前 OpenAI 首席技术官（CTO）米拉·穆拉蒂（Mira Murati）领导的 AI 初创公司 Thinking Machines Lab，于 2026 年 5 月 11 日（当地时间）发布了其实时协同 AI「Interaction Models」的研究预览。这一模型被设计为能够持续接收和处理语音、视频与文本输入，并在此基础上进行实时响应和行动。穆拉蒂曾于 2022 年 5 月出任 OpenAI 的 CTO。
Thinking Machines Lab 认为，现有主流的 AI 模型与交互界面，并未真正针对「人类持续参与的协同工作」进行优化。传统的聊天式 AI 采用的是类似「轮流发言」的回合制结构：用户必须先完成输入，模型才开始生成回复；而在模型生成回复的过程中，又无法接收新的信息。这种交替式的交互方式，使得用户在任务进行中临时改变想法、修正目标或补充意图时，很难顺畅地传达给 AI。
@YouTube
持续处理语音、视频与文本，实现自然打断与同步对话
「Interaction Models」的目标，是把「交互本身」变成模型的内在能力，而不是依赖外部系统来管理对话轮次或处理打断。模型可以连续地处理语音、视频和文本流，使得以下行为成为可能：
- 用户和 AI 可以同时说话，而不是严格轮流发言
- 用户可以在对话中途随时打断或更正
- AI 能够根据屏幕内容或画面变化即时做出反应
在此基础上，团队设想的功能包括：基于对话上下文的对话管理、根据语音和视觉信号进行智能打断、同声发话（overlap speech）、时间感知、调用搜索与外部工具、以及自动生成交互式界面等。比如，用户在说话过程中临时发现自己口误，可以直接更正；或者在编写代码、操作软件时，AI 一边「看」着屏幕，一边在合适的时机主动提醒或协助。
以 200 毫秒为单位的「micro-turn」保证实时性
在技术设计上，「Interaction Models」采用了其称为「time-aligned micro-turn」的机制。与传统回合制模型将输入与输出视为交替出现的两串 token 不同，这一模型把输入和输出都拆分为以 200 毫秒为粒度的连续时间片来处理。
通过这种方式，模型不仅能理解完整的语句，还能把停顿、重叠发言、打断等细微的时间特征纳入语境之中。
在这一机制下，模型不再只是「等用户说完再回答」，而是可以：
- 一边倾听，一边以语气词或简短回应进行「相应」
- 在用户尚未说完时，基于已获取的信息进行纠正或补充
- 实时观察视频或屏幕内容的变化，并立即做出反馈
复杂推理交给后台模型，前台模型保持实时对话
「Interaction Models」采用前台与后台协同的架构：前台的交互模型负责即时响应与实时对话，后台模型则负责更长时延的复杂推理和工具调用。
在实际使用中，交互模型会持续留在「对话现场」，不断接收用户的新输入并维持对话流畅度；当需要更深入的推理或外部工具支持时，再将任务转交给后台模型处理。后台模型完成推理后，交互模型会在合适的时机把结果自然地融入正在进行的对话中。
Thinking Machines Lab 表示，这种设计可以在「即时反馈」与「深度推理」之间取得平衡：既不牺牲实时性，又能在需要时调用更强大的计算能力。
以 TML-Interaction-Small 验证性能，将开启限量研究预览
在本次研究预览中，团队公布了自家模型「TML-Interaction-Small」的部分评估结果。在 FD-bench v1.5 基准测试中，该模型的平均得分为 77.8；在 FD-bench v1 的回合切换延迟（turn-taking latency）测试中，记录为 0.40 秒。此外，团队还进行了内部基准测试，用于评估模型在时间感知、同声发话以及根据视频变化进行发言等方面的能力。
不过，长时间的语音与视频输入会导致上下文快速累积，对低延迟流式处理提出更高要求，也需要稳定的网络连接来支撑。同时，实时交互场景下的安全性与对齐（alignment）问题，与传统的文本回合制对话相比也更为复杂，需要采用不同的策略。
据介绍，TML-Interaction-Small 是一个 2760 亿参数规模的 MoE（Mixture of Experts，专家混合）模型，其中实际参与推理的「激活参数」约为 120 亿。公司方面表示，目前更大规模的预训练模型在这一用途中仍然偏慢，因此暂不提供；计划在 2026 年下半年推出更大模型，并逐步开放。
Thinking Machines Lab 预计将在未来数个月内启动小范围的研究预览，并在 2026 年下半年面向更广泛的用户群体开放使用。
