对标 OpenAI：谷歌 Gemini2.5 实时音频表现登顶，函数调用准确率达 71.5%

据 AIbase 报道，谷歌本周为其原生音频模型 Gemini2.5Flash Native Audio 推出重要升级，目标是把 AI 互动从普通的“文本转语音”推进到更接近真人的实时交流。

升级的关键在于“原生”处理。不同于先把语音转成文字再处理的传统流程，该模型可直接理解声音里的语调、情绪与停顿，让对话更自然顺畅。

谷歌数据显示，新版本对开发者指令的遵循率已从84% 升至 90%，在多步骤工作流中表现更精准。在音频基准 ComplexFuncBench 上，其函数调用准确率达到 71.5%，超过 OpenAI gpt-realtime（66.5%），在实时语音代理（Live Voice Agents）领域展现出强劲竞争力。

目前，这项技术已接入 Google AI Studio、Vertex AI、Gemini Live 与 Search Live。开发者可通过 Gemini API 体验此次升级，借助更高的一致性与多轮对话记忆，打造更可靠、更具情绪感知的 AI 助手。