螞蟻與清華髮布 Realtime-Venus：前臺全雙工對話，後臺非同步跑任務

首次發布 2026年9月12日上午8:56 [UTC]傳播指數 61

螞蟻集團與清華大學推出即時多模態 Agent 系統 Realtime-Venus。它採用雙迴圈架構，由兩個 9B 模型負責音影片感知與全雙工語音，複雜推理則由後臺非同步處理。使用者不用為了等 AI 幹活而中斷對話，很適合智慧眼鏡和車載場景。

平時跟語音助手對話，最尷尬的就是讓它查點東西，空氣突然安靜好幾秒。螞蟻集團和清華大學聯合推出的 Realtime-Venus，想解決的就是這種停頓。

前臺陪聊，後臺幹活

Realtime-Venus 是一套即時多模態 Agent 系統，主打能持續聽、看、說，同時在後臺處理複雜任務。

它的核心是一套雙迴圈架構，由兩個 9B 模型和一個協調機制 Harness 組成。其中 Realtime-Venus-Omni 負責持續感知音影片輸入，Realtime-Venus-Audio 負責原生全雙工語音互動。

至於耗時的搜尋、複雜推理和工具呼叫，則交給 Realtime-Venus-Harness 委派到後臺非同步執行。等後臺把事情辦完了，再把結果帶回當前對話。前臺的交流完全不斷，使用者不需要為了等待 AI 幹活而乾等著。

把互動鏈路與耗時任務徹底解耦，這一步走得很聰明。以往的語音助手更像單執行緒介面，一旦呼叫工具就必須暫停對話；Realtime-Venus 則把它變成了一個能一邊看著周圍環境跟你閒聊、一邊在底層幹活的助手。

我們認為，這對智慧眼鏡和車載場景尤其有用。戴著眼鏡走動或開車時，使用者無法接受介面卡死或長時間的死寂。不過兩個 9B 模型加上後臺 Agent，對端側算力或雲端協同提出了不低的要求，未來在硬體上的功耗與網路表現，將是檢驗它能否真正落地的關鍵。