Modely a platformy AI

Thinking Machines Lab vydává první model s interakcí v reálném čase po 200 ms

Alex McFarland
Přidejte Unite.AI mezi své preferované zdroje na Google
Klíčové bodyThinking Machines sází na to, že další konkurenční hranici v AI určí spíše nepřetržitá…
Zobrazit více
  • Thinking Machines sází na to, že další konkurenční hranici v AI určí spíše nepřetržitá interakce než zadávání pokynů v jednotlivých tazích.
  • Model interakce zpracovává vstup a výstup ve stejném hodinovém cyklu, takže dokáže přerušit, reagovat a překládat v reálném čase.
  • Nezávislé ověření laboratoří samostatně vykázaných benchmarků interakce zůstává bezprostřední otevřenou otázkou pro výzkumný náhled.

Thinking Machines Lab, AI startup založený bývalou technickou ředitelkou OpenAI Mira Murati, vydal výzkumnou ukázku svého prvního vlastního modelu 11. května 2026, čímž ukončil více než roční ticho o tom, co laboratoř vlastně postaví. Společnost nazývá systém “interakčním modelem” – multimodální architekturou, která byla natrénována od základu, aby zpracovávala audio, video a text v blocích po 200 milisekundách, místo aby čekala, až uživatel dokončí svou promluvu.

Model, nazvaný TML-Interaction-Small, je systém typu mixture-of-experts se 276 miliardami parametrů a 12 miliardami aktivních parametrů. Podle oznámení na blogu společnosti se jedná o první produkt laboratoře, která získala asi 2 miliardy dolarů při valuaci 12 miliard dolarů, aniž by vydala něco jiného než nástroj pro jemné ladění. Vydání přichází za trvajícího tlaku způsobeného odchody talentů a zablokovaného následného kola financování.

Co vlastně dělá interakční model

Thinking Machines tvrdí, že současné nejpokročilejší modely – včetně OpenAI GPT-Realtime a Google Gemini Live – doplňují chování v reálném čase k architekturám založeným na střídání promluv pomocí soustavy externích komponent, jako je detekce hlasové aktivity. Tyto komponenty rozhodují, kdy uživatel přestal mluvit, a poté předávají dokončenou výpověď modelu. Zatímco model generuje odpověď, jeho vnímání světa se zastaví.

Interakční model nahrazuje tuto konstrukci tím, co společnost nazývá časově sladěné mikrotahy. Systém nepřetržitě zpracovává 200 milisekund vstupu, zatímco generuje 200 milisekund výstupu, přičemž oba proudy tokenů se prolínají ve stejném taktu. Tato struktura umožňuje modelu přerušit uživatele uprostřed věty, reagovat na vizuální signály bez vyžádání, nebo mluvit současně s uživatelem pro úkoly, jako je živý překlad.

Architektura vynechává náročné samostatné enkodéry. Zvuk vstupuje jako příznaky dMel prostřednictvím lehké embeddingové vrstvy, obrázky se dělí na výřezy o rozměrech 40 × 40 a všechny komponenty se společně trénují od základu s transformerem. Samostatný model běžící na pozadí pracuje asynchronně a zajišťuje hlubší uvažování, volání nástrojů a procházení webu, zatímco interakční model zůstává přítomen v konverzaci.

Na základě výsledků společnosti TML-Interaction-Small dosahuje zpoždění při střídání tahů 0,40 sekundy na FD-bench V1, ve srovnání s 1,18 sekundami pro GPT-Realtime-2.0 v režimu minimálního myšlení a 0,57 sekundami pro Gemini-3.1-flash-live. Na FD-bench V1.5, který hodnotí kvalitu interakce při přerušeních ze strany uživatele, krátkých reakcích signalizujících naslouchání a řeči na pozadí, model dosahuje 77,8 proti 46,8 pro GPT-Realtime-2.0 minimální a 45,5 pro Gemini-3.1-flash-live v režimu vysokého myšlení. Údaje uvádí sama společnost.

Dlouho očekávané první vydání

Vydání uzavírá dlouhou mezeru mezi financováním a produktem. Thinking Machines byla založena v únoru 2025 a v červenci téhož roku uzavřela seedové kolo financování ve výši 2 miliard dolarů při valuaci 12 miliard dolarů – široce hlášené jako největší seedové kolo financování v historii. Kolo bylo vedené Andreessen Horowitz s účastí Nvidia (NVDA ), AMD, Cisco, Accel, ServiceNow (NOW ) a Jane Street. Do teď jediným produktem, který společnost vydala, byl Tinker, API pro jemné ladění modelů s otevřenými vahami, které bylo spuštěno v říjnu 2025.

Mezitím nastaly turbulence. Spoluzakladatelé Barret Zoph a Luke Metz odešli v lednu 2026 zpět do OpenAI. Murati přitom oznámila, že se společnost se Zophem „rozešla“. Andrew Tulloch odešel do Meta Superintelligence Labs poté, co byla odmítnuta nabídka Marka Zuckerberga na odkoupení celé společnosti, jejíž uváděná výše činila 1 miliardu dolarů. Meta od té doby najala pět zakládajících členů laboratoře. Murati reagovala tím, že povýšila Soumitha Chintalu, spolutvůrce PyTorch, na technického ředitele. Ohlášené následné kolo financování při valuaci asi 50 miliard dolarů nebylo uzavřeno do konce roku 2025.

Výpočetní kapacita se naproti tomu vyvíjela opačným směrem. V březnu Thinking Machines ohlasila partnerství s Nvidia, které zahrnuje nezveřejněné investice a nasazení nejméně jednoho gigawattu systémů Vera Rubin nové generace. Laboratoř také rozšířila svou spolupráci s Google Cloud, aby zahrnovala trénování nejpokročilejších modelů na hardwaru Nvidia GB300.

Co sledovat

Interakční model ještě není k dispozici pro podniky nebo veřejnost. Thinking Machines říká, že omezená výzkumná ukázka bude otevřena vybraným partnerům v následujících měsících, s širším vydáním později v roce 2026. Společnost také plánuje vydat větší interakční modely, přičemž uvádí, že současná verze s 276 miliardami parametrů je nejmenší variantou, kterou může poskytnout při požadovaném zpoždění.

Nezávislé ověření tvrzení o benchmarkingu je okamžitou otázkou. FD-bench je jedním z mála veřejných benchmarků zaměřených na kvalitu interakce, a výsledky Thinking Machines ještě nebyly reprodukovány třetími stranami v realistickém zatížení. Testy proaktivního chování, které společnost zavedla pro vizuální signály, včetně adaptovaných verzí RepCount-A, ProactiveVideoQA a Charades, jsou nové nástroje bez zavedeného srovnávacího základu.

Strategická sázka je ostřejší. Zatímco OpenAI, Anthropic a Google strávili minulý rok rozvojem schopností autonomních agentů, Thinking Machines sází na to, že další osa soutěže bude to, jak lidé komunikují s AI – blíže k nepřetržité konverzaci než k sérii zadání. Interakční model soutěží nejvíce přímo s systémy hlasové AI v reálném čase, které uvádějí na trh OpenAI, Google a rostoucí skupina startupů zaměřených na řeč. Zda architektura přežije kontakt s produkční zátěží – dlouhými relacemi, nestabilními připojeními a bezpečnostními omezeními odmítnutí v reálném čase – prověří příští kolo výzkumné ukázky.

Alex vede AI‑poháněné zpravodajské operace společnosti Unite.AI, spojuje žurnalistiku, výzkum a automatizaci, aby podpořil včasné a škálovatelné pokrytí umělé inteligence. Jeho práce pomáhá zajistit, aby byly nové události v oblasti AI efektivně prezentovány a zároveň byly zachovány redakční standardy publikace.