你让 AI 听一段长录音，再问“某件事发生在第几分钟”，它不仅要听懂内容，还得记住声音与时间的对应关系。GigaChat 3.1 Audio 瞄准的正是这类原生语音任务：音频不先转成文字，而是经过 Conformer——一种兼顾局部声音特征和长距离关系的语音编码器——直接送进语言模型。
它最值得注意的是计算方式。模型共有 10B（100 亿）参数，但每次只激活 1.8B（18 亿）。这是因为底层采用 Mixture-of-Experts（MoE，混合专家）结构：模型像一个大型专家组，处理一次请求时只请少数相关专家出场。语音编码结果还会经过模态适配器，也就是一层“小翻译”，变成语言模型能接收的输入。
据项目页面介绍，它支持音频问答、分类、摘要和时间定位，还能给事件描述加上时间戳；这部分能力使用带时间对齐标注的长音频数据集 TimeGround-1M 训练。换句话说，它试图在保留大模型容量的同时压低单次计算量，为成本更可控的语音交互提供一种新选择。不过，现有材料未披露具体速度、成本或基准测试成绩。