Thinking Machines 推出交互模型：抛弃轮流说话，200 毫秒级原生实时协作

如果你最近经常跟各种 AI 语音助手聊天，大概率被一种体验折磨过：你刚说到一半稍微停顿换口气，它就迫不及待抢话；或者它在滔滔不绝背书时，你想纠正一句，必须狠狠戳一下屏幕上的打断按钮。

这种感觉不像是在和人面对面说话，更像是在用对讲机或者来回发邮件。前 OpenAI 首席技术官 Mira Murati 去年创立的初创公司 Thinking Machines Lab，打算彻底推翻这套交互逻辑。

Thinking Machines 发布了交互模型（Interaction Models）的研究预览。他们认为现在主流大模型全都在单线程里体验世界，直到用户说完，模型才开始反应；模型一旦开始生成，对外界的感知就彻底冻结。为了打破这个瓶颈，他们打造了一个端到端原生处理交互的新架构。

扔掉外部脚手架，让 AI 边听边想边插嘴

以往的大多数商业实时语音系统，基本是在原本按轮次回复的模型外面，套了一堆工程脚手架。比如用独立的语音活动检测模块来猜你什么时候闭嘴，再决定要不要接话。

Thinking Machines 这次直接把交互能力做进了模型底层。他们采用了多流微轮次设计，直接把输入和输出拆解成两百毫秒一个的处理时间窗口。

模型不再等待一整句完整的话，而是以两百毫秒为单位持续接收音频、视频和文本流，同时以相同的节奏向外吐出内容。这意味着模型能够感知你说到一半是在思考、犹豫，还是真的在等你回答，甚至能在你出现错误时主动插话，或者和你同时出声进行同声传译。

为了兼顾极速反应和复杂推理，Thinking Machines 采用了一套双模型架构。台前是一个具备时间感知能力的实时交互模型，负责维持对话现场的呼吸感；幕后则挂着一个异步运行的背景模型，专门处理深度思考、工具调用、并发网页搜索和界面生成。

当你在视频里展示一段代码并随口提问时，前台模型可以一边跟你保持自然对话，一边等待后台模型把深入排查的结果织回交流中。据报道，其名为 TML-Interaction-Small 的模型响应时间只有零点四秒，大致相当于人类日常自然对话的速度，明显快于 OpenAI 和 Google 的同类方案。

为什么重要

我们认为，Thinking Machines 踩中的是人机协作中最别扭、却最常被大厂忽视的一个痛点。现在的行业主流都在疯狂比拼长任务自动化，巴不得用户交代完一句话就走人；但现实中很多复杂的脑力工作，人类根本无法在一开始就把需求写成一份滴水不漏的提示词，最有效的协作往往发生在边聊、边看、随时打断纠偏的动态过程中。

从架构上看，把交互能力原生化是一个极其聪明的决定。按照计算领域的苦涩教训，靠外挂工程规则堆出来的脚手架，迟早会被更强的通用模型能力甩在身后。把打断、时间感知和视听同步直接塞进模型，意味着未来只要模型参数规模和训练数据扩大，交互质感就会自然跟着水准提升，而不需要一遍遍重写外挂逻辑。

不过普通用户现在还很难亲自上手验证。Thinking Machines 明确表示这只是一个研究预览，有限的测试将在未来几个月内开放，更大范围的发布则要等到今年晚些时候。零点四秒的延迟在官方演示里看起来非常惊艳，但双模型协作的实际稳定性、前台闲聊与后台推理结果拼接时的流畅度，都还需要在真实复杂的网络环境和长任务场景下经受考验。对正在跟进多模态全双工赛道的厂商来说，Thinking Machines 已经把竞争的门槛从拼声音音色，直接推向了拼原生交互吞吐量的全新战场。