发布Speech Agent Arena基准，在真实场景中评估Speech to Speech模型的对话偏好与任务成功率，Gemini 3.1 Flash Live Preview - Minimal居偏好Elo首位

先了解这件事

Artificial Analysis 推出 Speech Agent Arena，让人类参与者在 15 个工具调用场景和 20 个非工具场景中盲测对比 Speech to Speech 模型，以 Preference Elo 和 Task Success Rate 评分。