摘要
Mira Murati 用一年半时间证明了「人机协作」不是一句口号。作者｜桦林舞王 编辑｜ 靖宇 在「蛰伏」了 18 个月后，OpenAI 前 CTO Mira Murati 的新团队，Thinking Machines，终于交出了自己的答卷。 5 月 11 日，Thinking Machines Lab 发布了一段研究预览视频，展示了他们所谓的「交互模型」（Interaction Model）。 这不是又一个大语言模型的发布会，也不是又一轮跑分刷榜。这家公司做的事情，用一句话概括就是—— 让 AI 不再像发微信一样一条一条回复你，而是像面对面聊天一样，随时听、随时看、随时插嘴。 如果你看过他们的 Demo 视频，你会发现一件有意思的事：用户正在说话的时候，AI 也在说话；用户对着摄像头做俯卧撑，AI 在一旁数数；用户写代码写错了，AI 主动开口提醒——没人让它说话，它自己看到了。 这种体验，当前市场上没有任何一个商业 AI 产品能做到。 01 「回合制」的枷锁 要理解 Thinking Machines 做的事情为什么重要，得先理解当前所有 AI 对话系统的底层逻辑—— 回合制。 你说一句，AI 等你说完，然后回一句。在你说话的时候，AI 是「瞎」的、「聋」的，什么都感知不到。在 AI 回复的时候，它的感知也冻结了，不接收任何新信息。这就像两个人隔着一堵墙用对讲机沟通，你按下说话键的时候对方只能等着。 Thinking Machines 介绍 Demo｜图片来源：YouTube 这套逻辑在打字聊天的场景下勉强够用，但一旦涉及语音、视频、实时协作，问题就暴露了。 现有的 AI 模型把「自主工作」当作最重要的能力来优化，结果是人越来越难留在循环中。 Anthropic 自己的模型卡里都承认过，用户如果用同步、实时的方式操作他们的模型，体验反而不好——模型太慢，用户感知不到价值。 Thinking Machines 的核心主张很简单： 交互能力应该和智能一起扩展，而不是被当成事后补丁。 02 200 毫秒的「微回合」 Thinking Machines 的技术路线有一个核心设计： 时间对齐的微回合（Time-Aligned Micro-Turns）。 传统模型的输入和输出是一整段一整段处理
摘要可能不完整，可查看原文