Model dan platform AI

Thinking Machines Lab Meluncurkan Model Pertama dengan Interaksi Waktu Nyata per 200 Milidetik

Alex McFarland
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Poin utamaThinking Machines bertaruh bahwa interaksi berkelanjutan alih-alih pemberian prompt…
Lihat selengkapnya
  • Thinking Machines bertaruh bahwa interaksi berkelanjutan alih-alih pemberian prompt berbasis giliran akan menentukan batas kompetitif berikutnya dalam AI.
  • Model interaksi ini memproses input dan output pada siklus clock yang sama sehingga dapat menyela, bereaksi, dan menerjemahkan secara real time.
  • Verifikasi independen atas tolok ukur interaksi yang dilaporkan sendiri oleh laboratorium tersebut tetap menjadi pertanyaan terbuka yang mendesak untuk pratinjau riset ini.

Thinking Machines Lab, startup AI yang didirikan oleh mantan CTO OpenAI Mira Murati, merilis pratinjau penelitian dari model in-house pertamanya pada 11 Mei 2026, mengakhiri lebih dari setahun keheningan tentang apa yang sebenarnya akan dibangun lab tersebut. Perusahaan ini menyebut sistem ini sebagai “model interaksi” — arsitektur multimodal yang dilatih dari awal untuk memproses audio, video, dan teks dalam potongan 200 milidetik daripada menunggu pengguna menyelesaikan giliran.

Model, yang dinamai TML-Interaction-Small, adalah sistem campuran-ahli 276 miliar parameter dengan 12 miliar parameter aktif. Menurut pos blog pengumuman perusahaan, ini adalah produk pertama dari lab yang telah mengumpulkan sekitar $2 miliar dengan valuasi $12 miliar tanpa mengirimkan apa pun selain alat penyempurnaan. Rilis ini dilakukan di tengah tekanan berkelanjutan dari kepergian talenta dan putaran pendanaan lanjutan yang terhambat.

Apa yang Sebenarnya Dilakukan Model Interaksi

Thinking Machines Lab berpendapat bahwa model frontier saat ini — termasuk GPT-Realtime OpenAI dan Gemini Live Google — menambahkan perilaku waktu nyata ke arsitektur berbasis giliran menggunakan “harness” komponen eksternal seperti deteksi aktivitas suara. Komponen-komponen tersebut memutuskan kapan pengguna telah berhenti berbicara, kemudian menyerahkan ucapan yang selesai kepada model. Sementara model menghasilkan balasan, persepsi dunianya membeku.

Model interaksi menggantikan kerangka itu dengan apa yang disebut perusahaan sebagai giliran mikro yang selaras secara waktu. Sistem ini terus-menerus memproses 200 milidetik input sambil menghasilkan 200 milidetik output, dengan kedua aliran token disisipkan secara berselang-seling pada siklus jam yang sama. Struktur itu memungkinkan model untuk memotong pengguna di tengah kalimat, bereaksi terhadap isyarat visual tanpa diminta, atau berbicara secara bersamaan dengan pengguna untuk tugas seperti terjemahan langsung.

Arsitektur ini tidak menggunakan encoder mandiri yang berat. Audio disuplai sebagai fitur dMel melalui lapisan penyematan ringan, gambar dibagi menjadi potongan 40×40, dan semua komponen dilatih bersama dari awal dengan transformer. Model latar belakang terpisah berjalan secara asinkron, menangani penalaran yang lebih dalam, panggilan alat, dan browsing web sambil model interaksi tetap hadir dalam percakapan.

Pada benchmark yang dilaporkan perusahaan, TML-Interaction-Small mencatat latensi pergantian giliran bicara sebesar 0,40 detik pada FD-bench V1, dibandingkan dengan 1,18 detik untuk GPT-Realtime-2.0 dalam mode berpikir minimal dan 0,57 detik untuk Gemini-3.1-flash-live. Pada FD-bench V1.5, yang menilai kualitas interaksi di seluruh interupsi pengguna, tanggapan singkat yang menandakan bahwa lawan bicara menyimak, dan percakapan latar, model ini mencetak 77,8 dibandingkan dengan 46,8 untuk GPT-Realtime-2.0 minimal dan 45,5 untuk Gemini-3.1-flash-live dalam mode berpikir tinggi. Angka-angka tersebut dilaporkan sendiri.

Peluncuran Pertama yang Lama Dinantikan

Rilis ini menutup celah panjang antara pendanaan dan produk. Thinking Machines Lab didirikan pada Februari 2025 dan pada Juli tahun itu menutup putaran pendanaan awal sebesar $2 miliar dengan valuasi $12 miliar — yang dilaporkan secara luas sebagai putaran pendanaan awal terbesar dalam catatan. Putaran tersebut dipimpin oleh Andreessen Horowitz dengan partisipasi dari Nvidia (NVDA ), AMD, Cisco, Accel, ServiceNow (NOW ), dan Jane Street. Sampai sekarang, satu-satunya produk yang diluncurkan perusahaan adalah Tinker, API untuk penyempurnaan model dengan bobot terbuka yang diluncurkan pada Oktober 2025.

Bulan-bulan berikutnya membawa kekacauan. Para pendiri bersama Barret Zoph dan Luke Metz keluar dari perusahaan pada Januari 2026 untuk kembali ke OpenAI, dengan Murati mengumumkan bahwa perusahaan telah “berpisah” dengan Zoph. Andrew Tulloch pindah ke Superintelligence Labs milik Meta setelah tawaran Mark Zuckerberg yang dilaporkan bernilai $1 miliar untuk mengakuisisi seluruh perusahaan ditolak. Meta sejak itu telah merekrut lima anggota pendiri lab. Murati merespons dengan mempromosikan Soumith Chintala, co-pencipta PyTorch, ke CTO. Putaran lanjutan yang dilaporkan pada valuasi sekitar $50 miliar belum selesai hingga akhir 2025.

Cerita komputasi bergerak ke arah yang berlawanan. Pada Maret, Thinking Machines Lab mengumumkan kemitraan dengan Nvidia yang mencakup investasi yang tidak diungkapkan dan penerapan setidaknya satu gigawatt sistem Vera Rubin generasi berikutnya. Lab juga memperluas hubungan Google Cloud untuk mencakup pelatihan model frontier pada perangkat keras Nvidia GB300.

Apa yang Perlu Diperhatikan

Model interaksi belum tersedia untuk perusahaan atau masyarakat umum. Thinking Machines Lab mengatakan pratinjau penelitian terbatas akan dibuka untuk mitra terpilih dalam beberapa bulan mendatang, dengan rilis yang lebih luas kemudian pada 2026. Perusahaan juga berencana untuk merilis model interaksi yang lebih besar, dengan mencatat bahwa versi parameter 276B saat ini adalah varian terkecil yang dapat mereka layani pada latensi yang diperlukan.

Verifikasi independen dari klaim benchmark adalah pertanyaan segera. FD-bench adalah salah satu dari sedikit benchmark publik yang menargetkan kualitas interaksi, dan skor Thinking Machines Lab belum direproduksi oleh pihak ketiga di bawah beban realistis. Tes proaktif yang diperkenalkan perusahaan untuk isyarat visual, termasuk versi yang disesuaikan dari RepCount-A, ProactiveVideoQA, dan Charades, adalah instrumen baru tanpa baseline yang mapan.

Taruhan strategis lebih tajam. Sementara OpenAI, Anthropic, dan Google telah menghabiskan setahun terakhir mendorong kemampuan agen otonom, Thinking Machines Lab bertaruh bahwa sumbu kompetisi berikutnya akan menjadi bagaimana manusia berkomunikasi dengan AI — lebih dekat dengan percakapan terus-menerus daripada serangkaian prompt. Model interaksi bersaing secara langsung dengan sistem AI suara waktu nyata yang diluncurkan OpenAI, Google, dan kelompok startup berfokus pada suara yang terus bertambah. Apakah arsitektur tersebut mampu menghadapi beban kerja di lingkungan produksi — sesi panjang, koneksi yang tidak dapat diandalkan, dan batasan keselamatan terkait penolakan secara waktu nyata — adalah tes yang akan diberlakukan pada pratinjau berikutnya.

Alex memimpin operasi berita berbasis AI di Unite.AI, menggabungkan jurnalisme, riset, dan otomasi untuk mendukung liputan kecerdasan buatan yang tepat waktu dan skalabel. Pekerjaannya membantu memastikan perkembangan AI yang muncul ditampilkan secara efisien sambil mempertahankan standar editorial publikasi.