Лабораторія Thinking Machines Відправляє Першу Модель З Реальною Часовою Інтеракцією 200ms

Лабораторія Thinking Machines, стартап з штучним інтелектом, заснований колишнім технічним директором OpenAI Мірою Мураті, опублікував попередній огляд своєї першої внутрішньої моделі 11 травня 2026 року, завершивши більш ніж річну паузу у тому, що лабораторія фактично будуватиме. Компанія називає систему “моделлю взаємодії” – багатомодальною архітектурою, навченою з нуля для обробки аудіо, відео та тексту у фрагментах по 200 мілісекунд, а не очікування завершення ходу користувачем.

Модель, названа TML-Interaction-Small, являє собою систему з 276 мільярдів параметрів, що складається з експертів, з 12 мільярдами активних параметрів. За даними повідомлення компанії на блозі, це перший продукт лабораторії, яка зібрала близько 2 мільярдів доларів при оцінці в 12 мільярдів доларів, не відправивши нічого, крім інструменту для тонкої настройки. Випуск відбувається на тлі тривалого тиску через відхід талантів і зупинку наступного раунду фінансування.

Що Така Модель Взаємодії Фактично Робить

Лабораторія Thinking Machines стверджує, що сучасні моделі передового рівня, включаючи GPT-Realtime від OpenAI та Gemini Live від Google (GOOGL ), додають поведінку в реальному часі до архітектури, заснованої на ходах, за допомогою “упряжі” зовнішніх компонентів, таких як виявлення активності голосу. Ці компоненти визначають, коли користувач припинив говорити, а потім передають завершений вираз 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 циклі годинника. 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 функцій dMel через легкий шар вкладення, зображення розділяються на фрагменти розміром 40х40 пікселів, а всі компоненти навчаються з нуля разом з трансформером. Відокремлена фоновна модель працює асинхронно, обробляючи глибше розуміння, виклики інструментів та веб-браузинг, поки модель взаємодії залишається присутньою в розмові.

За заявленими компанією бенчмарками TML-Interaction-Small демонструє затримку ходу 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 користувача, бек-канали та фонову мову, 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. Цифри є самозвітними.

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 завершила раунд сіяння на суму 2 мільярдів доларів при оцінці в 12 мільярдів доларів – найбільшому раунді сіяння зафіксованому 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 тонкої настройки відкритих моделей, який був запущений у жовтні 2025 року.

Протягом наступних місяців компанію охопила турбулентність. Засновники 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 того, як Марк Цукерберг зробив пропозицію придбати компанію за 1 мільярд доларів, яку було відхилено. Компанія Meta згодом найняла п’ятьох засновників лабораторії. Мураті відповіла на це, підвищивши Суміт Чінталу, співавтора PyTorch, до посади технічного директора. Наступний раунд фінансування при оцінці близько 50 мільярдів доларів 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 невідому інвестицію 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.

Що Слідкувати

Модель взаємодії ще не доступна підприємствам чи широкій публіці. Лабораторія Thinking Machines заявляє, що обмежений попередній огляд буде відкритий 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 однією з 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 з штучним інтелектом – ближче до безперервної розмови, ніж до серії запитів. Модель взаємодії конкурує найбільш безпосередньо з системами голосового штучного інтелекту в реальному часі, які відправляються компаніями OpenAI, Google та зростаючим рядом стартапів, орієнтованих на мовлення. Чи витримає архітектура контакт з робочими навантаженнями – тривалими сесіями, ненадійними підключеннями та безпековими обмеженнями відмови в реальному часі – це тест, який наступний попередній огляд впровадить.