Alibaba、Qwen-Audio-3.0-Realtimeをリリースし、Artificial Analysisの音声推論ランキングでトップに

Alibabaは今月Qwen-Audio-3.0-Realtimeをリリースした。同モデルは現在、Artificial Analysisの音声推論カテゴリで首位を獲得している。

このランキングでは、OpenAIのGPT-Realtime-2を同じベンチマークで上回った。この結果は、リアルタイム音声タスクにおけるOpenAIの継続的なリーダーシップを予想していた多くの観測者を驚かせた。

AlibabaのTongyi Labチームは、従来版よりも低遅延でライブ会話に対応できるモデルを構築した。内部テストでは、マルチターン対話セットにおける精度と速度の両方で改善が見られた。

Release Details and Ranking Position

同モデルは2026年7月10日に公開評価に参加した。Artificial Analysisは固定プロンプトと採点ルーブリックを用いて音声モデルを独立してテストしている。Qwen-Audio-3.0-Realtimeは音声推論サブセクションで総合最高得点を記録した。

リードは、複数のやり取りにわたって文脈を追跡する必要がある推論チェーンでの優れたパフォーマンスによるものだ。OpenAIのエントリは同じタスクセットで数ポイント差で後れを取った。

開発者はすでにAlibaba Cloudのエンドポイントを通じてモデルにアクセスできる。初期ドキュメントでは、中国語と英語の両方の音声入力とストリーミング出力がサポートされていると記載されている。

Why the Result Matters Now

音声推論ベンチマークは単純な文字起こし以上のものをテストする。ライブでのやり取り中に指示に従い、曖昧さを解消し、論理的一貫性を維持できるかどうかを測定する。

複数のラボからの以前のリリースは、主に単語誤り率の低減に焦点を当てていた。推論スコアへのシフトは、企業バイヤーがカスタマーサポートや会議エージェントに現在求めているものを反映している。

Alibabaの結果は、OpenAIに次の評価サイクルでギャップを埋めるよう圧力をかける。差は小さいため、1回のアップデートで順位が再び変わる可能性がある。

How Qwen-Audio-3.0-Realtime Works

アーキテクチャは音声エンコーダーの後に専用推論モジュールを追加する。このモジュールは、トーンやポーズ長などの音声特徴とともに文字起こしされたテキストを処理する。

トレーニングデータには、長文脈処理をストレスする合成マルチターン対話が含まれていた。同社は、この混合によりArtificial Analysisのテストセットでのスコアが向上し、平均300ミリ秒を超える遅延増加がなかったと報告している。

リアルタイムストリーミングではチャンク化されたデコード戦略を使用する。モデルは完全な発話が到着するのを待つのではなく、十分な音声が到着した時点で部分的な回答を返す。

Comparison With OpenAI GPT-Realtime-2

OpenAI GPT-Realtime-2は短いクリップでの純粋な文字起こし精度で依然としてリードしている。ただし、複数の話者を追跡したり中断を処理したりする対話ではスコアが低下する。

Qwen-Audio-3.0-Realtimeは逆のパターンを示す。孤立した文字起こしではスコアが低いが、タスクに推論ステップが追加されると高くなる。

どちらのモデルも詳細なエラー内訳をまだ公開していない。独立したラボは、各システムが優位性を持つ箇所を理解するため追加テストを続けている。

Limits Observed So Far

現在のリリースは、激しい背景ノイズや強いアクセントに依然として苦戦している。初期ユーザーからは、10分間の連続会話後に一貫性が低下するケースが報告されている。

Alibabaはこれらの問題が今後数週間でアップデートされると述べている。具体的な修正のタイムラインは共有されていない。

ベンチマーク自体は制御されたテスト条件のみを対象としている。重複する発話や接続不良を含む通話では、実世界のパフォーマンスが異なる可能性がある。

What to Watch Next

観測者は9月に予定されている次のArtificial Analysisアップデートを追跡する。より大きな差や逆転があれば、現在のリードが持続するかどうかが明らかになる。

Alibabaは8月にパブリックエンドポイントの利用統計をリリースする予定だ。外部開発者からの採用数は、社内製品以外への関心が広がるかどうかを示す。

OpenAIは即時の対抗リリースを確認していない。次のベンチマーク実行前に発表があれば、結果がスケジュールの変更を強いたことを示すことになる。

Users interested in personal knowledge tools can explore how remio stores and retrieves meeting notes alongside model outputs. The platform already supports importing transcripts from multiple audio sources.