Full Duplex Bench 是一个用于评估全双工语音对话模型能力的基准测试，重点考察模型在可随时打断、实时插话、边听边说等真实语音交互场景中的表现。随着语音智能体从"轮流说话"走向"随时开口"，业界需要一套统一标准来衡量不同全双工架构的优劣，这类基准因此逐渐受到关注。
全双工语音模型的近期进展
当前焦点与观察点
目前围绕全双工语音评测的讨论主要集中在三点。其一，延迟与打断行为的量化方式尚未统一：插话时机、抢话频率、附和反应等指标在不同论文中定义各异，Full Duplex Bench 若能提供统一协议，将减少各家报告数字的不可比性。其二，全双工模型普遍面临长对话资源瓶颈，KV 缓存压缩等优化方案的提出意味着评测场景也应覆盖更长时长的对话。其三，评测正从纯对话质量向任务完成能力延伸，如 OpenAIDevs 对 GPT-Live-1 在客服场景中任务完成情况的测试所示，未来基准可能需要同时衡量交互自然度与业务有效性。对研究者和工程团队而言，观察 Full Duplex Bench 的指标设计如何吸收这些趋势，是判断全双工语音技术成熟度的一个有效窗口。