AI-modeller og platforme
Thinking Machines Lab lancerer første model med realtidsinteraktion i intervaller på 200 millisekunder

NøglepunkterThinking Machines satser på, at kontinuerlig interaktion frem for turbaserede prompts…
Vis mere
- Thinking Machines satser på, at kontinuerlig interaktion frem for turbaserede prompts vil definere den næste konkurrencemæssige frontlinje inden for AI.
- Interaktionsmodellen behandler input og output i samme clock-cyklus, så den kan afbryde, reagere og oversætte i realtid.
- Uafhængig verifikation af laboratoriets selvrapporterede interaktionsbenchmarks er fortsat det umiddelbare åbne spørgsmål for forskningspreviewet.
Thinking Machines Lab, AI-startuppet grundlagt af OpenAI’s tidligere teknologidirektør Mira Murati, udgav en forskningsforhåndsvisning af sin første interne model den 11. maj 2026, og afsluttede dermed mere end et års stilhed om, hvad laboratoriet faktisk ville bygge. Selskabet kalder systemet en “interaktionsmodel” – en multimodal arkitektur trænet fra bunden til at behandle lyd, video og tekst i blokke på 200 millisekunder, snarere end at vente på, at brugerne afslutter deres taletur.
Modellen, der hedder TML-Interaction-Small, er et 276 milliarder parametre stort mixture-of-experts system med 12 milliarder aktive parametre. Ifølge selskabets meddelelsesblogindlæg er det det første produkt fra et laboratorium, der har indsamlet omkring 2 milliarder dollars ved en vurdering på 12 milliarder dollars uden at have leveret andet end et finjusteringsværktøj. Udgivelsen finder sted midt i et vedvarende pres fra talentafgang og en fastlåst følgefinansieringsrunde.
Hvad en Interaktionsmodel Faktisk Gør
Thinking Machines argumenterer for, at nutidens mest avancerede modeller – herunder OpenAI’s GPT-Realtime og Google’s Gemini Live – tilføjer realtidsadfærd til tur-baserede arkitekturer ved hjælp af en “harness” af eksterne komponenter som tale-aktivitetsdetektion. Disse komponenter afgør, hvornår brugeren har stoppet med at tale, og overdrager derefter en færdig ytring til modellen. Mens modellen genererer en besked, fryser dens opfattelse af verden.
Interaktionsmodellen erstatter denne støttestruktur med, hvad selskabet kalder tidsmæssigt afstemte mikroture. Systemet behandler kontinuerligt 200 millisekunders input, mens det genererer 200 millisekunders output, med begge tokenstrømme flettet sammen på samme ur-cyklus. Denne struktur giver modellen mulighed for at afbryde en bruger midt i en sætning, reagere på visuelle signaler uden at blive bedt om det, eller tale samtidigt med brugeren til opgaver som live-oversættelse.
Arkitekturen undlader tunge selvstændige encodere. Lyd indføres som dMel-egenskaber gennem et letvægts-embedding-lag, billeder deles op i 40×40-patches, og alle komponenter er co-trænet fra bunden med transformeren. En separat baggrundsmodel kører asynkront og håndterer dybere resonnering, værktøjskald og web-browsing, mens interaktionsmodellen forbliver til stede i samtalen.
Ifølge selskabets rapporterede benchmarks opnår TML-Interaction-Small en tur-tagning-forsinkelse på 0,40 sekunder på FD-bench V1, sammenlignet med 1,18 sekunder for GPT-Realtime-2.0 i dets minimal-tænkende tilstand og 0,57 sekunder for Gemini-3.1-flash-live. På FD-bench V1.5, der scorer interaktionskvalitet over brugerens afbrydelser, korte lytterreaktioner og tale i baggrunden, scorer modellen 77,8 mod 46,8 for GPT-Realtime-2.0 minimal og 45,5 for Gemini-3.1-flash-live i dets højt-tænkende tilstand. Tallene er selv-rapporteret.
En længe ventet første modeludgivelse
Udgivelsen afslutter en lang periode mellem finansiering og produkt. Thinking Machines blev grundlagt i februar 2025 og lukkede i juli samme år en seed-runde på 2 milliarder dollars ved en vurdering på 12 milliarder dollars – bredt rapporteret som den største seed-runde nogensinde. Runden blev ledet af Andreessen Horowitz med deltagelse fra Nvidia (NVDA ), AMD, Cisco, Accel, ServiceNow (NOW ) og Jane Street. Indtil nu har selskabets eneste udgivne produkt været Tinker, et API til finjustering af modeller med åbne vægte, der blev lanceret i oktober 2025.
De efterfølgende måneder bragte turbulens. Medstifterne Barret Zoph og Luke Metz forlod selskabet i januar 2026 for at vende tilbage til OpenAI, og Murati annoncerede, at selskabet havde “skilt veje” med Zoph. Andrew Tulloch skiftede til Metas Superintelligence Labs efter, at Mark Zuckerbergs rapporterede tilbud på 1 milliard dollars om at købe hele selskabet var blevet afvist. Meta har siden ansat fem medlemmer af laboratoriets oprindelige stifterhold. Murati svarede ved at forfremme Soumith Chintala, en medskaber af PyTorch, til CTO. En rapporteret følgefinansieringsrunde ved en vurdering på omkring 50 milliarder dollars blev ikke afsluttet ved udgangen af 2025.
Compute-historien bevægede sig i den modsatte retning. I marts annoncerede Thinking Machines et partnerskab med Nvidia omfattende en ukendt investering og udrulning af mindst en gigawatt næste-generations Vera Rubin-systemer. Laboratoriet udvidede også sin Google Cloud-forbindelse til at dække træning af de mest avancerede modeller på Nvidia GB300-hardware.
Hvad man bør følge
Interaktionsmodellen er endnu ikke tilgængelig for virksomheder eller offentligheden. Thinking Machines siger, at en begrænset forskningspræview vil åbne for udvalgte partnere i de kommende måneder, med en bredere udgivelse senere i 2026. Selskabet planlægger også at udgive større interaktionsmodeller og bemærker, at den nuværende 276 milliarder parametre-version er den mindste variant, det kan servere ved den påkrævede forsinkelse.
Uafhængig verificering af benchmark-påstandene er det umiddelbare spørgsmål. FD-bench er en af de få offentlige benchmarks, der måler interaktionskvalitet, og Thinking Machines’ resultater er endnu ikke blevet reproduceret af tredjeparter under realistisk belastning. De proaktive tests, som selskabet introducerede til visuelle signaler, herunder tilpassede versioner af RepCount-A, ProactiveVideoQA og Charades, er nye instrumenter uden en etableret baseline.
Den strategiske indsats er mere præcis. Mens OpenAI, Anthropic og Google har brugt det sidste år på at fremme autonome agenters evner, satser Thinking Machines på, at den næste konkurrenceakse vil være hvordan mennesker kommunikerer med AI – tættere på en kontinuerlig samtale end en række prompts. Interaktionsmodellen konkurrerer mest direkte med realtids-voice-AI-systemer, der lanceres af OpenAI, Google og en voksende række tale-fokuserede startups. Om arkitekturen overlever kontakt med produktionsarbejdsbelastninger – lange sessioner, upålidelig forbindelse og sikkerhedsbegrænsninger for realtidsafvisning – er testen, som den næste præview-runde vil stille.












