语音助手的「智商滑铁卢」：当GPT开口说话，准确率从74.8%跌到6.1%

想象这样一个场景：同一个 AI 模型，用文字交流时对答如流，一旦开口说话就变得磕磕巴巴、答非所问。这不是假设中的场景，而是当下语音交互系统的真实写 照。 杜克大学和 Adobe 最近发布的 VERA 研究，首次系统性地测量了语音模态对推理能力的影响。研究覆盖 12 个主流语音系统，使用了 2,931 道专门设计的测试题。 核心发现令人意外，最触目惊心的对比来自 OpenAI 的 GPT 家族： 相差 68.7 个百分点，几乎是「学霸」和「学渣」的差距。 这不是个例。研究团队测试了 12 个主流语音系统——从 OpenAI 的 GPT-realtime 到谷歌的 Gemini-native-audio，从亚马逊的 Nova Sonic 到阿里巴巴的 Qwen 音频模 型——无一例外，全部在推理任务上「翻车」。 标题：Voice Evaluation of Reasoning Ability: Diagnosing the Modality-Induced Performance Gap 论文： arxiv.org/pdf/2509.26542 代码： github.com/linyueqian/VERA GPT ...