2026年11月13日，复旦 OpenMOSS 团队发布实时语音模型 MOSS-Live，主打全双工交互：边听边说，能打断，也能分辨无关声音。官方公布的六项全双工指标里它全部居首，其中无关语音误接话率 2%，GPT-Live-1 是 68%、豆包 SeedDuplex 是 75%。在多人、嘈杂环境里，它最不容易乱接话。
六项指标拉开多大差距
停顿抢话率 1.44%，GPT-Live-1 是 10.37%、豆包是 14.29%；无关打断拒识率 68%，GPT-Live-1 只有 21%、豆包 13%；附和抗干扰率 98.17%、口头语抗干扰率 82.16%、无关语音抗干扰率 78.90%，六项全部领先参评模型。数字对应的是日常最烦人的两个问题：用户还在想词，系统就抢先开口；旁边有人说话，系统也当成在跟它讲话。MOSS-Live 还支持实时视频、屏幕共享与流式同声传译，前台持续感知交流、后台跑复杂推理与工具调用，协同层在两者之间共享记忆与任务状态，比如聊旅行计划时同时交办酒店查询，查到了再带回对话。
工具与多轮任务不是全赢
工具调用成功率 51%，与豆包并列最高，高于 GPT-Live-1 的 45%。但多轮任务成功率 57.93%，低于 GPT-Live-1 的 67.68%；Big-Bench Audio 总体准确率 88.40%，低于豆包的 90.50%；多轮指令遵循 3.35 分（满分 5 分），也低于 GPT-Live-1 的 3.72 分。打断后回答质量 4.88 分、实体跟踪与纠错 3.63 分是参评最高。结论要分开下：论“聊得顺不顺”，MOSS-Live 占优；论“多轮任务能不能做完”，GPT-Live-1 仍然更强。想了解语音对话为什么总抢话，可以看AI 语音对话总抢话怎么办？先说完整句、留停顿再换文字聊。
评测数字该怎么读
这组数字来自产品方公布的评测，页面没有展开样本量、误差范围与完整评测配置，不同基准的指标不能拼成总分。同一天发布的腾讯混元 Hy Realtime也是实时语音模型，竞争已经从“像不像人”转到“能不能在对话里直接调工具、查到最新信息”。接下来值得看的是独立评测能不能复现这组数字、API 定价与真实延迟，以及 MOSS-Live 是否像 MOSS-Image 那样开放权重，目前官方只给了在线体验与 API 平台。
