Лаборатория Thinking Machines Ships Первую Модель С Реальным Временем Взаимодействия 200ms

Лаборатория Thinking Machines, стартап в области ИИ, основанный бывшим техническим директором OpenAI Мирой Мурати, выпустил предварительный просмотр своей первой внутренней модели 11 мая 2026 года, положив конец более чем годовому молчанию о том, что лаборатория на самом деле будет строить. Компания называет эту систему “моделью взаимодействия” — многомодальной архитектурой, обученной с нуля для обработки аудио, видео и текста в 200-миллисекундных фрагментах, а не ожидая, пока пользователь закончит свою очередь.

Модель, названная TML-Interaction-Small, представляет собой систему с 276 миллиардами параметров и 12 миллиардами активных параметров. Согласно объявлению в блоге компании, это первый продукт лаборатории, которая привлекла около 2 миллиардов долларов при оценке в 12 миллиардов долларов, не выпустив ничего, кроме инструмента для тонкой настройки. Выпуск происходит на фоне продолжающегося давления со стороны ухода талантов и застрявшего раунда последующего финансирования.

Что такое модель взаимодействия на самом деле

Лаборатория Thinking Machines утверждает, что современные модели на переднем крае — включая GPT-Realtime от OpenAI и Gemini Live от Google (GOOGL ) — добавляют реальное время к архитектурам, основанным на очередях, с помощью “харнесса” внешних компонентов, таких как обнаружение голосовой активности. Эти компоненты решают, когда пользователь перестал говорить, а затем передают готовое высказывание модели. Пока модель генерирует ответ, ее восприятие мира замораживается.

Модель взаимодействия заменяет эту конструкцию на то, что компания называет “микро-очередями, выровнеными во времени”. Система непрерывно обрабатывает 200 миллисекунд входных данных, генерируя 200 миллисекунд выходных данных, с обоими потоками токенов, переплетенными в одном цикле часов. Эта структура позволяет модели прервать пользователя в середине предложения, отреагировать на визуальные сигналы без запроса или говорить одновременно с пользователем для задач, таких как живой перевод.

Архитектура пропускает тяжелые отдельные кодировщики. Аудио подается в виде функций dMel через легкий слой вложений, изображения делятся на фрагменты 40×40 пикселей, и все компоненты обучаются вместе с нуля с трансформером. Отдельная фоновая модель работает асинхронно, обрабатывая более глубокие рассуждения, вызовы инструментов и просмотр веб-страниц, пока модель взаимодействия остается в разговоре.

Согласно заявленным компанией показателям, TML-Interaction-Small демонстрирует задержку очереди в 0,40 секунды на FD-bench V1, по сравнению с 1,18 секундами для GPT-Realtime-2.0 в режиме минимального мышления и 0,57 секундами для Gemini-3.1-flash-live. На FD-bench V1.5, который оценивает качество взаимодействия через прерывания пользователя, фоновую речь и речь на заднем плане, модель набирает 77,8 балла против 46,8 для GPT-Realtime-2.0 минимального и 45,5 для Gemini-3.1-flash-live в режиме высокого мышления. Эти цифры представлены компанией.

Долгожданный первый выпуск

Выпуск закрывает большой пробел между финансированием и продуктом. Лаборатория Thinking Machines была основана в феврале 2025 года, и в июле того же года она закрыла раунд финансирования в размере 2 миллиардов долларов при оценке в 12 миллиардов долларов — широко освещаемый как самый большой раунд финансирования на записи. Раунд был возглавлен Andreessen Horowitz с участием Nvidia (NVDA ), AMD, Cisco, Accel, ServiceNow (NOW ) и Jane Street. До сих пор единственным выпущенным продуктом компании был Tinker, API для тонкой настройки открытых моделей, запущенный в октябре 2025 года.

Промежуточные месяцы принесли турбулентность. Сооснователи Баррет Зоф и Люк Метц покинули компанию в январе 2026 года, чтобы вернуться в OpenAI, и Мурати объявила, что компания “рассталась” с Зофом. Эндрю Туллох ушел в лабораторию Superintelligence от Meta после того, как Марк Цукерберг сделал предложение о приобретении компании за 1 миллиард долларов, которое было отклонено. Meta с тех пор наняла пять основателей лаборатории. Мурати ответила на это, повысив Сумита Чинталу, соавтора PyTorch, до должности технического директора. Следующий раунд финансирования при оценке примерно в 50 миллиардов долларов не был закрыт к концу 2025 года.

История с вычислениями развивалась в противоположном направлении. В марте лаборатория Thinking Machines объявила о партнерстве с Nvidia, которое включает в себя неизвестную инвестицию и развертывание как минимум одного гигаватта следующих поколений систем Vera Rubin. Лаборатория также расширила свое сотрудничество с Google Cloud, чтобы охватить обучение моделей на переднем крае на оборудовании Nvidia GB300.

Что смотреть

Модель взаимодействия пока недоступна для предприятий или публики. Лаборатория Thinking Machines заявляет, что ограниченный исследовательский просмотр будет открыт для выбранных партнеров в ближайшие месяцы, а более широкий выпуск состоится позже в 2026 году. Компания также планирует выпустить более крупные модели взаимодействия, отметив, что текущая версия с 276 миллиардами параметров является самой маленькой версией, которую они могут обслуживать при требуемой задержке.

Независимая верификация заявленных показателей является ближайшим вопросом. FD-bench — одна из немногих публичных оценок, ориентированных на качество взаимодействия, и результаты Thinking Machines еще не были воспроизведены третьими сторонами под реалистичной нагрузкой. Тесты на проактивность, которые компания представила для визуальных сигналов, включая адаптированные версии RepCount-A, ProactiveVideoQA и Charades, являются новыми инструментами без установленной базовой линии.

Стратегическая ставка более точна. Пока OpenAI, Anthropic и Google потратили прошлый год на продвижение возможностей автономных агентов, лаборатория Thinking Machines делает ставку на то, что следующим направлением конкуренции будет то, как люди общаются с ИИ — ближе к непрерывному разговору, чем к серии подсказок. Модель взаимодействия конкурирует напрямую с системами реального времени голосового ИИ, которые поставляются от OpenAI, Google и растущего числа стартапов, ориентированных на речь. Будет ли архитектура выдерживать контакт с рабочими нагрузками производства — длинными сессиями, ненадежными соединениями и ограничениями безопасности реального времени отказа — это испытание, которое предстоящий раунд просмотра будет накладывать.