语音模型评测榜 DIAL 发布：3 万次人工评分覆盖 9000 多通多轮通话
sarahcat21 · x · 2026-10-29
David Ai 团队发布 Dialogue Interaction Assessment Leaderboard（DIAL），号称迄今最全面的语音到语音（S2S）模型人类偏好评测基准，基于 9000 多通真实多轮通话中的 3 万多条人工评分。
DIAL 的核心主张是：一次好的语音对话不等于一个好的首轮回复。榜单评估模型在整个交互过程中的表现，维度包括对话时机把握、上下文追踪、事实落地、任务完成度和音频质量，场景覆盖消费级对话、商务通话以及代替用户外呼的 agent。
转发者 sarahcat21 认为，S2S 模型未来必然在很多场景取代级联式（ASR+LLM+TTS）方案，但一直缺乏好的评测方法，这个基准很及时。
「模型」频道最新
- 未来 15-20 天模型密集发布：Qwen 4、GLM-5.5 Flash、DeepSeek V4.1 在路上 — haider1 · 2026-10-29
- Anthropic 封禁蒸馏后，中国实验室转向 GPT-6 Astra 蒸馏 — rohanpaul_ai · 2026-10-29
- OpenAI Dot 主动发现用户搞错约会日期，独立监控邮件立功 — kimmonismus · 2026-10-29
- MiniMax M3.1 Flash 被疑刷榜：AA 新版索引下分数暴跌 22 分 — rickasaurus · 2026-10-29
- 用户吐槽 GPT-6.1 Sol 容量不足：通宵任务跑 45 分钟即中断 — CtrlAltDwayne · 2026-10-29
- 传 Anthropic 内部已有超越 Mythos 5.1 且对齐更好的模型 — VraserX · 2026-10-29