谷歌Gemini 2.5音频模型重磅升级 指令遵循率飙升，函数调用反超OpenAI

导语：谷歌最新发布的 Gemini 2.5 Flash Native Audio 更新，将语音助手的指令遵循准确率大幅提升至90%，并在 ComplexFuncBench 基准测试中以71.5%的成绩超越了竞品，标志着其在处理复杂工作流和多步骤对话方面取得了突破性进展。

核心性能显著增强

谷歌此次发布的更新主要针对 Gemini 2.5 Flash Native Audio 模型，旨在解决语音助手在处理复杂任务时的痛点。根据官方反馈，新版本在理解和执行用户请求方面表现优异，开发者指令的遵循率从之前的84% 跃升至90%。这一数据的提升意味着用户在与语音助手交互时，将获得更加精准、响应更迅速的体验，尤其是在面对非标准化或含糊不清的口语指令时，助手的理解能力得到了质的飞跃。

对话质量与基准测试表现

在多步骤对话场景中，更新后的模型展现出了极佳的连贯性。不仅对话流程更加自然流畅，助手在适应复杂询问和连续任务执行上的能力也显著增强。

值得关注的是，在行业权威的 ComplexFuncBench 基准测试中，新版模型的函数调用准确率达到了71.5%。作为对比，OpenAI 的 gpt-realtime 模型在该项测试中的得分为66.5%。尽管谷歌方面指出测试可能未包含 OpenAI 最新发布的版本，但这组数据依然有力地证明了谷歌在音频模型领域的强劲竞争力。

图源备注：图片由AI生成

全面覆盖谷歌生态

目前，这项技术升级已全面接入谷歌的生态系统。包括 Google AI Studio、Vertex AI、Gemini Live 以及 Search Live 在内的多个平台均已上线新版本。Google Cloud 的企业客户也已开始部署并使用这项新技术来优化其业务流程。对于开发者而言，现在即可通过 Gemini API 对模型进行调用测试，探索其在各类应用场景中的潜力。

这次更新不仅是技术参数的提升，更折射出谷歌在人工智能领域持续深耕的决心，致力于为用户提供更高效、更自然的交互体验。