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，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。
官方图表所列全双工指标，MOSS-Live 均居参评模型首位。
无关语音误接话率；GPT-Live-1 为 68%，豆包为 75%。
停顿抢话率；GPT-Live-1 为 10.37%，豆包为 14.29%。
与 GPT-Live、豆包相比，优势在哪里？
下面按原图中的具体名称列出 GPT-Live-1、Doubao SeedDuplex、GPT Realtime 2.1，避免把不同模型版本混为一谈。箭头表示优化方向：↓ 越低越好，↑ 越高越好；粗体表示表中该项最佳结果，包含并列。
全双工：减少抢话、误接话和无效打断
| 基准 / 指标 | MOSS-Live | GPT-Live-1 | Doubao SeedDuplex | GPT Realtime 2.1 |
|---|---|---|---|---|
| FDB v1 停顿抢话率（不含附和） ↓ | 1.44% | 10.37% | 14.29% | 3.83% |
| FDB v1.5 无关语音误接话率 ↓ | 2.00% | 68.00% | 75.00% | 72.00% |
| FDB v1.5 无关打断拒识率 ↑ | 68.00% | 21.00% | 13.00% | 5.00% |
| τ-Voice 附和抗干扰率 ↑ | 98.17% | 91.57% | 93.52% | 56.26% |
| τ-Voice 口头语抗干扰率 ↑ | 82.16% | 48.48% | 69.66% | 57.75% |
| τ-Voice 无关语音抗干扰率 ↑ | 78.90% | 66.99% | 60.42% | 27.10% |
来源：MOSS-Live 官网全双工能力评测图。原图还包含 Qwen Audio 3.0 Plus 和 Flash；MOSS-Live 在上述六项中也均领先这两款模型。
无关语音误接话率的差距最为突出：MOSS-Live 为 2%，比 GPT-Live-1 和豆包分别低 66 和 73 个百分点。停顿抢话率则分别低 8.93 和 12.85 个百分点。这两类指标对应常见的交互问题：用户尚在思考时，系统是否过早接话；声音并非对系统说时，系统是否仍然作答。
另一组结果考察说话过程中受到干扰后的表现。MOSS-Live 的无关打断拒识率为 68%，GPT-Live-1 和豆包分别为 21% 和 13%；附和抗干扰率达到 98.17%。这些结果支持的判断是：在本次评测中，MOSS-Live 更能维持对话节奏，并区分附和、无关声音与需要响应的输入。
工具与任务：工具调用并列第一，多轮任务仍有差距
| 基准 / 指标 | MOSS-Live | GPT-Live-1 | Doubao SeedDuplex | GPT Realtime 2.1 |
|---|---|---|---|---|
| FDB v3 工具调用成功率 ↑ | 51.00% | 45.00% | 51.00% | 39.00% |
| τ-Voice 多轮任务成功率 ↑ | 57.93% | 67.68% | 17.38% | 49.39% |
FDB v3 工具调用成功率上，MOSS-Live 达到 51%，高于 GPT-Live-1 的 45%，与豆包并列最高。τ-Voice 多轮任务成功率为 57.93%，较豆包的 17.38% 高出 40.55 个百分点，在原图六款模型中排名第二；GPT-Live-1 以 67.68% 领先，MOSS-Live 与它相差 9.75 个百分点。
这一区别很关键：能否自然地交流，与能否完成多轮任务，需要分别检验。MOSS-Live 的全双工优势十分明确，而涉及持续规划和任务完成时，GPT-Live-1 在这项评测中仍然更强。
理解与对话：打断后接续突出，部分指标仍需提升
| 基准 / 指标 | MOSS-Live | GPT-Live-1 | Doubao SeedDuplex | GPT Realtime 2.1 |
|---|---|---|---|---|
| Big-Bench Audio 总体准确率 ↑ | 88.40% | 80.80% | 90.50% | 90.10% |
| FDB v2 多轮指令遵循 ↑ · /5 | 3.35 | 3.72 | 3.44 | 3.36 |
| FDB v2 实体跟踪、纠错与安全 ↑ · /5 | 3.63 | 3.50 | 3.15 | 2.97 |
| FDB v1 打断后回答质量 ↑ · /5 | 4.88 | 4.67 | 4.51 | 4.57 |
MOSS-Live 的打断后回答质量为 4.88/5，实体跟踪、纠错与安全为 3.63/5，均为原图参评模型最高。与前面的抗干扰结果结合看，它的强项在于维持交流的连贯性：对话被插入、修正之后，仍能跟踪信息并继续回答。
同时，Big-Bench Audio 准确率为 88.40%，低于豆包的 90.50%；多轮指令遵循为 3.35/5，低于 GPT-Live-1 的 3.72/5 和豆包的 3.44/5。因此，本文的结论聚焦于全双工交互及对话接续的优势，不将这些结果扩展为所有语音能力的统一排名。
边交流、边执行：前后台如何协同？
MOSS-Live 支持全双工语音、语义打断、实时视频和屏幕共享，以及流式同声传译。它将实时交互与耗时任务分工处理：前台负责持续感知和交流，后台承担复杂推理、工具调用与任务执行，协同层在两者之间共享记忆、上下文及任务状态。
例如，用户正在讨论旅行计划时，可以同时交办酒店查询，随后继续补充行程偏好。查询在后台推进，前台继续对话，结果就绪后再带回交流。这种设计让等待工具结果的时间能够被用于继续沟通，也让新需求有机会进入正在推进的任务。
在连续对话里观察这些能力
评测给出可对照的数值，演示则帮助观察具体的交互过程。以下为官网提供的三个场景；观看时可以重点留意附和是否造成中断、新需求如何被接收，以及话题切换后如何返回原任务。
多人会议：讨论和查询同时推进
自驾游规划：临时改需求，再接回原话题
上海旅行：结合实时画面继续交流
如何理解这组结果
如果应用最关心的是多人环境里的误接话、说话中的干扰和打断后的接续，MOSS-Live 的评测结果值得重点考察。如果更关心复杂多轮任务完成率，GPT-Live-1 在 τ-Voice 上的领先同样应该纳入判断；如果侧重语音理解准确率，豆包在 Big-Bench Audio 上的优势也应保留。
本文数据和模型名称均按 MOSS 官网在 2026 年 11 月 13 日展示的图表整理，属于产品方公布的评测。页面未展开样本量、误差范围、API 快照及完整评测配置。不同基准的指标不应混合计算总分；尤其 FDB v1.5 与 τ-Voice 的无关语音指标并非互补比例。本文不据此比较延迟、价格或所有场景下的产品体验。