据 Beating，Step Audio 2.5 Realtime（Step Cosmos 的端到端实时语音模型）于 2026 年 4 月在其开放平台 API 上线。该模型强调自然对话，支持可定制的角色人设，并具备副语言感知（语调、停顿、叹息）。

在官方五个维度的测试中，Step Audio 2.5 Realtime 在所有类别中均排名第一。主观评估得分（真实用户手机应用对话）达到 80.41，而 GPT-Realtime-1.5 为 68.01，Gemini Live 为 67.16。语音问答基准得分为 79.80，几乎是 GPT-Realtime-1.5 的 1.5 倍（53.20）。API 定价：每百万输入 token 收取 10 元（缓存命中为 2 元），每百万输出 token 收取 70 元；持续语音通话预计为每小时 3.8 元。