AI-modeller og plattformer
Thinking Machines Lab lanserer første modell med sanntidsinteraksjon i intervaller på 200 millisekunder

Viktige punkterThinking Machines satser på at kontinuerlig interaksjon, snarere enn turbasert…
Vis mer
- Thinking Machines satser på at kontinuerlig interaksjon, snarere enn turbasert prompting, vil definere den neste konkurransemessige frontlinjen innen AI.
- Interaksjonsmodellen behandler input og output i samme klokkesyklus, slik at den kan avbryte, reagere og oversette i sanntid.
- Uavhengig verifisering av laboratoriets selvrapporterte interaksjonsbenchmarker er fortsatt det umiddelbare åpne spørsmålet for forskningsforhåndsvisningen.
Thinking Machines Lab, AI-startupen grunnlagt av OpenAIs tidligere teknologidirektør Mira Murati, ga ut en forskningsforhåndsvisning av sin første interne modell den 11. mai 2026, og avsluttet dermed mer enn et år med stillhet om hva laben faktisk skulle bygge. Selskapet kaller systemet en “interaksjonsmodell” — en multimodal arkitektur trent fra grunnen av for å prosessere lyd, video og tekst i 200-millisekundsbiter i stedet for å vente på at brukerne avslutter sin taletur.
Modellen, navngitt TML-Interaction-Small, er et mixture-of-experts-system med 276 milliarder parametere, hvorav 12 milliarder er aktive. Ifølge selskapets kunngjøring på bloggen, er det det første produktet fra et laboratorium som har samlet inn omkring 2 milliarder dollar ved en verdi på 12 milliarder dollar uten å levere noe annet enn et finjusteringsverktøy. Utgivelsen skjer midt i en periode med vedvarende press fra avganger av ansatte og en stoppet påfølgende finansieringsrunde.
Hva en Interaksjonsmodell Faktisk Gjør
Thinking Machines hevder at dagens mest avanserte modeller — inkludert OpenAIs GPT-Realtime og Googles Gemini Live — monterer sanntidsatferd på turbaserte arkitekturer ved hjelp av en “harness” av eksterne komponenter som taleaktivitetsdeteksjon. Disse komponentene bestemmer når brukeren har stoppet å snakke, og overfører deretter en fullført ytring til modellen. Mens modellen genererer et svar, fryser dens persepsjon av verden.
Interaksjonsmodellen erstatter denne skjelettstrukturen med det selskapet kaller tidsjusterte mikroturer. Systemet prosesserer kontinuerlig 200 millisekunder med inndata mens det genererer 200 millisekunder med utdata, med begge tokenstrømmer vevd sammen på samme klokkesyklus. Denne strukturen lar modellen avbryte en bruker midt i en setning, reagere på visuelle signaler uten å bli bedt om det, eller snakke samtidig med brukeren for oppgaver som direkte oversettelse.
Arkitekturen hopper over tunge, selvstendige encodere. Lyd mates inn som dMel-egenskaper gjennom et lettvekts embeddinglag, bilder deles inn i 40×40-patcher, og alle komponenter er samtrent fra grunnen av med transformeren. En separat bakgrunnsmodell kjører asynkront og håndterer dypere resonnering, verktøykall og nettlesing mens interaksjonsmodellen holder seg til stede i samtalen.
Ifølge selskapets rapporterte benchmark, oppnår TML-Interaction-Small en forsinkelse ved turveksling på 0,40 sekunder på FD-bench V1, sammenlignet med 1,18 sekunder for GPT-Realtime-2.0 i minimaltenkingsmodus og 0,57 sekunder for Gemini-3.1-flash-live. På FD-bench V1.5, som scorer interaksjonskvalitet over avbrudd fra brukeren, korte lyttertilbakemeldinger og tale i bakgrunnen, scorer modellen 77,8 mot 46,8 for GPT-Realtime-2.0 minimal og 45,5 for Gemini-3.1-flash-live i høyttenkingsmodus. Tallene er selvrapportert.
En lenge etterlengtet første modellutgivelse
Utgivelsen lukker en lang periode mellom finansiering og produkt. Thinking Machines ble grunnlagt i februar 2025 og stengte en seedrunde på 2 milliarder dollar i juli samme år, til en verdi på 12 milliarder dollar — bredt rapportert som den største seedrunden noensinne. Runden ble ledet av Andreessen Horowitz med deltakelse fra Nvidia (NVDA ), AMD, Cisco, Accel, ServiceNow (NOW ) og Jane Street. Inntil nå har selskapets eneste leverte produkt vært Tinker, et API for finjustering av modeller med åpne vekter, som ble lansert i oktober 2025.
De påfølgende månedene førte til turbulens. Medgrunnleggerne Barret Zoph og Luke Metz forlot selskapet i januar 2026 for å returnere til OpenAI, med Murati som kunngjorde at selskapet hadde “gått fra hverandre” med Zoph. Andrew Tulloch gikk til Metas Superintelligence Labs etter at Mark Zuckerbergs rapporterte tilbud på 1 milliard dollar for å kjøpe hele selskapet ble avvist. Meta har siden ansatt fem medlemmer av labens opprinnelige oppstartsteam. Murati svarte ved å forfremme Soumith Chintala, en medskaper av PyTorch, til CTO. En rapportert påfølgende runde ved en verdi på omtrent 50 milliarder dollar var ikke fullført ved utgangen av 2025.
Beretningen om datamaskinressursene gikk i motsatt retning. I mars kunngjorde Thinking Machines en samarbeidsavtale med Nvidia som omfattet en ukjent investering og utrulling av minst en gigawatt med neste-generasjons Vera Rubin-systemer. Laben utvidet også sin Google Cloud-relasjon til å dekke trening av de mest avanserte modellene på Nvidia GB300-hardware.
Hva man bør følge med på
Interaksjonsmodellen er ikke ennå tilgjengelig for bedrifter eller offentligheten. Thinking Machines sier at en begrenset forskningsforhåndsvisning vil åpne for utvalgte partnere i de kommende månedene, med en bredere utgivelse senere i 2026. Selskapet planlegger også å utgi større interaksjonsmodeller, og bemerker at den nåværende 276-milliarders parameterutgaven er den minste varianten de kan levere ved den nødvendige forsinkelsen.
Uavhengig verifisering av benchmark-påstandene er det umiddelbare spørsmålet. FD-bench er en av de få offentlige benchmarkene som måler interaksjonskvalitet, og Thinking Machines sine resultater er ennå ikke blitt reprodusert av tredjeparter under realistiske belastninger. De proaktive testene selskapet innførte for visuelle signaler, inkludert tilpassede versjoner av RepCount-A, ProactiveVideoQA og Charades, er nye instrumenter uten en etablert basis.
Det strategiske veddemålet er mer målrettet. Mens OpenAI, Anthropic og Google har brukt det siste året på å fremme autonome agentegenskaper, satser Thinking Machines på at den neste konkurranseaksen vil være hvordan mennesker kommuniserer med AI — nærmere en kontinuerlig samtale enn en rekke ledetekster. Interaksjonsmodellen konkurrerer mest direkte med sanntids tale-AI-systemer som leveres fra OpenAI, Google og en voksende rekke talefokuserte startups. Om arkitekturen overlever kontakt med produksjonsarbeidsbelastninger — lange sesjoner, upålitelig tilkobling og sikkerhetsbegrensningene for sanntids avvisning — er det testen den neste forhåndsvisningsrunden vil stille.












