Thinking Machinesは200msの応答でインタラクションモデルを発表し、GPT-Realtime-2.0を上回ります

Beatingによれば、元OpenAI CTOのミラ・ムラティが設立した研究所であるThinking Machinesは、相互作用モデルの研究プレビューを公開し、200ミリ秒のマイクロターン応答によるネイティブのリアルタイム音声・映像処理を特徴としている。このモデルは、ユーザーのリアルタイムな中断に対応しつつ、同時に聞く・見る・話すことを可能にする。

TML-Interaction-Smallモデルは、2760億パラメータのMoEアーキテクチャを用い、推論ごとに120億パラメータを活性化する。公式データでは、発話ターンの受け渡し遅延が0.40秒、FD-bench V1.5スコアが77.8であり、いずれもGPT-Realtime-2.0およびGemini 3.1 Flash Liveを上回っている。限定的なプレビューアクセスは今後数か月で予定されている。