Thinking Machines показали AI-модель, где realtime встроен прямо в архитектуру, а не собран сверху из отдельных модулей вроде распознавания речи, синтеза и агентной обвязки (https://thinkingmachines.ai/blog/interaction-models/).

Почему это важно: сейчас почти все ИИ работают как чат. Ты договорил → модель подумала → ответила. Из-за этого живой диалог ощущается медленным и неестественным.

Новая система работает иначе. Модель постоянно принимает аудио, видео и текст небольшими кусками по 200 мс и одновременно генерирует ответ. Она умеет реагировать на паузы, перебивания и визуальный контекст почти в реальном времени.

Ещё интереснее — фоновый агент. Пока основная модель разговаривает с человеком, отдельный процесс может параллельно выполнять длинные задачи и потом возвращать результат в диалог.

По сути, индустрия движется от «чат-бота» к ощущению постоянного присутствия ИИ рядом.

Если подход взлетит, живой перевод, голосовые ассистенты, AI-тьюторы и помощники в работе перестанут быть набором костылей с лагами.

ИИ начнёт не ждать своей очереди в разговоре, а реально существовать внутри него.