和语音助手说话，最恼人的往往不是它答错，而是它听不懂随口表达、不能接着办事，甚至把旁人的声音当成指令。阿里巴巴7月15日发布Qwen-Audio-3.0-Realtime，面向客服、语音Agent（能调用业务系统完成任务的语音助手）等场景，集中升级推理、工具调用、共情对话和全双工交互——也就是让用户与AI能同时说话和聆听，随时插话或打断。
据阿里巴巴提供、量子位转载的材料，模型分为偏能力的Plus和偏速度的Flash。Plus在VoiceBench语音问答测试中，面对书面化和口语化提问分别得92.5和90.5分，差距为2分，说明它对真人随意说法的适应性有所增强。它还能在没有明确命令时自行调用地图、API或知识库，并记住返回结果，接住后续追问；同时结合声音、语义和声纹判断该听谁、何时被打断。上述效果与“毫秒级响应”均来自发布方自述，材料未披露具体延迟及独立实测结果。