Μοντέλα και πλατφόρμες AI
Η Thinking Machines Lab κυκλοφορεί το πρώτο μοντέλο της με αλληλεπίδραση σε πραγματικό χρόνο ανά 200 ms

Βασικά σημείαΗ Thinking Machines ποντάρει ότι η συνεχής αλληλεπίδραση, παρά η προτροπή σε διαδοχικές…
Δείτε περισσότερα
- Η Thinking Machines ποντάρει ότι η συνεχής αλληλεπίδραση, παρά η προτροπή σε διαδοχικές σειρές, θα καθορίσει το επόμενο ανταγωνιστικό σύνορο στην τεχνητή νοημοσύνη.
- Το μοντέλο αλληλεπίδρασης επεξεργάζεται την είσοδο και την έξοδο στον ίδιο κύκλο ρολογιού, ώστε να μπορεί να διακόπτει, να αντιδρά και να μεταφράζει σε πραγματικό χρόνο.
- Η ανεξάρτητη επαλήθευση των αυτοαναφερόμενων σημείων αναφοράς αλληλεπίδρασης του εργαστηρίου παραμένει το άμεσο ανοιχτό ζήτημα για την ερευνητική προεπισκόπηση.
Thinking Machines Lab, η νεοφυής εταιρεία τεχνητής νοημοσύνης που ίδρυσε η πρώην τεχνική διευθύντρια της OpenAI Mira Murati, κυκλοφόρησε μια ερευνητική προεπισκόπηση του πρώτου δικού της μοντέλου στις 11 Μαΐου 2026, βάζοντας τέλος σε περισσότερο από έναν χρόνο σιωπής για το τι θα δημιουργούσε τελικά το εργαστήριο. Η εταιρεία αποκαλεί το σύστημα «μοντέλο αλληλεπίδρασης»: μια πολυτροπική αρχιτεκτονική που εκπαιδεύτηκε από το μηδέν για να επεξεργάζεται ήχο, βίντεο και κείμενο σε τμήματα των 200 χιλιοστών του δευτερολέπτου, αντί να περιμένει να ολοκληρώσει ο χρήστης τη σειρά του στη συζήτηση.
Το μοντέλο, που ονομάζεται TML-Interaction-Small, είναι ένα σύστημα μείγματος ειδικών (MoE) με 276 δισεκατομμύρια παραμέτρους, από τις οποίες 12 δισεκατομμύρια είναι ενεργές. Σύμφωνα με την ανάρτηση ανακοίνωσης στο ιστολόγιο της εταιρείας, αποτελεί το πρώτο προϊόν ενός εργαστηρίου που έχει αντλήσει περίπου 2 δισεκατομμύρια δολάρια με αποτίμηση 12 δισεκατομμυρίων, χωρίς προηγουμένως να έχει διαθέσει τίποτε πέρα από ένα εργαλείο λεπτομερούς προσαρμογής μοντέλων. Η κυκλοφορία έρχεται υπό συνεχιζόμενη πίεση από αποχωρήσεις στελεχών και έναν επόμενο γύρο χρηματοδότησης που έχει βαλτώσει.
Τι κάνει πραγματικά ένα μοντέλο αλληλεπίδρασης
Η Thinking Machines υποστηρίζει ότι τα σημερινά μοντέλα αιχμής —μεταξύ τους το GPT-Realtime της OpenAI και το Gemini Live της Google— προσθέτουν συμπεριφορά σε πραγματικό χρόνο σε αρχιτεκτονικές που βασίζονται στην εναλλαγή της σειράς ομιλίας, χρησιμοποιώντας ένα σύνολο εξωτερικών στοιχείων, όπως η ανίχνευση φωνητικής δραστηριότητας. Αυτά καθορίζουν πότε ο χρήστης σταμάτησε να μιλά και κατόπιν παραδίδουν στο μοντέλο ένα ολοκληρωμένο εκφώνημα. Όσο το μοντέλο παράγει την απάντησή του, η αντίληψή του για τον κόσμο παγώνει.
Το μοντέλο αλληλεπίδρασης αντικαθιστά αυτή την υποδομή με αυτό που η εταιρεία ονομάζει χρονικά συγχρονισμένες μικροεναλλαγές. Το σύστημα επεξεργάζεται συνεχώς 200 χιλιοστά του δευτερολέπτου εισόδου, ενώ παράγει 200 χιλιοστά του δευτερολέπτου εξόδου, με τις δύο ροές token να εναλλάσσονται στον ίδιο κύκλο ρολογιού. Αυτή η δομή επιτρέπει στο μοντέλο να διακόπτει τον χρήστη στη μέση μιας πρότασης, να αντιδρά σε οπτικές ενδείξεις χωρίς να του ζητηθεί ή να μιλά ταυτόχρονα με τον χρήστη για εργασίες όπως η ζωντανή μετάφραση.
Η αρχιτεκτονική παρακάμπτει τους βαρείς ανεξάρτητους κωδικοποιητές. Ο ήχος εισάγεται ως χαρακτηριστικά dMel μέσω ενός ελαφρού επιπέδου ενσωμάτωσης, οι εικόνες χωρίζονται σε τμήματα 40 επί 40 και όλα τα στοιχεία συνεκπαιδεύονται από το μηδέν μαζί με τον transformer. Ένα ξεχωριστό μοντέλο παρασκηνίου λειτουργεί ασύγχρονα, αναλαμβάνοντας βαθύτερο συλλογισμό, κλήσεις εργαλείων και περιήγηση στον ιστό, ενώ το μοντέλο αλληλεπίδρασης παραμένει παρόν στη συζήτηση.
Σύμφωνα με τα αποτελέσματα των δοκιμών που αναφέρει η εταιρεία, το TML-Interaction-Small καταγράφει καθυστέρηση εναλλαγής ομιλητή 0,40 δευτερολέπτων στο FD-bench V1, έναντι 1,18 δευτερολέπτων για το GPT-Realtime-2.0 στη λειτουργία ελάχιστης σκέψης και 0,57 για το Gemini-3.1-flash-live. Στο FD-bench V1.5, που αξιολογεί την ποιότητα αλληλεπίδρασης σε διακοπές από τον χρήστη, σύντομες αντιδράσεις ακρόασης και ομιλία στο παρασκήνιο, το μοντέλο συγκεντρώνει 77,8, έναντι 46,8 για το GPT-Realtime-2.0 με ελάχιστη σκέψη και 45,5 για το Gemini-3.1-flash-live στη λειτουργία υψηλής σκέψης. Τα στοιχεία αναφέρονται από την ίδια την εταιρεία.
Ένα πολυαναμενόμενο πρώτο προϊόν
Η κυκλοφορία κλείνει ένα μεγάλο κενό ανάμεσα στη χρηματοδότηση και το προϊόν. Η Thinking Machines ιδρύθηκε τον Φεβρουάριο του 2025 και τον Ιούλιο του ίδιου έτους έκλεισε έναν αρχικό γύρο χρηματοδότησης seed ύψους 2 δισεκατομμυρίων δολαρίων, με αποτίμηση 12 δισεκατομμυρίων — ο οποίος αναφέρθηκε ευρέως ως ο μεγαλύτερος γύρος seed που έχει καταγραφεί. Επικεφαλής του γύρου ήταν η Andreessen Horowitz, με συμμετοχή των Nvidia (NVDA ), AMD, Cisco, Accel, ServiceNow (NOW ) και Jane Street. Μέχρι τώρα, το μόνο προϊόν που είχε κυκλοφορήσει η εταιρεία ήταν το Tinker, ένα API για τη λεπτομερή προσαρμογή μοντέλων με ανοικτά βάρη, που κυκλοφόρησε τον Οκτώβριο του 2025.
Οι μήνες που μεσολάβησαν έφεραν αναταράξεις. Οι συνιδρυτές Barret Zoph και Luke Metz αποχώρησαν τον Ιανουάριο του 2026 για να επιστρέψουν στην OpenAI, με τη Murati να ανακοινώνει ότι η εταιρεία «χώρισε τους δρόμους της» με τον Zoph. Ο Andrew Tulloch αποχώρησε για τα Superintelligence Labs της Meta μετά την απόρριψη της προσφοράς του Mark Zuckerberg για εξαγορά ολόκληρης της εταιρείας, η οποία, σύμφωνα με δημοσιεύματα, ανερχόταν σε 1 δισεκατομμύριο δολάρια. Έκτοτε η Meta έχει προσλάβει πέντε ιδρυτικά μέλη του εργαστηρίου. Η Murati αντέδρασε προάγοντας σε CTO τον Soumith Chintala, συνδημιουργό του PyTorch. Ένας επόμενος γύρος χρηματοδότησης, που αναφερόταν σε δημοσιεύματα με αποτίμηση περίπου 50 δισεκατομμυρίων δολαρίων, δεν είχε κλείσει έως το τέλος του 2025.
Η εξέλιξη της υπολογιστικής υποδομής ακολούθησε την αντίθετη πορεία. Τον Μάρτιο, η Thinking Machines ανακοίνωσε συνεργασία με την Nvidia που καλύπτει επένδυση μη δημοσιοποιημένου ύψους και την εγκατάσταση τουλάχιστον ενός γιγαβάτ συστημάτων νέας γενιάς Vera Rubin. Το εργαστήριο διεύρυνε επίσης τη συνεργασία του με το Google Cloud ώστε να περιλάβει την εκπαίδευση μοντέλων αιχμής σε υλικό Nvidia GB300.
Τι να παρακολουθήσουμε
Το μοντέλο αλληλεπίδρασης δεν είναι ακόμη διαθέσιμο σε επιχειρήσεις ή στο κοινό. Η Thinking Machines αναφέρει ότι μια περιορισμένη ερευνητική προεπισκόπηση θα ανοίξει σε επιλεγμένους συνεργάτες τους επόμενους μήνες, με ευρύτερη κυκλοφορία αργότερα το 2026. Η εταιρεία σχεδιάζει επίσης μεγαλύτερα μοντέλα αλληλεπίδρασης, σημειώνοντας ότι η τρέχουσα έκδοση των 276 δισεκατομμυρίων παραμέτρων είναι η μικρότερη παραλλαγή που μπορεί να διαθέσει με την απαιτούμενη καθυστέρηση.
Το άμεσο ερώτημα είναι η ανεξάρτητη επαλήθευση των αποτελεσμάτων. Το FD-bench είναι ένα από τα λίγα δημόσια benchmarks που στοχεύουν στην ποιότητα αλληλεπίδρασης και οι βαθμολογίες της Thinking Machines δεν έχουν ακόμη αναπαραχθεί από τρίτους υπό ρεαλιστικό φορτίο. Οι δοκιμές προδραστικότητας για οπτικές ενδείξεις που εισήγαγε η εταιρεία, στις οποίες περιλαμβάνονται προσαρμοσμένες εκδόσεις των RepCount-A, ProactiveVideoQA και Charades, είναι νέα εργαλεία χωρίς καθιερωμένη βάση σύγκρισης.
Το στρατηγικό στοίχημα είναι πιο συγκεκριμένο. Ενώ η OpenAI, η Anthropic και η Google αφιέρωσαν τον τελευταίο χρόνο στην ανάπτυξη δυνατοτήτων αυτόνομων πρακτόρων, η Thinking Machines στοιχηματίζει ότι ο επόμενος άξονας ανταγωνισμού θα είναι ο τρόπος με τον οποίο οι άνθρωποι επικοινωνούν με την τεχνητή νοημοσύνη — περισσότερο σαν μια συνεχής συζήτηση παρά σαν μια σειρά προτροπών. Το μοντέλο αλληλεπίδρασης ανταγωνίζεται πιο άμεσα τα συστήματα φωνητικής τεχνητής νοημοσύνης σε πραγματικό χρόνο που κυκλοφορούν η OpenAI, η Google και μια αυξανόμενη ομάδα νεοφυών εταιρειών με επίκεντρο την ομιλία. Το αν η αρχιτεκτονική αντέχει στις συνθήκες παραγωγής —μεγάλες συνεδρίες, αναξιόπιστη συνδεσιμότητα και τους περιορισμούς ασφαλείας της άρνησης σε πραγματικό χρόνο— είναι η δοκιμασία που θα θέσει ο επόμενος γύρος προεπισκόπησης.












