@kyutai_labs: 我们正在发布 Voice of Reason，一个原生语音模型，可以口头进行数学计算。给它一个语音问题，无需转录……

我们推出理性之声——一款能口头解题的语音原生模型。无需转录或文本大语言模型介入，只需向它提出语音问题，模型即可通过语音进行推理和解答。在GSM8K测试中，GLM-4-Voice原本仅达27.3%的准确率，而新模型跃升至77.1%。详情见🧵

数学是衡量模型智能的优秀基准，但语音模型通常落后于文本模型。语音模型需要即时口头作答，而围绕文本模型搭建级联系统（转录→思考→语音合成）又会引入过多延迟。如何让语音模型达到同等水平？

我们从GLM-4-Voice出发，先用合成语音问答数据进行微调，再通过可验证奖励进行强化学习训练。该模型能够直接作答，无需生成额外推理token，即可达到70.3%的准确率——超越了部分需要显式推理轨迹的早期语音模型。

进一步地，我们引入STITCH流式推理方案（Chiang等，https://arxiv.org/abs/2507.15375）实现“静默思考”。当模型播放前一句话时，它会在无声分段中完成推理：GSM8K准确率达77.1%，且不增加额外思考延迟。

论文：https://arxiv.org/abs/2609.18677 (COLM 2026)
模型权重： https://hf.co/kyutai/glm-4-voice-of-reason-9b…（直接作答版） https://hf.co/kyutai/glm-4-voice-of-reason-stitch-9b…（语音伴随推理token版）