MOSS-Live 全双工实时交互评测解读:与 GPT-Live-1、豆包的对比
精选理由
文章按官网图表整理 MOSS-Live 与三款语音模型的全双工评测对比,同时指出多轮任务和理解指标上仍存在的差距。
AI 摘要
OpenMOSS 团队发布 MOSS-Live 全双工语音交互评测解读。依据 MOSS 官网 2026 年 11 月 13 日图表,MOSS-Live 六项全双工指标均居参评模型首位,无关语音误接话率 2.00%,低于 GPT-Live-1 的 68% 和豆包的 75%,停顿抢话率 1.44%。
正文
与语音助手交谈时,我们会停下来想一想,会说“嗯”“对”,也会临时改主意。身边的人、车载导航或会议里的其他声音,还可能同时进入麦克风。一个能够持续参与交流的系统,需要判断这些声音与当前对话的关系:什么时候继续说,什么时候等待,什么时候把话语权交还给用户。
**MOSS-Live 将这种交互判断作为核心能力。**根据 [MOSS 官网公布的评测](https://www.moss.cn/models/moss-live),它在六项全双工指标上均位居图中参评模型首位。与 **GPT-Live-1** 和**豆包(Doubao SeedDuplex)**相比,最显著的差距出现在无关语音处理和打断判断上。工具调用与多轮任务则呈现出不同的优势分布。
**6 / 6**
官方图表所列全双工指标,MOSS-Live 均居参评模型首位。
**2.00%**
无关语音误接话率;GPT-Live-1 为 68%,豆包为 75%。
**1.44%**
停顿抢话率;GPT-Live-1 为 10.37%,豆包为 14.29%。
原文
Original Title
MOSS-Live 全双工实时交互评测解读:与 GPT-Live-1、豆包的对比
Source
OpenMOSS / 复旦NLP / 上海创智 / MOSI
Site
openmoss.ai
Published
2026-11-12T16:00:00.000Z