Ajattelevien koneiden laboratorio toimittaa ensimmäisen mallinsa 200 ms:n reaaliaikaisella vuorovaikutuksella

Ajattelevien koneiden laboratorio, AI-startup, jonka perusti entinen OpenAI:n CTO Mira Murati, julkaisi tutkimusesityksen ensimmäisestä sisäisestä mallistaan 11. toukokuuta 2026, ja päätti yli vuoden hiljaisuuden siitä, mitä laboratorio todella rakentaisi. Yritys kutsuu järjestelmää “vuorovaikutusmalliksi” – monimodaalisksi arkkitehtuuriksi, joka on koulutettu alusta alkaen käsittelemään ääntä, videota ja tekstiä 200 millisekunnin paloissa odottaen, että käyttäjät lopettavat vuoronsa.

Malli, joka on nimeltään TML-Interaction-Small, on 276 miljardin parametrin sekoitus-asiantuntija, jossa on 12 miljardia aktiivista parametria. Yrityksen ilmoitusblogikirjoituksessa kerrotaan, että se on ensimmäinen tuote laboratoriosta, joka on kerännyt noin 2 miljardia dollaria 12 miljardin dollarin arvostuksella ilman mitään toimituksia muuta kuin hienosäätötyökalua. Julkaisu tapahtuu kestävän paineen keskellä, joka johtuu kykyjen lähdöstä ja keskeytetyistä seuraavista rahoituskierroksista.

Mikä vuorovaikutusmalli todella tekee

Ajattelevien koneiden laboratorio väittää, että nykyiset eturintaman mallit – mukaan lukien OpenAI:n GPT-Realtime ja Google (GOOGL ):n Gemini Live – kiinnittävät reaaliaikaisen käyttäytymisen vuoropohjaisiin arkkitehtuureihin “härän” avulla ulkoisia komponentteja, kuten äänentoistoa. Nämä komponentit päättävät, kun käyttäjä on lopettanut puhumisen, ja antavat valmiin lauseen mallille. Kun malli luo vastauksen, sen maailman havainto jäätyy.

Vuorovaikutusmalli korvaa tämän rakenteen ajanalyysillä. Järjestelmä prosessoi jatkuvasti 200 millisekunnin syötettä ja luo 200 millisekunnin tulostetta, ja molemmat tokenien virrat ovat vuorovaikutuksessa samalla kellonlyömällä. Tämä rakenne sallii mallin keskeyttää käyttäjän lauseen aikana, reagoida visuaalisiin vihjeisiin ilman pyynnön tarvetta tai puhua samanaikaisesti käyttäjän kanssa tehtävissä, kuten live-käännöksissä.

Arkkitehtuuri ohittaa raskaat erilliset koodausohjelmat. Ääni syötetään dMel-ominaisuuksilla kevyen upottamiskerroksen kautta, kuvat jaetaan 40×40 paloiksi, ja kaikki komponentit on koulutettu alusta alkaen transformerin kanssa. Erillinen taustamalli toimii asynkronisesti, käsitellen syvempää päättelyä, työkalukutsuja ja verkkoselaamista, kun vuorovaikutusmalli pysyy läsnä keskustelussa.

Yrityksen ilmoittamien benchmarkien mukaan TML-Interaction-Small saavuttaa 0,40 sekunnin vuoropohjaisen viiveen FD-bench V1:llä, verrattuna 1,18 sekuntiin GPT-Realtime-2.0:lle sen minimi-ajattelutilassa ja 0,57 sekuntiin Gemini-3.1-flash-livelle. FD-bench V1.5:llä, joka arvioi vuorovaikutuksen laatua käyttäjän keskeytyksiä, taustapuhetta ja visuaalisten vihjeiden suhteen, malli saavuttaa 77,8 pistettä verrattuna 46,8 pisteeseen GPT-Realtime-2.0:lle ja 45,5 pisteeseen Gemini-3.1-flash-livelle sen korkea-ajattelutilassa. Nämä luvut ovat itse ilmoitettuja.

Pitkään odotettu ensitoimitus

Julkaisu sulkee aukon rahoituksen ja tuotteen välillä. Ajattelevien koneiden laboratorio perustettiin helmikuussa 2025, ja heinäkuussa samana vuonna se sulki 2 miljardin dollarin siemensijoituksen 12 miljardin dollarin arvostuksella – laajalti raportoitu suurin siemensijoituskausi. Kierros johti Andreessen Horowitz, johon osallistuivat Nvidia (NVDA ), AMD, Cisco, Accel, ServiceNow (NOW ) ja Jane Street. Tähän asti yrityksen ainoa toimitettu tuote on ollut Tinker, API avoimen painon mallien hienosäätöön, joka julkaistiin lokakuussa 2025.

Välivuodet toivat myrskyisyyttä. Perustajat Barret Zoph ja Luke Metz lähtivät tammikuussa 2026 palatakseen OpenAI:hin, ja Murati ilmoitti, että yritys oli “eroon” Zophista. Andrew Tulloch lähti Meta:n Superintelligence Labsiin Mark Zuckerbergin raportoidun 1 miljardin dollarin tarjouksen jälkeen, jolla hän yritti hankkia yrityksen kokonaan. Meta on sittemmin palkannut viisi laboratorion perustajajäsentä. Murati vastasi nimittämällä Soumith Chintalan, PyTorchin yhden luojan, CTO:ksi. Raportoitu seuraava rahoituskierros noin 50 miljardin dollarin arvostuksella ei ollut sulkenut vuoden 2025 loppuun mennessä.

Laskennan tarina eteni vastakkaiseen suuntaan. Maaliskuussa Ajattelevien koneiden laboratorio ilmoitti yhteistyöstä Nvidian kanssa, joka kattoi tuntemattoman sijoituksen ja vähintään yhden gigawatin uusimman sukupolven Vera Rubin -järjestelmiä. Laboratorio laajensi myös Google Cloud -suhteensa kattamaan eturintaman mallien koulutuksen Nvidia GB300 -laitteistolla.

Mitä tarkkailla

Vuorovaikutusmalli ei ole vielä saatavilla yrityksille tai yleisölle. Ajattelevien koneiden laboratorio sanoo, että rajoitettu tutkimusesitys avataan valituille kumppaneille tulevina kuukausina, ja laajempi julkaisu myöhemmin vuonna 2026. Yritys aikoo myös julkaisemaan suurempia vuorovaikutusmalleja, huomauttaen, että nykyinen 276 miljardin parametrin versio on pienin variantti, jonka se voi toimittaa vaaditulla viiveellä.

Riippumaton vahvistus benchmark-vaatimuksista on välittömästi seuraava kysymys. FD-bench on yksi harvoista julkisista benchmark-kojeista, jotka keskittyvät vuorovaikutuksen laatuun, ja Ajattelevien koneiden laboratorion tulokset eivät ole vielä toistettu kolmansilla osapuolilla realistisessa kuormituksessa. Proaktiiviset testit, joita yritys esitteli visuaalisten vihjeiden, mukaan lukien sovellettuja versioita RepCount-A:sta, ProactiveVideoQA:sta ja Charades:ista, ovat uusia välineitä ilman vakiintunutta vertailukohtaa.

Strateginen veto on terävämpi. Kun OpenAI, Anthropic ja Google ovat viime vuoden ajan työntäneet autonomisten agenttien ominaisuuksia, Ajattelevien koneiden laboratorio panostaa siihen, että seuraava kilpailun akseli on ihmisten viestintä AI:n kanssa – lähempänä jatkuvaista keskustelua kuin sarjaa vihjeistä. Vuorovaikutusmalli kilpailee suoraan reaaliaikaisen äänen AI-järjestelmien kanssa, jotka toimitetaan OpenAI:sta, Googlesta ja kasvavasta puheen keskittyvien startupien joukosta. Onko arkkitehtuuri kestää yhteyttä tuotantokuormituksiin – pitkiin istuntoihin, epäluotettavaan yhteydenpitoon ja reaaliaikaisen kieltäytymisen turvallisuusrajoituksiin – se on testi, jonka seuraava esityskierros asettaa.