时延不掉智商

实时语音模型往往为压低时延牺牲推理深度,智商衰减,但Qwen-Audio-3.0-Realtime针对日常对话、简单问答等对时延敏感的场景,能够直接生成回复,毫秒级响应。

在考验“AI会不会答”的语音问答基准VoiceBench 上,以书面化的标准prompt和口语化的prompt提问,Plus版本得分分别为92.5和90.5,仅下降2.0,这意味着模型能扛住真人说话的随意性。在更难的多轮音频对话挑战AudioMultiChallenge基准测试中,Flash版本标准和口语化prompt得分分别为43.6和38.1,仅下降5.5。

今年5月,Preview版本Fun-Realtime-Audiochat在"语音推理能力"指标上曾以97.6% 登顶Artificial Analysis。

能聊天更能办事:

无需明确指令,自行调用工具

文本大模型的Agent能力已相当成熟,但语音模型往往"能聊天不能办事":需要用户明显说出"帮我打开 XX"才能触发工具,并且切回闲聊后容易出现上下文断裂。Qwen-Audio-3.0-Realtime无需明确指令即可自行调用外部工具——调用结果还会自动融入对话记忆,一次调用的结果会被记住,后面几轮追问都能接着用。

例如用户先问"附近有什么川菜馆",再追问"评分4.5以上的哪家最近",模型会自动衔接地图工具上一次的返回结果继续检索。

模型基于FunctionCall标准协议,可以完成MCP、API、知识库的引入。

关注我,掌握千问大模型最新动态


相关资讯
点击查看更多
游戏推荐
推荐专题
热门阅读
推荐下载