9B，但主打能力不是“更大更强”，而是更工程化的三件事：实时流式交互、边听边说（不是对讲机式一问一答）、端侧友好部署。

官方仓库把它描述为面向视觉、语音与“全程流式”的

Omni

端侧部署”做成了可落地的一整套工程路径，而不是“论文里能跑”。

主打的不是这个，它更像真人交流：它在输出语音的同时，仍然持续接收新的音/视频输入。

你可以插话、打断、改口，它需要能立刻调整回应（而不是“等我说完你再来”）。

reminding

中途打断要能“刹车+换挡”：停止旧输出、切换新意图、避免继续胡说八道。

时间对齐变成关键指标：视频帧、音频片段、文本指令要对齐，否则就会“听到

你可以把它理解成“一个统一调度的多模态系统”，而不只是“语言模型外面挂几个插件”。

官方仓库把它定位为面向视觉、语音与实时流式的

Omni

mechanism”（输入流：视频+音频；输出流：语音+文字；互不阻塞），并把模型拆成

GGUF

伙伴们，对AI测试、大模型评测、质量保障感兴趣吗？

我们建了一个

「人工智能测试开发交流群」，专门用来探讨相关技术、分享资料、互通有无。

无论你是正在实践还是好奇探索，都欢迎扫码加入，一起抱团成长！

期待与你交流！

👇

src="https://img2024.cnblogs.com/blog/1772657/202602/1772657-20260206005058718-2085311268.png"

alt="image"

被测对象从“回合制对话接口”升级为“实时流系统”。

看一段输出

现在要测的是一整套“持续输入、持续输出、可被打断、跨模态对齐”的系统行为。

流式稳定性：长时间会话是否丢帧、卡顿、音视频不同步、延迟飘。

A、后半句接着说

多模态一致性：同一段画面+音轨+指令，结论是否自洽，是否能正确引用画面细节。

端侧性能波动：p95

安全与合规：权限、缓存、日志脱敏、提示注入（尤其是“通过画面文字/语音指令注入”）。

src="https://img2024.cnblogs.com/blog/1772657/202602/1772657-20260206005058718-2085311268.png"

alt="image"

测吧（北京）科技有限公司，是一个面向软件测试爱好者的技术交流社区。

学社围绕现代软件测试工程体系展开，内容涵盖软件测试入门、自动化测试、性能测试、接口测试、测试开发、全栈测试，以及人工智能测试与

Python

驱动的测试设计、用例生成、自动化执行与质量分析方法，沉淀可复用、可落地的测试开发工程经验。

在技术社区与工程实践之外，学社还参与测试工程人才培养体系建设，面向高校提供测试实训平台与实践支持，组织开展

“火焰杯”

软件测试相关技术赛事，并探索以能力为导向的人才培养模式，包括高校学员先学习、就业后付款的实践路径。

同时，学社结合真实行业需求，为在职测试工程师与高潜学员提供名企大厂

1v1

私教服务，用于个性化能力提升与工程实践指导。