assemblyai/voice-standard-bench 是 AssemblyAI 的开源基准测试框架，将语音 AI 模型按四种用途(dictation、information extraction、summarization、text correction)分类，并同时记录质量、成本与延迟。2026 年 10 月 29 日的合并提交 2ae44dc(PR #8，「Beam 1.0 and gpt 6.1 terra results」)只修改了 results/canonical/0-1-3/ 下的四个结果文件 summary.csv、summary.json、use_cases.html、use_cases.json，新增了 Beam 1.0 与 gpt-6.1-terra 的结果行。变更规模为 1676 行，其中新增 1451 行、删除 225 行。
该表分为 30s、120s、900s、3600s 四个桶(bucket)，每行同时包含 quality_score、total_cost_usd、cost_per_quality、tokens_per_second、ttft。新增的 Beam 1.0 在 30s 桶中记录了 quality_score 94、total_cost_usd 0.040385、cost_per_quality 0.0008593，gpt-6.1-terra 则记录了 95、0.046959、0.0009886。与同一表中已有行并列来看，gpt-6.1-sol 在 30s 上为 96 和 0.077908、cost_per_quality 0.001623，claude-haiku-4-5-20251001 则为 90 和 0.036948。两个新模型的 30s 质量分数低于 sol、高于 haiku，而 cost_per_quality 低于 sol。
质量分数按用途分别评分。Beam 1.0 的 30s 行拆分为 dictation 99、summarization 96、information extraction 91、text correction 89。在同一提交中，qwen3-32B 的 900s 行被从 quality_score 61 调整为 62，cost_per_quality 从 0.001826 调整为 0.001797。
不过 quality_score 是由表中 judge 列所指向的 claude-opus-5-5 打出的分数，因此并非独立测量。桶越长，延迟与成本一同上升，在 3600s 桶中 beam-1.0 的 error_count 为 1、gpt-6.1-terra 为 2，latency_n 分别降为 29 和 28。本次提交没有包含许可证或评分流程的变更，变更范围仅限于结果文件。来源是 GitHub 的 AssemblyAI/voice-standard-bench 提交 2ae44dc。因此，这张表更适合作为参考资料，用来比较在响应时间预算固定的条件下如何权衡质量、成本与延迟，还不到断定哪个模型更优的阶段。