重點一：前 OpenAI 技術長 Mira Murati 創辦的 Thinking Machines Lab 5 月 11 日推出研究預覽版「互動模型」，主打多模態、近即時的人機協作，跳脫過去 AI 的「一問一答」框架。
重點二：首款模型 TML-Interaction-Small 為 2,760 億參數 MoE 架構（單次啟用 120 億），FD-bench 互動延遲達 0.4 秒，優於 Gemini 3.1 Flash Live 的 0.57 秒、GPT-realtime 2.0 的 1.18 秒。
重點三：架構採「雙模型」設計，互動模型負責即時對話與感知，背景模型處理推理、工具呼叫等較重的任務，再把結果無縫串回對話，研究預覽僅對少數合作夥伴開放，年底前公開發布。
前 OpenAI 技術長 Mira Murati 創辦的 AI 研究新創 Thinking Machines Lab，5 月 11 日推出首款「互動模型（interaction models）」研究預覽版，主打讓 AI 能像人類一樣即時聽、看、說，跳脫今天主流模型「使用者輸入完才開始處理」的回合制架構。
Thinking Machines 官方部落格指出，這代表一種全新的多模態 AI 系統設計，目標是讓 AI 在語音、影像、文字三個模態上同時運作，沒有切換成本。
公司背景：頂級 OpenAI 出走潮與史上最大種子輪
Thinking Machines Lab 由 Murati 於 2025 年 2 月離開 OpenAI 後創立。共同創辦團隊包括同樣出身 OpenAI 的 John Schulman、Barrett Zoph、Lilian Weng、Andrew Tulloch 與 Luke Metz，幾乎集結了 OpenAI 訓練、後訓練與安全研究的核心人物。
該公司隨後創下科技史上規模最大的種子輪之一：2025 年 7 月，由 Andreessen Horowitz 領投，募得 20 億美元，估值達 120 億美元，輝達 (NVIDIA)、超微 (AMD)、思科 (Cisco)、Jane Street 均參與投資。
據《彭博社》報導，Thinking Machines 目前正在洽談新一輪融資，估值可能來到 500 億美元。Murati 在創立時就明確表示，公司主軸是「打造能與人類自然互動的 AI 系統」，這次推出的互動模型可視為這項定位的第一個產品化成果。
200 毫秒微回合：互動模型的核心設計
互動模型的關鍵設計是「時間對齊的微回合（time-aligned micro-turns）」。Thinking Machines 解釋，傳統模型把使用者輸入與模型輸出視為交替的 token 序列，必須等一邊講完才換另一邊；互動模型則把輸入與輸出都當成連續資料流，每 200 毫秒處理一次小段內容。
換句話說，模型可以邊聽邊講、邊看邊回應，不再有「人為的回合界線」。
這套架構解鎖了幾種過去做不到的互動模式：模型可以在使用者講話時主動插話（例如「你發音念錯了」），也可以邊講邊聽、即時翻譯，甚至能主動回應視覺變化（例如「幫我數伏地挺身次數」）。
Thinking Machines 表示，這些行為過去要靠額外的「語音活動偵測」等模組才能做到，但這類模組通常比模型本身還笨，反而限制了互動品質。
雙模型分工：即時對話 vs 深度推理
實際架構由兩個模型協作。第一個是 TML-Interaction-Small，2,760 億參數的 MoE（混合專家）模型，單次啟用 120 億參數，負責即時對話、感知、立即回應；第二個是非同步背景模型（Background Model），處理需要深度推理的任務，例如複雜計算、網路搜尋、工具呼叫。
互動模型遇到比較重的任務時，會把整段對話脈絡打包交給背景模型，背景模型完成後再把結果回傳，由互動模型在適當時機自然織入對話。
效能方面，TML-Interaction-Small 在 FD-bench v1（衡量回合切換延遲的測試）上達到 0.4 秒，明顯快於 Google 的 Gemini-3.1-flash-live（0.57 秒）與 OpenAI 的 GPT-realtime-2.0 minimal 模式（1.18 秒）。
在衡量互動品質的 FD-bench v1.5 上拿到 77.8 分，遠高於 GPT-realtime-2.0 minimal 的 46.8 分與 Gemini-3.1-flash-live minimal 的 54.3 分。
企業端應用：從製造現場到客服
《SiliconANGLE》分析指出，雖然反應更快的聊天機器人對一般使用者最直觀，但這類模型在企業端的潛在影響可能更大。
例如在製造現場，互動模型可以全天監看影像，安全違規發生的當下就提醒人類主管，不必等管理者剛好走過；在客服場景，延遲降低能讓電話對談更貼近真實人類互動。
值得注意的是，Thinking Machines 的模型有內建的時間感知能力，使用者可以說「如果這個化學反應比上一次慢，提醒我」，不必在提示中提供具體時間戳，模型就能自己掌握時間軸。
Thinking Machines 表示，目前 TML-Interaction-Small 與背景模型只開放給少數合作夥伴試用，年底前會更廣泛公開發布。
Thinking Machines 在部落格也坦承幾個侷限：連續音訊與影像會快速累積對話脈絡，超長對話的記憶體管理仍是研究重點；即時串流仰賴穩定網路連線，網路品質下降會明顯影響體驗。
資料來源：Thinking Machines Lab、SiliconANGLE、TechCrunch、Bloomberg
本文初稿為AI編撰，整理．編輯/ 李先泰
