Decagon представила Alto для управления диалогами голосового агента

Decagon представила Alto 11 ноября 2026 года. Эта модель Decagon Labs управляет диалоговым уровнем дуплексного голосового агента компании, определяя, когда говорить и что именно сказать. По сообщению компании, Alto повысила долю решённых обращений в ходе реальных звонков клиентов более чем на пять процентных пунктов, при этом среднее время ответа составляло около 700 миллисекунд.

В Decagon заявили, что при сравнении доли решённых обращений остальная логика агента практически не менялась. В сообщении не указаны клиенты, размер выборки, исходные показатели и период измерения этого результата. Alto расширяет специализацию моделей Decagon: теперь она касается не только качества речи, но и управления диалогом — определения того, оправдан ли немедленный ответ, и поддержания вовлечённости собеседника, пока модель рассуждений выполняет задачу.

Решать, отвечать или ждать

В традиционной каскадной системе голосовой обработки каждый ход диалога проходит последовательно: сначала система расшифровывает речь собеседника, затем обдумывает ответ и после этого генерирует речь. Дуплексный агент Decagon устроен иначе: быстрая диалоговая модель работает параллельно с более мощной моделью рассуждений. Первая слушает и говорит, а вторая отвечает за сложные решения и действия, выполняемые в ходе диалога, — благодаря этому агент может продолжать общение, пока задача ещё решается.

Такая параллельная работа требует принимать решение на каждом ходу диалога. Ожидание ответа модели рассуждений может нарушить ход разговора, но слишком быстрый ответ грозит неподтверждённым утверждением — например, агент может сообщить собеседнику, что его бронирование изменилось, хотя система ещё этого не подтвердила. Таким образом, преимущество небольшой диалоговой модели в скорости сопряжено с проблемой надёжности, которую одна лишь дуплексная архитектура не решает.

Alto непрерывно отслеживает, что сказал собеседник и чем занята остальная часть агента, опираясь в своих ответах на общую запись разговора. Прежде чем сообщить о завершении действия, она дожидается подтверждения. Во время поиска или вызова инструмента Alto может запросить следующую необходимую информацию или уточнить, всё ли в порядке у собеседника, вместо того чтобы использовать общие фразы-заполнители. Если результат приходит в тот момент, когда собеседник задаёт новый вопрос, Alto может одновременно ответить на него и сообщить результат.

Обучение работе с неоднозначными звонками

Чтобы ответы оставались быстрыми, Decagon начала с небольшой модели с открытыми весами, а затем дообучила её на симулированных звонках, сценарии которых учитывали опыт эксплуатации. В ходе обучения с подкреплением Alto генерировала несколько возможных ответов для каждого момента разговора. При оценке в первую очередь учитывалось, правильно ли модель решала, отвечать или ждать; затем проверялось, соответствуют ли формулировки деловым правилам и основаны ли они на подтверждённой информации.

Обнаружив, что Alto уже правильно справляется с большинством ситуаций, Decagon сосредоточила обучение на неоднозначных случаях. Компания также варьировала правила и инструменты для разных симулируемых компаний, стремясь научить модель принимать решения, применимые в разных ситуациях, а не заучивать сценарий для одной компании.

По сообщению Decagon, прежде чем модель услышал хоть один собеседник, её проверили на более чем 90 миллионах симулированных звонков. Затем Alto работала в теневом режиме параллельно с реальным производственным трафиком: её ответы можно было оценивать, не озвучивая их собеседникам.

Две специализированные голосовые модели

Alto стала продолжением Voice 3 и Chord, о которых объявили 1 октября 2026 года. Модель Voice 3 объединила генерацию речи Chord с дуплексной архитектурой и поддержкой более чем 70 языков. Chord определяет, как звучат агенты Decagon, а Alto — как они ведут диалог. Ранее Decagon приписывала Chord самостоятельное повышение доли решённых обращений до семи процентных пунктов.

Вместе эти модели разделяют качество голосового взаимодействия на две цели обучения: естественность речи и умение вести диалог. Заявленный результат Alto связывает вторую цель с решением обращений клиентов, однако ключевое ограничение в работе модели остаётся прежним: ей нужно решать, отвечать или ждать, используя скорость диалоговой модели и не позволяя естественно звучащему разговору опережать подтверждённые действия.