Моделі та платформи ШІ
Thinking Machines Lab випускає першу модель із взаємодією в реальному часі по 200 мс

Ключові моментиThinking Machines робить ставку на те, що безперервна взаємодія, а не покрокове…
Показати більше
- Thinking Machines робить ставку на те, що безперервна взаємодія, а не покрокове формулювання запитів, визначить наступний конкурентний рубіж у сфері ШІ.
- Модель взаємодії обробляє вхідні та вихідні дані в одному такті, тож вона може переривати, реагувати й перекладати в реальному часі.
- Незалежна перевірка самостійно заявлених лабораторією показників взаємодії залишається нагальним відкритим питанням для дослідницького попереднього перегляду.
Лабораторія Thinking Machines, стартап у сфері штучного інтелекту, заснований колишнім технічним директором OpenAI Мірою Мураті, опублікував дослідницьку попередню версію своєї першої власної моделі 11 травня 2026 року, поклавши край більш ніж річному мовчанню про те, що лабораторія насправді створюватиме. Компанія називає систему “моделлю взаємодії” – багатомодальною архітектурою, навченою з нуля для обробки аудіо, відео та тексту у фрагментах по 200 мілісекунд, не чекаючи, поки користувач завершить свою репліку.
Модель, названа TML-Interaction-Small, являє собою систему типу «суміш експертів» (MoE) із 276 мільярдами параметрів, з яких 12 мільярдів активні. За даними повідомлення компанії на блозі, це перший продукт лабораторії, яка зібрала близько 2 мільярдів доларів при оцінці в 12 мільярдів доларів, не випустивши до того нічого, крім інструменту для тонкого налаштування. Випуск відбувається на тлі тривалого тиску через відхід талантів і зупинку наступного раунду фінансування.
Що насправді робить модель взаємодії
Лабораторія Thinking Machines стверджує, що сучасні моделі передового рівня, включаючи GPT-Realtime від OpenAI та Gemini Live від Google , додають поведінку в реальному часі до архітектури, заснованої на ходах, за допомогою комплексу зовнішніх компонентів, таких як виявлення активності голосу. Ці компоненти визначають, коли користувач припинив говорити, а потім передають завершене висловлювання моделі. Під час генерації відповіді моделлю її сприйняття світу заморожується.
Модель взаємодії замінює цю конструкцію на те, що компанія називає мікроходами, синхронізованими з часом. Система безперервно обробляє 200 мілісекунд вхідних даних під час генерації 200 мілісекунд виводу, причому обидва потоки токенів чергуються в одному тактовому циклі. Така структура дозволяє моделі переривати користувача в середині речення, реагувати на візуальні сигнали без запиту або говорити одночасно з користувачем для завдань, таких як живий переклад.
Архітектура пропускає важкі окремі кодувальники. Аудіо подається у вигляді ознак dMel через легкий шар ембедингів, зображення розділяються на фрагменти розміром 40 × 40, а всі компоненти навчаються з нуля разом з трансформером. Окрема фонова модель працює асинхронно, обробляючи глибші міркування, виклики інструментів та веб-браузинг, поки модель взаємодії залишається присутньою в розмові.
За заявленими компанією бенчмарками TML-Interaction-Small демонструє затримку зміни реплік в 0,40 секунди на FD-bench V1 порівняно з 1,18 секундами для GPT-Realtime-2.0 у мінімальному режимі мислення та 0,57 секундами для Gemini-3.1-flash-live. На FD-bench V1.5, який оцінює якість взаємодії через переривання з боку користувача, короткі реакції слухача та фонове мовлення, модель набирає 77,8 балів проти 46,8 для GPT-Realtime-2.0 мінімального та 45,5 для Gemini-3.1-flash-live в режимі високого мислення. Ці цифри повідомляє сама компанія.
Довгоочікуваний перший випуск
Випуск закриває велику паузу між фінансуванням та продуктом. Лабораторія Thinking Machines була заснована у лютому 2025 року, а в липні того ж року закрила посівний раунд фінансування на 2 мільярди доларів за оцінки компанії у 12 мільярдів доларів — за численними повідомленнями, найбільший посівний раунд в історії. Раунд був очолений компанією Andreessen Horowitz з участю Nvidia (NVDA ), AMD, Cisco, Accel, ServiceNow (NOW ) та Jane Street. До цього дня єдиним випущеним продуктом компанії був Tinker, API для тонкого налаштування моделей із відкритими вагами, який був запущений у жовтні 2025 року.
Протягом наступних місяців компанію охопила турбулентність. Співзасновники Баррет Зоф та Люк Метц покинули компанію у січні 2026 року, щоб повернутися в OpenAI, а Мураті оголосила, що компанія “пішла окремими шляхами” із Зофом. Ендрю Туллох перейшов у лабораторію Superintelligence компанії Meta після відхилення пропозиції Марка Цукерберга придбати всю компанію, сума якої, за повідомленнями, становила 1 мільярд доларів. Компанія Meta згодом найняла п’ятьох засновників лабораторії. Мураті відповіла на це, підвищивши Суміта Чінталу, співавтора PyTorch, до посади технічного директора. Наступний раунд фінансування за оцінки близько 50 мільярдів доларів, про який повідомлялося у пресі, не був завершений до кінця 2025 року.
Історія з обчисленнями розвивалася в протилежному напрямку. У березні лабораторія Thinking Machines оголосила про партнерство з Nvidia, яке охоплює інвестицію нерозкритого розміру та розгортання щонайменше одного гігаватту систем наступного покоління Vera Rubin. Лабораторія також розширила свою співпрацю з Google Cloud, щоб охопити навчання моделей передового рівня на апаратному забезпеченні Nvidia GB300.
За чим стежити
Модель взаємодії ще не доступна підприємствам чи широкій публіці. Лабораторія Thinking Machines заявляє, що обмежена дослідницька попередня версія стане доступною для вибраних партнерів у найближчі місяці, а ширший випуск відбуватиметься пізніше в 2026 році. Компанія також планує випустити більші моделі взаємодії, зазначаючи, що поточна версія з 276 мільярдами параметрів є найменшим варіантом, який вони можуть обслуговувати при необхідній затримці.
Незалежна верифікація заяв про бенчмарки є негайним питанням. FD-bench є одним із небагатьох публічних бенчмарків, які націлені на якість взаємодії, а результати лабораторії Thinking Machines ще не були відтворені третіми сторонами під реалістичним навантаженням. Тести проактивності, які компанія ввела для візуальних сигналів, включаючи адаптовані версії RepCount-A, ProactiveVideoQA та Charades, є новими інструментами без встановленої базової лінії.
Стратегічна ставка є більш точною. Хоча OpenAI, Anthropic та Google провели останній рік, просуваючи можливості автономних агентів, лабораторія Thinking Machines робить ставку на те, що наступним напрямком конкуренції буде спосіб, яким люди спілкуються зі штучним інтелектом – ближче до безперервної розмови, ніж до серії запитів. Модель взаємодії конкурує найбільш безпосередньо з системами голосового штучного інтелекту в реальному часі, які випускають компанії OpenAI, Google та дедалі більше стартапів, орієнтованих на мовлення. Чи витримає архітектура виробничі навантаження — тривалі сесії, ненадійний зв’язок та безпекові обмеження відмови в реальному часі — покаже наступний етап попереднього тестування.












